公共文化服务平台

基于L1-Graph表示的标记传播多观测样本分类算法被引量：2: 2011年; 同类样本被认为是分布在同一个高维观测空间的低维流形上,针对多观测样本分类如何利用这一流形结构的问题,提出基于L1-Graph表示的标记传播多观测样本分类算法。首先基于稀疏表示的思路构造L1-Graph,进而得到样本之间的相似度矩阵,然后在半监督分类标记传播算法的基础上,限制所有的观测样本都属于同一个类别的条件下,得到一个具有特殊结构的类标矩阵,最后把寻找最优类标矩阵的计算转化为离散目标函数优化问题,进而计算出测试样本所属类别。在USPS手写体数据库、ETH-80物体识别数据库以及Cropped Yale人脸识别数据库上进行了一系列实验,实验结果表明了本文提出方法的可行性和有效性。; 胡正平王玲丽

基于关键角点引导约束的广义Hough变换两层目标定位算法被引量：1: 2010年; 广义Hough变换对非解析轮廓的定位与检测需要考虑平移、旋转、尺度问题,所以需要对四维参数空间进行搜索,计算量大且同时保证速度和精度存在困难。为解决该问题,本文在定位与验证两级框架下提出由关键特征点引导约束的广义Hough变换两层目标定位快速算法。粗定位过程首先利用模板图像的特征点——角点建立R表,将待检测图像中的角点依据局部R表对平移、缩放系数和旋转角度进行全局搜索,得到其参考点位置以及和的参数值;在验证过程中,建立模板图像边缘像素的全局R表,在约束的参数范围内依据全局R表进行验证,求出精确检测结果。实验表明,本文算法也适用于局部遮挡,局部变形等情况,同时运算时间、存储消耗大大减少,检测稳定性高,具有一定应用意义。; 胡正平杨苏; 关键词：广义HOUGH变换角点

基于稀疏活动轮廓模型的感兴趣目标检测定位算法: 2011年; 传统的基于形状信息目标定位的算法,对目标观测角度发生形变情况下的定位存在不少困难,针对该问题,提出了一种基于稀疏活动轮廓模型的感兴趣目标(OOI)检测算法。首先通过共同勾画算法学习到感兴趣目标的稀疏活动轮廓模型,它能够清晰地定义感兴趣目标模式;同时构成该模型的Gabor轮廓基元可以通过扰动进行局部的调整以适配图像,在一定程度上提高了检测算法在目标发生形变或者存在遮挡等情况下的鲁棒性。然后采用交替的summaps和max maps的计算框架在测试图上扫描出与活动轮廓模型匹配分数最高的区域,将其定位分割出来;基于稀疏活动轮廓模型的检测算法在很大程度上依赖于图像尺度,利用稀疏活动轮廓模型在多个图像尺度上检测物体,因此可以有效地克服尺度变化大的问题。最后利用视觉皮层模型对分割后的图像进行模式分类进一步确认目标。经过多组实验结果表明,提出的基于稀疏活动轮廓模型的感兴趣目标检测定位算法,较好地解决目标在发生部分形变、存在遮挡以及复杂背景下的定位问题。; 胡正平杨建秀; 关键词：活动轮廓模型感兴趣目标

稀疏FRAME模型的感兴趣目标检测算法被引量：1: 2014年; 针对基于非齐次FRAME(Filters,Random filed,And Maximum Entropy)模型的目标检测算法在目标发生较大形变或存在阻挡等情况下的定位产生一定偏差,以及学习模型所需大量时间等各方面的研究,提出了一种稀疏FRAME模型的感兴趣目标检测算法。首先用共享稀疏编码方法对样本图像进行特征提取,由所选择的基函数构成可变形的稀疏FRAME模型;然后用交替的求和图及最大值图结构对测试图像进行匹配检测,实现目标定位。经多组实验结果表明,该算法不仅在一定程度上提高目标发生较大形变或存在阻挡等情况下的鲁棒性,而且节省了大量的样本训练时间。; 杨建秀胡正平; 关键词：目标检测非齐次

基于样本不同属性综合的鲁棒偏倚赖主动学习分类算法研究: 2011年; 主动学习算法可以有效减少样本标注的工作量,每次选取最有信息量的样本交由专家标注。样本的代表性与不确定性都是衡量样本信息量的重要因素,将两者综合考虑能够获得更好的综合效果,但在两者的结合方式上一直存在不少问题,导致算法的适应性不强。为解决该问题,本文提出了基于样本不同属性的鲁棒偏倚赖主动学习分类算法,通过引入偏倚赖权值系数函数,在综合考虑样本的代表性和不确定性的同时,更可以突出样本的特性。同时由于样本代表性模型的渐变,在选择样本过程中更能突出代表性样本与不确定性样本的学习层次,前期训练以代表性样本为主,后期训练以不确定性样本为主,使得算法的适应性大大提高。在UCI机器学习数据库上的仿真实验结果表明本文的思路是合理可行的,在实验所用数据集上,与所提供的对比算法相比,本文的方法只需较少的标注样本便可以达到相同的分类正确率。; 任大伟胡正平高文涛

Gabor特征集结合判别式字典学习的稀疏表示图像识别被引量：23: 2013年; 稀疏编码中字典的选择无论对图像重建还是模式分类都有重要影响,为此提出Gabor特征集结合判别式字典学习的稀疏表示图像识别算法。考虑到Gabor局部特征对光照、表情和姿态等变化的鲁棒性,首先提取图像对应不同方向、不同尺度的多个Gabor特征;然后将降维的增广Gabor特征矩阵作为初始特征字典,通过对该字典的学习得到字典原子对应类别标签的新结构化字典,新字典中特定类的子字典对相关的类具有好的表示能力,同时应用Fisher判别约束编码系数,使它们具有小的类内散度和大的类间散度;最后同时用具有判别性的重构误差和编码系数来进行模式分类。基于3个数据库的实验结果表明本文方法具有可行性和有效性。; 胡正平徐波白洋; 关键词：GABOR特征

基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究被引量：4: 2014年; 针对如何在未知类别的情况下自动检测出遮挡区域,然后在克服遮挡影响的基础上提高识别算法的鲁棒性问题,提出基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法.该算法首先将待测样本分为上下两部分,并分别用对应块的训练样本进行稀疏表示,找出稀疏度更高的块及对应的稀疏解,并将更稀疏前N个解推广到另一个块中,重构测试样本.然后根据重构测试样本与原测试样本的残差推测遮挡像素.考虑到遮挡区域的连续性,利用形态学操作对推测的遮挡区域进行规则化处理并得到加权矩阵.最后利用加权矩阵对测试样本和训练样本进行整体加权归一化,再利用全局稀疏表示进行最终的分类判决.在AR、Yale B及MNIST上的遮挡仿真实验证明该方法不但可大致确定遮挡区域,还可提高遮挡图像识别的性能.; 胡正平赵淑欢李静; 关键词：模式识别形态学操作

基于Non-Local means滤波的雾天降质图像恢复算法被引量：2: 2010年; 针对目前去雾算法易导致边缘晕环效应、边缘轮廓及景物特征比较模糊问题,提出了一种景深等先验信息未知条件下基于Non-Local means滤波的雾天降质图像恢复算法。首先,根据大气散射模型将经典的场景深度估计转化为大气面纱以及天空亮度估计,避免难求的场景深度图;然后,对雾天降质图像进行雾气平均化预处理,经过预处理图像平均亮度变小;其次,依据大气面纱的边缘跟雾天图像的低频具有大的相似性,采用Non-Localmeans滤波算法估计大气面纱模型;最后,为了使恢复图像的亮度跟色度都更加接近晴天图像,进行防止对比度放大的平滑与色度调整处理。通过与已有实验结果对比表明,提出的算法可以获得更精确的大气面纱,恢复图像不但边缘轮廓及景物特征都比较清楚,而且可有效抑制边缘晕环效应。; 胡正平荀娜娜; 关键词：大气散射模型 NON-LOCAL MEANS 图像恢复

全局孤立性和局部同质性图表示的随机游走显著目标检测算法被引量：11: 2011年; 目前的显著性检测算法主要依赖像素间的相互对比,缺乏对显著目标自身特性的分析理解.依据显著目标是显眼、紧凑和完整的思路,提出一种基于目标全局孤立性和局部同质性的随机游走显著目标检测算法,将视觉显著性检测公式化为马尔科夫随机游走问题.首先将输入图像进行分块,根据像素块之间颜色特征和方向特征的相似性确定边的权重,从而构建图模型;然后通过全连通图搜索提取全局特性,突出全局较孤立的区域;同时通过k-regular图搜索提取局部特性,增强局部较均匀的区域;最后将全局特性和局部特性相结合得到显著图,进而确定感兴趣区域位置.实验结果表明,相比于其他两种具有代表性的算法,所提方法检测结果更加准确、合理,证明该算法切实可行.; 胡正平孟鹏权; 关键词：同质性马尔科夫模型图表示

基于混合图上随机游走的视觉注意显著目标检测模型被引量：9: 2011年; 目前的视觉显著性检测算法,主要依赖像素间的对比,缺乏从全局角度对显著目标进行分析理解。根据生物视觉注意机制,显著目标通常是显眼、紧凑和完整的,提出一种基于混合图上随机游走的显著目标检测算法,将视觉显著性检测公式化为马尔科夫随机游走问题。首先将输入图像进行分块,利用颜色特征距离和方向的空间分布和方向熵对比分别确定无向图和有向图的边权重,进而得到混合图;然后通过全连通图搜索提取全局特性,突出全局较孤立的区域;同时通过k-regular图搜索提取局部特性,增强局部较均匀的区域;最后结合全局特性和局部特性得到输入图像的显著图,从而确定感兴趣区域位置。实验结果表明,相比于其他两种具有代表性的算法,所提算法检测结果更加准确、合理,证明该方法合理可行。; 胡正平孟鹏权; 关键词：视觉注意随机游走模型马尔科夫链图表示

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

中国博士后科学基金(200902356)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

中国博士后科学基金(200902356)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈