检索结果-南通市图书馆

基于特征区分度和区域生长的Mean Shift跟踪算法

在线全文

学校读者我要写书评

暂无评论

光电技术应用 2016年第1期31卷 50-55页

作者：黎鹏林妩媚王万平傅景能中国科学院光电技术研究所成都610209 中国科学院大学北京100049

复杂环境下的目标跟踪是一个具有较多难点的任务。例如杂波干扰、严重遮挡、相似背景、运动不连续、光照变化等,都会给跟踪带来很大困难。针对上述问题,利用目标与背景的区分度,选取目标中独特特征建立模板,并对候选目标过滤背景特征,... 详细信息

复杂环境下的目标跟踪是一个具有较多难点的任务。例如杂波干扰、严重遮挡、相似背景、运动不连续、光照变化等,都会给跟踪带来很大困难。针对上述问题,利用目标与背景的区分度,选取目标中独特特征建立模板,并对候选目标过滤背景特征,从而提高了目标在复杂背景下的匹配精度。同时为了解决Mean Shift算法搜索到的目标位置与真正目标存在偏差的问题,以目标中高区分度的像素点为种子点,进行区域生长,来获得准确的目标位置,并以此确定目标框大小。实验结果表明,文中算法在复杂环境下具有较好的跟踪精度和实时性能。

关键词：目标跟踪均值漂移特征区分度区域生长复杂背景

在线全文

学校读者我要写书评

暂无评论

基于特征区分度的静脉图像质量评价算法

辽宁工业大学学报（自然科学版） 2015年第2期35卷 71-74,78页

作者：贾旭王利曹玉东孙福明辽宁工业大学电子与信息工程学院辽宁锦州121001 中科华核电技术研究院有限公司工程改造研究中心电气研究所广东深圳518124

针对目前采集静脉图像的质量评价标准主要依赖主观判断的缺陷,提出了一种基于特征区分度的静脉图像质量评价算法。该算法首先基于近红外静脉图像的特点建立了质量评价模型,而后依据训练样本特征的区分度确定质量评价模型参数,最后基于... 详细信息

针对目前采集静脉图像的质量评价标准主要依赖主观判断的缺陷,提出了一种基于特征区分度的静脉图像质量评价算法。该算法首先基于近红外静脉图像的特点建立了质量评价模型,而后依据训练样本特征的区分度确定质量评价模型参数,最后基于该模型优化采集到的静脉图像能够提取出优质的静脉特征。实验结果表明,基于该方法获取的特征具有较好的类间区分性,进而提高识别效果。

关键词：静脉识别质量评价特征区分度特征提取

在线全文

学校读者我要写书评

暂无评论

基于谱聚类的无监督特征选择算法

软件学报 2020年第4期31卷 1009-1024页

作者：谢娟英丁丽娟王明钊陕西师范大学计算机科学学院陕西西安710062 陕西师范大学生命科学学院陕西西安710062 武警工程大学信息工程学院陕西西安710086

基因表达数据具有高维小样本特点,包含了大量与疾病无关的基因,对该类数据进行分析的首要步骤是特征选择.常见的特征选择方法需要有类标的数据,但样本类标获取往往比较困难.针对基因表达数据的特征选择问题,提出基于谱聚类的无监督特征... 详细信息

基因表达数据具有高维小样本特点,包含了大量与疾病无关的基因,对该类数据进行分析的首要步骤是特征选择.常见的特征选择方法需要有类标的数据,但样本类标获取往往比较困难.针对基因表达数据的特征选择问题,提出基于谱聚类的无监督特征选择思想FSSC(feature selection by spectral clustering).FSSC对所有特征进行谱聚类,将相似性较高的特征聚成一类,定义特征的区分度与特征独立性,以二者之积度量特征重要性,从各特征簇选取代表性特征,构造特征子集.根据使用的不同谱聚类算法,得到FSSC-SD(FSSC based on standard deviation) FSSCMD(FSSC based on mean distance)和FSSC-ST(FSSC based on self-tuning)这3种无监督特征选择算法.以SVMs(support vector machines)和KNN(K-nearest neighbours)为分类器,在10个基因表达数据集上进行实验测试.结果表明,FSSC-SD、FSSC-MD和FSSC-ST算法均能选择到具有强分类能力的特征子集.

关键词：谱聚类无监督特征选择特征独立性特征区分度特征重要度

在线全文

学校读者我要写书评

暂无评论

基于聚类的特征选择方法

电子学报 2008年第B12期36卷 157-160页

作者：蒋盛益郑琪张倩生广东外语外贸大学信息学院广东广州510006

本文提出了一种度量特征区分度的定义,进而提出一种基于聚类的特征选择方法CBFS.该方法时间复杂度与数据集的大小和特征个数成近似线性关系,适合于大规模数据集中的特征选择;该方法对数据类型没有限制,适用于混合类型数据.在UCI数据集... 详细信息

本文提出了一种度量特征区分度的定义,进而提出一种基于聚类的特征选择方法CBFS.该方法时间复杂度与数据集的大小和特征个数成近似线性关系,适合于大规模数据集中的特征选择;该方法对数据类型没有限制,适用于混合类型数据.在UCI数据集上的实验结果表明,与文献中的方法相比,本文方法具有较好的性能,说明提出的特征选择方法是有效和实用的.

关键词：聚类特征区分度特征选择

在线全文

学校读者我要写书评

暂无评论

一种改进的灰度直方图跟踪算法

一种改进的灰度直方图跟踪算法

作者：黎鹏中国科学院研究生院(光电技术研究所)

学位级别：硕士

近年来随着计算机技术的高速发展和人们对电子设备智能化愈加强烈的客观需求,作为机器感知世界的重要来源的计算机视觉技术进步非常迅猛。而目标跟踪作为计算机视觉极为重要的一环,成为国内外学者的研究热点,并在愈来愈广泛的领域得到... 详细信息

近年来随着计算机技术的高速发展和人们对电子设备智能化愈加强烈的客观需求,作为机器感知世界的重要来源的计算机视觉技术进步非常迅猛。而目标跟踪作为计算机视觉极为重要的一环,成为国内外学者的研究热点,并在愈来愈广泛的领域得到应用。本文围绕目标跟踪中广受关注的Mean Shift跟踪算法,对其来源发展和算法原理进行了详细介绍,然后指出了经典Mean Shift跟踪算法存在的一些缺陷,并对基于Mean Shift跟踪算法的衍生算法根据改进方向的不同进行了归类和介绍。同时本文也针对Mean Shift跟踪中两个重要的缺陷提出了基于特征区分度和区域生长的Mean Shift跟踪算法。首先针对经典Mean Shift跟踪算法仅采用颜色直方图表征目标失去了大部分空间信息的缺陷,先计算目标和背景的区分度,然后利用区分度对目标模板过滤背景特征,并在目标模板和候选目标进行匹配时,同时利用当前帧候选目标的区分度同时对两者进行加权,来突出目标中的显著特征。这样既能保留颜色直方图具有的旋转不变性、尺度不变性和具有一定形变适应性的优点,又通过计算目标和背景的对比关系为颜色直方图引入空间信息,因此增强了跟踪算法在相似背景下的鲁棒性和准确度。其次,Mean Shift算法计算的相似度的极大值点与真实目标位置总是存在误差,这是由于颜色直方图丢失空间信息和Bhattacharyya系数表征的相似度共同导致的。针对这个问题,先根据区分度选取目标跟踪框中具有较独特特征的像素点作为种子点,然后对这些种子点进行区域生长,获得准确的目标区域,再根据目标区域修正跟踪的最终位置和大小。对跟踪框的修正可以增加跟踪的准确度。最后,针对经典Mean Shift跟踪算法采用固定目标模板的缺陷,加入了模板更新的策略,其思想是只有当目标发生较大变化时才更新模板。同时也加入运动预测策略,使得下一帧的初始位置更接近Mean Shift算法迭代终止的位置,而且能够一定程度上避开错误的局部峰值,对提高跟踪算法的鲁棒性和实时性有一定帮助。本文对上述的改进算法进行了编程仿真,并仿真了经典的Mean Shift跟踪算法和另外两种背景加权的Mean Shift跟踪算法。将四种算法在相同的实验环境下对不同的图像序列进行跟踪,对比了四种算法在跟踪准确度和实时性的表现,证明了本文改进算法在跟踪准确度上有所提升,同时鲁棒性也有一定程度的加强。

关键词：目标跟踪均值漂移特征区分度区域生长复杂背景

基于图像检索的手持设备上大图像自助导览系统设计与实现

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图像检索的手持设备上大图像自助导览系统设计与实现

作者：刘昱杰浙江大学

学位级别：硕士

作为我国文化建设中的重要组成部分,博物馆藏有大量的二维平面（大图像）展品,这些展品蕴含丰富的文化信息。如何对这些丰富的文化信息进行个性化自助导览是当前博物馆数字化陈展领域中的热点和难点问题之一。本文设计并实现了一种基于... 详细信息

作为我国文化建设中的重要组成部分,博物馆藏有大量的二维平面（大图像）展品,这些展品蕴含丰富的文化信息。如何对这些丰富的文化信息进行个性化自助导览是当前博物馆数字化陈展领域中的热点和难点问题之一。本文设计并实现了一种基于图像检索的手持设备上大图像自助导览系统,并对其关键技术进行了研究,具体如下：提出了一种基于区分度及位置信息的图像相似性度量方法。通过计算全局特征点欧式距离量化每个特征点的区分度,删除区分度较低特征点。建立大图像二维平面坐标系,通过线下确定热点区域位置信息以及对RANSAC后正确匹配的点集进行统计排序实现图像相似性度量。提出了一种针对大图像的图像特征分层索引方法。该方法利用大图像全局位置信息建立图像分层索引结构。同时结合LSH算法以及基于位置信息改进的KD-Tree算法,利用上层LSH返回的粗略的位置信息,缩小下层KD-Tree查找范围。该方法在高维特征检索中加快检索速度的同时提高检索正确率。设计并实现基于图像检索的手持设备上大图像自助导览系统。该系统采用服务器客户端模式,手持设备作为图片采集和信息展示的客户端,服务器端包含基于HTTP协议的网络服务器以及基于RTSP协议的流媒体服务器,为多客户端提供大图像局部目标区域的检索以及多媒体信息推送与共享。

关键词：基于内容的图像检索大图像特征区分度图像相似性度量图像分层索引

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

谱聚类算法研究与应用

谱聚类算法研究与应用

作者：丁丽娟陕西师范大学

学位级别：硕士

聚类是一种无监督学习方法,能够在没有任何经验信息的条件下发现数据真实分布,这一特性,使得聚类分析备受关注。谱聚类基于图论将聚类问题转化为无向图的图划分问题,相较于传统的聚类算法,可发现任意形状的样本空间分布且其聚类性能优... 详细信息

聚类是一种无监督学习方法,能够在没有任何经验信息的条件下发现数据真实分布,这一特性,使得聚类分析备受关注。谱聚类基于图论将聚类问题转化为无向图的图划分问题,相较于传统的聚类算法,可发现任意形状的样本空间分布且其聚类性能优越。但该算法的参数选择依赖于经验值,且聚类结果不稳定。如何使算法能够根据样本的原始分布自适应选取参数并得到稳定的聚类结果成为谱聚类算法研究的关键问题。特征选择是数据预处理的一种重要方法,旨在剔除冗余,降低数据维度。依据是否使用先验信息,将其分为有监督特征选择算法与无监督特征选择算法。在数据爆炸的今天,高维度高噪声的无标记数据比比皆是,因此,无监督特征选择成为现如今特征选择算法的重点。本文针对self-tuning谱聚类算法的参数受离群点影响且依赖于经验值、谱聚类算法的聚类结果受K-means影响而导致聚类结果不稳定问题,提出了完全自适应的谱聚类算法;并针对无监督特征选择算法所选特征子集分类性能不高问题,提出了基于谱聚类的特征选择新算法;最后提出基于谱聚类的针对乳腺癌患者诊断识别问题的新算法。主要创新和工作如下:1.提出完全自适应的谱聚类算法 SCD(Spectral Clustering based on Standard Deviation)和 SCD(Spectral Clustering based on Mean Distance):通过引入样本/的邻域标准差对 self-tuning 谱聚类算法的局部尺度参数进行改进,以最大程度地避免样本i的局部尺度参数受噪音点影响,进而影响聚类结果;以方差优化初始聚类中心的SD-medoids算法代替K-means算法,克服K-means算法的不稳定,发现数据真实分布。UCI数据集和人工数据集实验测试表明,提出的SCD和SCD算法能完全自适应地发现数据集的真实分布信息,取得更优聚类结果,不受噪音点影响,有很好的伸缩性。尤其SCD算法对较大规模数据集有更强的适应性。2.提出了基于谱聚类的无监督特征选择算法FSSC(feature selection based on spectral clustering):针对基因表达数据高维小样本的特点,首先利用谱聚类算法对所有特征进行聚类,将相似的特征聚在一起。然后分别定义特征区分度与特征独立性概念,并以二者之积度量特征重要性,从各特征类簇选择重要的特征代表该类簇,各类簇的代表特征构造最优特征子集。根据所使用谱聚类算法的不同,得到三种无监督特征选择算法,分别命名为FSSC-SD、FSSC-MD和FSSC-ST。以SVM和KNN为分类器,在10个基因数据集上的实验表明,算法FSSC-SD、FSSC-MD和FSSC-ST均能选择到与分类任务强相关且使分类性能稳定的特征子集。3.提出基于谱聚类的乳腺癌患者诊断识别新算法:为分析乳腺癌的关键识别特征子集,提高乳腺癌疾病数据的识别准确率,提出了一种针对乳腺癌患者识别特征发现的算法SDAP(feature selection based on Standard Deviation And Pearson correlation coefficient),该算法基于特征标准差和Pearson相关系数定义特征区分度和特征独立性,并以二者之积度量特征重要性,以此进行特征选择,发现乳腺癌患者的识别特征;然后对只含有少量识别特征的乳腺癌数据样本采用完全自适应的谱聚类算法SCD和SCD算法进行谱聚类分析。3个乳腺癌数据集实验结果表明SDAP+SCD和SDAP+SCD方法对乳腺癌患者的识别能够得到较好的结果,说明本文基于谱聚类的乳腺癌患者诊断识别算法能够取得良好的实验结果。

关键词：谱聚类邻域标准差无监督特征选择特征独立性特征区分度