摘要:图片自动语义标注是基于内容图像检索中很重要且很有挑战性的工作。本文提出了一种基于Boosting学习的图片自动语义标注方法,建立了一个图片语义标注系统BLIR(boosting for linguistic indexing image retrievalsystem)。假设一组具有同一语义的图像能够用一个由一组特征组合而成的视觉模型来表示。2D-MHMM(2维多分辨率隐马尔科夫模型)实际上就是一种颜色和纹理特殊组合的模板。BLIR系统首先生成大量的2D-MHMM模型,然后用Boosting算法来实现关键词与2D-MHMM模型的关联。在一个包含60000张图像的图库上实现并测试了这个系统。结果表明,对这些测试图像,BLIR方法比其他方法具有更高的检索正确率。
摘要:近年来随着高空间分辨率遥感的发展。影像的空间细节描述能力得到提高,像元之间的空间相关性得到增强,使传统的遥感影像光谱分类方法面临着巨大的挑战。基于此背景,提出了高分辨率遥感影像分类的SSMC(spatial and spectral mixed classifier)方法,旨在同时采用光谱和空间特征进行遥感影像分类。本文是基于SSMC方法的一个具体的实验,通过多尺度的空间金字塔构造每个像元的空间参数,整合影像的光谱信号和空间信息进行高分辨率遥感影像分类。实验结果证明,SSMC方法对于提高高分辨率遥感影像的分类精度具有积极的意义。
摘要:提出了模块2DPCA(two-dimensional principal component analysis)的人脸识别方法。模块2DPCA方法先对图像矩阵进行分块,将分块得到的子图像矩阵直接用于构造总体散布矩阵,然后利用总体散布矩阵的特征向量进行图像特征抽取。与基于图像向量的鉴别方法(比如PCA)相比,该方法在特征抽取之前不需要将子图像矩阵转化为图像向量,能快速地降低鉴别特征的维数,可以完全避免使用矩阵的奇异值分解,特征抽取方便;此外,模块2DPCA是2DPCA的推广。在ORL和NUST603人脸库上的试验结果表明,模块2DPCA方法在识别性能上优于PCA,比2DPCA更具有鲁棒性。