基于半监督学习的SVM-KNN

提出一种新的基于半监督的SVM—KNN分类方法,当可用的训练样本较少时,使用SVM进行分类,不能得到准确的分类边界,本文采用半监督学习策略从大量未标记样本中提取边界向量来改善SVM-KNN分类器的引进不仅扩充了SVM的训练样本数目,而且优化了迭代过程中训练样本的标记质量,可不断修复SVM的分类边界．实验结果表明,所提出的方法能提高SVM算法的分类精度,通过调整参数能够获得更好的分类效果,同时也减小了标记大量未标记样本的代价．     

融合背景差分的二次重构和内外标记 分水岭的行人检测方法

应用视频处理技术对行人交通进行研究受到广泛的重视,已成为智能交通领 域的研究热点.为了精准地提取交通场景语义信息,提出融合背景差分的二次重构和内外 标记分水岭的行人检测方法.首先对图像进行灰度级形态学开闭重构和背景差分运算,凸 显出前景区域,锐化背景区域;然后根据灰度图像局部极大值和邻域综合信息提取内部 标记,进行“准欧式”距离变换提取外部标记;最后对梯度图像进行修正和分水岭变换,提 取出图像中运动的行人.结果表明,该方法能显著地去除运动噪声的影响,检测到相对完 整的目标,很好地抑制了过分割问题, 在动态场景的行人检测中取得了较好的效果.     

基于Faster R-CNN的接触网吊弦故障检测方法

针对接触网吊弦故障图像样本较少,现有方法检测准确率较低的问题,提出了一种高效率、高准确率的接触网吊弦故障检测方法.以Faster R-CNN模型为基础,通过引入能够提取深层次图像特征并实现特征重用的密集连接卷积神经网络(dense convolutional network model, DenseNet)替代原始的特征提取模块提取吊弦图像特征,并在实验中利用图像旋转、增强等数据变换操作扩充样本集提升检测效果.通过对接触网吊弦图像的测试,以DenseNet为主干网络的Faster R-CNN模型能够检测接触网吊弦故障,检测准确率比原始检测模型提高4%以上,且加入数据变换对吊弦故障检测的准确率和鲁棒性均有显著提升,均值平均精度(mAP)可达98%以上.     

应用小波模历史图像的运动车辆视频检测

为提高车辆目标检测的稳定性和准确性,提出了基于背景减除和小波分解模历史图像的运动车辆检测算法.首先对原始图像进行小波分解,对低频分量用混合高斯模型和纹理特征相结合的方法,自适应更新背景并标记运动目标初始区域;然后,基于高频分量计算模值,并通过逐帧历史累积得到模历史图像;最后,利用车辆目标与阴影相比富含边缘细节的特点,对目标进行倾斜校正后,将目标边缘分别沿图像x和y方向投影,利用投影曲线将边缘信息与目标初始区域信息迭代融合,得到最终检测结果.实验结果表明,用本文方法检测车辆的捕获率达到99.0%,有效率为92.5%;与使用单一自适应背景提取方法相比,在实际交通场景中可有效处理阴影导致的多目标粘连问题,检测结果更准确.     

基于相关直线法的高速运动目标快速探测方法

为了实现高速运动目标的快速探测与识别,提出了一种基于相关直线的方法.将Gabor函数用于直线检测,并提出对Gabor函数作去除旁瓣的改进,使检测出的直线没有影线干扰.用直线检测的结果图作相关直线检测,去除孤立直线,进一步减小干扰.最后对相关直线的标记作投影,根据投影峰值给出探测结果.将此方法用于处理高速铁路扣件图像,实现了每幅图像优于2.5 ms的处理速度,实验条件下判断的正确率超过93%,满足高速铁路扣件检测需求.     

未标定图像序列的隐式曲面重建方法

为了提高未标定图像序列三维重建得到的几何模型的质量,提出特征点检测算法,以得到更多的匹配点.其主要思想是在首帧图像指定密集的网格,在网格点附近确定最容易跟踪的特征点,利用迭代方法得到子像素精度的特征点坐标,然后用稀疏特征集的金字塔Lucas-Kanade光流跟踪算法跟踪这些特征点,再用自标定算法,重建出相对均匀和稠密的三维点云,最后利用基于径向基函数(RBF)的隐式曲面重建算法,生成目标的表面模型. 多个图像序列的重建结果表明,本方法对纹理丰富的场景能够获得较好的重建结果.     

基于机器视觉的路面破损检测系统研究

分析了系统的基本组成和总体结构,介绍了软件设计流程以及网络设计与训练过程.同时考虑到传统图像分割算法的局限性,设计了一种检测图像内任意区域实时检测算法.可以适应路面龟裂、横裂、纵裂、块裂等多种缺陷以及缺陷并存的复杂道路样本图像.     

基于双目视觉图像的倒车障碍物检测预处理方法

针对倒车过程中双目视觉图像障碍物检测时的误匹配、障碍物检测范围等问题,提出基于双目视觉图像的倒车障碍物检测方法。利用膨胀和腐蚀操作来消除误匹配及部分噪声;采用视差图像的二值化处理来控制障碍物的检测范围,实现基于距离的障碍物检测;接着使用基于行程的连通区域标记算法对各连通区域进行标记;最后计算各区域面积,将面积过小的区域作为噪点去除,将剩余区域作为障碍物提出来。实验结果表明笔者提出的基于双目视觉图像的倒车障碍物检测方法能够有效检测出车后图像的障碍物区域。     

基于自适应阈值和连通域的隧道裂缝提取

为了解决传统人工隧道裂缝检测存在诸如效率低、主观性大、安全性差等弊端,利用裂缝具有方向性和连续性等特征,提出了一种基于自适应阈值和连通域标记的隧道裂缝提取方法. 首先,根据裂缝的方向性特征,设计了一种阿拉伯数字算法（Algorithmic）对裂缝进行粗提取,其中对于该算法公式中的阈值选取进行了自适应阈值化,利用改进的阈值迭代法完成系统自动获取最佳阈值,无需人工干预;然后,根据裂缝的连续性特征,采用数学形态中的连通域标记法对裂缝进行细提取,其中通过控制连通域面积大小,实现裂缝粗提取后的去噪处理,通过膨胀和腐蚀操作实现裂缝粗提取后的修复处理;最后,选取了共计165张不同类型的裂缝图像作为实验样本,在MATLAB上进行仿真实验. 从实验数据可以看出,自适应阈值和连通域标记的提取方法其提取精度可高达94.2%,平均运行时间仅35.4 s,误识率和拒识率已控制在2.7%和1.1%,相较于传统的图像处理方法有着显著的提高,充分展现出良好的应用前景.      

基于DCNN与HMM融合的疲劳驾驶检测方法研究

首先提出一种深度卷积神经网络(DCNN)与隐马尔可夫模型(HMM)融合的疲劳驾驶检测方法,针对眼睛和嘴巴状态单一特征,构建3层DCNN来识别眼睛和嘴巴闭合状态;再针对训练样本人工标记困难的问题,提出结合人工标记、采用Dlib特征点检测和疲劳参数加权获取驾驶员疲劳等级的方法进行标记;最后,针对疲劳驾驶是一个从状态良好到重...     

基于高光谱成像技术的绝缘子污秽度预测

高光谱成像技术能对绝缘子进行非接触式成像,且具有多波段、图谱合一等特点. 为此,本文提出一种基于高光谱成像技术的绝缘子污秽度预测方法. 首先,利用高光谱成像仪对绝缘子进行成像,得到400～1 000 nm波段范围内的高光谱图像数据,并进行黑白校正;然后,获取感兴趣区域（region of interest,ROI）的反射率光谱曲线,进行Savitzky-Golay平滑、对数或一阶导数变换的预处理. 最后,联合部分的真实样本标签数据分别建立基于支持向量机的绝缘子污秽度预测（support vector machines-insulator contamination degree prediction,SVM-ICDP）和基于偏最小二乘回归的绝缘子污秽度预测（partial least squares regression-insulator contamination degree prediction,PLSR-ICDP）模型. 从实验结果中可知,当预处理方法采用一阶导数变换时,所建立的绝缘子污秽度预测模型效果最佳,即SVM-ICDP模型准确率达到91.84%;PLSR-ICDP模型的均方根误差（root mean square error,RMSE）为0.024 1.      

基于支持向量回归的图像复原方法研究

针对退化图像复原问题,提出了一种基于支持向量回归的退化图像复原方法.该方法利用支持向量机回归算法非线性映射能力,通过训练样本对的学习训练,在退化图像与原始清晰图像之间建立映射关系,然后对测试样本进行复原.实际图像复原实验表明,得到的复原图像在视觉上和定量分析上都获得了比较好的效果.与神经网络方法相比,支持向量机回归算法克服了神经网络的模型选择与过学习问题、局部极小问题等.     

Semi-supervised learning in large scale text categorization

The rapid development of the Internet brings a variety of original information including text information, audio information, etc. However, it is difficult to find the most useful knowledge rapidly and accurately because of its huge number. Automatic text classification technology based on machine learning can classify a large number of natural language documents into the corresponding subject categories according to its correct semantics. It is helpful to grasp the text information directly. By learning from a set of hand-labeled documents, we obtain the traditional supervised classifier for text categorization (TC). However, labeling all data by human is labor intensive and time consuming. To solve this problem, some scholars proposed a semi-supervised learning method to train classifier, but it is unfeasible for various kinds and great number of Web data since it still needs a part of hand-labeled data. In 2012, Li et al. invented a fully automatic categorization approach for text (FACT) based on supervised learning, where no manual labeling efforts are required. But automatically labeling all data can bring noise into experiment and cause the fact that the result cannot meet the accuracy requirement. We put forward a new idea that part of data with high accuracy can be automatically tagged based on the semantic of category name, then a semi-supervised way is taken to train classifier with both labeled and unlabeled data, and ultimately a precise classification of massive text data can be achieved. The empirical experiments show that the method outperforms the supervised support vector machine (SVM) in terms of both F1 performance and classification accuracy in most cases. It proves the effectiveness of the semi-supervised algorithm in automatic TC.     

基于模糊支持向量机的变压器故障诊断

针对支持向量机对训练样本内的噪声和孤立点比较敏感,影响了支持向量机分类性能的弱点,利用模糊支持向量机的学习方法,构建了变压器故障诊断模型．采取一种基于二叉树的多分类方法,使用模糊C均值聚类算法求取模糊支持向量机的模糊隶属度,采用径向基核函数,并利用遗传算法对模糊支持向量机的参数进行寻优．实验结果表明,基于二叉数的模糊支持向量机模型相比BP神经网络、支持向量机有更高的诊断准确率,基于二叉树模糊支持向量机的变压器故障诊断方法是可行的．     

颜色在识别中的应用及关键技术研究

研究颜色在识别中的应用以及所涉及到的关键技术.主要技术包括色度图、颜色库、自适应阈值、颜色模版匹配、模糊神经网络、颜色分类器等.重点研究了适于遥感图像分类的正交坐标系的YHS(亮度,色调,饱和度)变换技术.     

基于小波和SVR的红外弱小目标检测方法

在分析红外图像弱小目标特征和背景特征的基础上,提出了基于小波变换和支持向量回归（SVR）的自适应滤波的检测方法．该方法首先采用小波变换抑制大部分背景杂波;然后用基于SVR的自适应滤波器（SVRBAF）对高频小波系数进行处理,大大提高了图像的信噪比;最后,基于目标的连续性和运动轨迹的一致性,采用流水线结构的序列处理方法进一步提高检测性能．仿真结果表明：该方法可显著提高红外目标的检测概率,实现较远距离弱小目标的检测．     

基于深度主动学习的MVB网络故障诊断方法

多功能车辆总线MVB （multiple vehicle bus）用于传输重要的列车运行控制指令和监视信息,准确地诊断MVB网络故障是列车智能运维的基础,为此,提出一种将主动学习和深度神经网络相结合的MVB网络故障诊断方法. 该方法采用堆叠去噪自编码器自动提取MVB信号物理波形特征,并将该特征用于训练深度神经网络来实现MVB网络故障模式分类;基于不确定性和可信度的高效主动学习方法,可解决实际应用中标记样本不足和人工标记成本高昂的问题,使用少量标记训练样本就能得到高性能的深度神经网络模型. 实验结果表明:为达到90%以上分类准确率,所提方法只需要600个标记训练样本,小于随机采样方法所需标记训练样本数的2 800个;在相同标记训练样本数下,所提方法在3种性能指标下均优于传统方法.      

基于图像表面梯度的翻拍检测

经过翻拍后的篡改图像能够轻易绕过现有的图像篡改检测系统,这对图像真实性的检测构成严重的安全威胁.本文基于翻拍过程中两次使用相机进行拍摄而引入的非线性响应,使用Lib-SVM设计图像分类器判别翻拍图像和真实图像.翻拍后图像表面梯度值与真实图像相比会产生非线性变化,这使翻拍图像表面梯度值产生异常.本文基于图像表面梯度特性提取相关特征值,使用支持向量机分类器进行翻拍图像和真实图像的判别.实验结果表明,本文提出的特征分类效果良好,可以正确检测翻拍图像.     

尺度核支持向量机及在动态系统辨识中的应用

为了提高非线性动态系统辨识质量,提出了新的支持向量机尺度核函数构造方法.首先直接构造紧支撑尺度函数,然后根据小波多分辨分析理论,由紧支撑尺度函数生成具有多分辨率特性的尺度核函数.证明了这种核函数是满足Mercer定理的支持向量机核函数.动态系统辨识的仿真结果表明,尺度核函数支持向量机的建模和逼近能力优于基于三阶样条核函数或RBF核函数的支持向量机.