|
日常生活中人们分拣辨别不同种类的苹果需要消耗大量的人力物力,为解决这一问题,提出了一种基于多角度多区域特征融合的苹果图像分类方法.首先,收集五类总共329个苹果,使用手机摄像头从上面、下面和3个不同侧面共五个角...
传统潜在语义分析方法无法利用图像中区域语义构成的上下文信息来获得图像目标空间分布信息,因此它丢掉了局部特征之间的空间关系信息.而基于最近邻矢量量化来构造共生矩阵具有较大的量化误差,使得特征描述缺乏鲁棒性,...
在传统的基于内容图像检索的方法中,由于图像的领域较宽,图像的低级视觉特征和高级概念之间存在着较大的语义间隔,导致检索效果不佳.该文认为更有现实意义的做法是,缩窄图像的领域以减小低级特征和高级概念间的语义间隔...
多示例学习已经广泛地应用到各个领域,如图像检索、文本分类、人脸识别等.而近年来深度神经网络也成功地运用到各个任务和问题上,MI-Nets是深度神经网络在多示例学习领域一个成功的应用.虽然MI-Nets很成功,但其主要在图...
在多标记学习框架下,每个样本由单个实例进行表示并同时对应于多个概念标记.已有的多标记懒惰学习算法并未充分考察样本多个标记之间的相关性,因此其泛化性能将会受到一定程度的不利影响.针对上述问题,提出一种新型多标...
细粒度图像分类是计算机视觉中非常热的研究方向.由于同一个大物种的子类别之间具有相似的外观,相似的颜色,所以差别非常细微.因此,细粒度图像分类非常具有挑战性.为了解决这个挑战,该文提出一种基于注意机制的循环卷积...
高效的图像特征表示是计算机视觉的基础.基于图像的视觉显著性机制及深度学习模型的思想,提出一种融合图像显著性的层次稀疏特征表示用于图像分类.这种层次特征学习每一层都由3个部分组成:稀疏编码、显著性最大值汇聚(...
研究基于Haar-CNN模型的图像特征提取用于自然场景图像分类的问题.Haar小波变换是图像处理中常见的一种变换,可以提取图像的局部和空间信息,并把彩色图像的颜色、轮廓和纹理信息进行分层次的表达.卷积神经网络(CNN)是一...
场景图像分类是计算机视觉领域中的一个基本问题.提出一种基于内容相关性的场景图像分类方法.首先从图像上提取视觉单词.并把图像表示成视觉单词的词频矢量;然后利用产生式模型来学习训练集合中包含的主题,和每一幅图像...
社会心理学对图像的心理表征研究一直难以将心理活动的内容准确刻画出来.近10年来出现了一种新心理物理学方法——“反向相关图像分类技术”,该技术假定观察者的反应与视觉噪音存在相关关系,且反应是依照观察者的社会判...
局部二值模式（local binary pattern ，LBP）特征是一种简单有效的纹理特征描述符，但是它的抗噪声能力较差。针对这一问题，提出一种对噪声较为鲁棒的纹理特征表示方法———抗噪声的完整增强局部二值模式（noise-to...
SAR图像的分类是实现SAR图像自动理解与解译的图像的分类提供了大量有用的信息,尤其对于单波段、单极化的SAR图像,纹理信息就显得格外重要.然而,不同纹理特征对SAR图像中不同地表结构内在属性的刻画能力并不一致.如何将...
遥感图像分类是遥感领域的研究热点之一.提出了一种基于自适应区间划分的模糊关联遥感图像分类方法(fuzzy associative remote sensing classification,FARSC).算法根据遥感图像分类的特点,利用模糊C均值聚类算法自适应...
为解决图像分类中深度卷积神经网络(Convolutional neural networks,CNN)中较为复杂的人工网络设计与调参问题,提出基于ResNet模块的进化卷积神经网络(Evolutionary convolutional neural network,ECNN)的自动设计方法...
基于CNN的像素级SAR图像分类利用了输入图像块的邻域信息,但没有凸显出邻域像元对中心像元分类结果的影响力,导致在高噪声条件下中心像元易出现类别误判.针对该问题,该文提出了一种基于点特征相似性的卷积神经网络(Poi...
现有的半监督分类方法由于时间复杂度较高等原因无法用于稍大规模的图像分类。该文根据聚类假设，通过寻找标签在图中进行传播的最主要路径，即最小代价路径，提出了最小代价路径标签传播算法（Minimum Cost Path Labe...
传统国画的数字化是信息时代对国画有效保存和有效分享的重要手段.海量的数字化国画已成为数字博物馆乃至现代图书馆重要的组成部分.如何实现对数字化国画的高效检索和管理已成为一个亟需解决的问题.针对该问题,文中探...
提出在多维特征空间中以互信息为评价指标进行特征选择,在特征子集中应用支持向量机(SVM)分类器实现图像监督分类的方法.首先提取图像的光谱、纹理和颜色特征,得到多特征的高维特征空间,然后用最大相关和最小冗余的互信...
植物叶片形状一般具有小的类间差异和大的类内变化,再加之叶片的自遮挡和噪声的干扰,给叶片形状的识别带来了很大的挑战.文中提出了一种新的形状描述子——弦特征矩阵(Chord-Features Matrices,CFM),精确而又鲁棒地应用...