-
题名基于本地图像块模型的人造目标提取方法
被引量：3
- 1
-
-
作者
林殷
王宏崎
洪文
-
机构
微波成像技术国家级重点实验室
中国科学院电子学研究所
-
出处
《电子测量技术》
2008年第9期117-120,共4页
-
文摘
本文提出了本地图像块模型,该模型使用概率隐含语义分析pLSA(probabilistic Latent Semantic Analysis)作为数据项的点过程对人造目标进行建模,用可逆马尔科夫链蒙特卡洛算法(RJMCMC)配合模拟退火算法提取模型的参数。在提取模型参数的过程中使用了数据驱动生灭和统计扩散方法加快算法收敛速度。最后通过对实际遥感图像的实验验证了该方法的有效性。
-
关键词
高分辨率遥感图像
人造目标提取
概率隐含语义分析
可逆马尔科夫链蒙特卡洛
数据驱动的生灭
统计扩散
-
Keywords
high resolution remote sensing image
extracting man made objects
probabilistic latent semanticanalysis
Reversible Jump Markov Chain Monte Carlo sampler （RJMCMC）
data-driven birth and death
stochastic diffusions
-
分类号
TP2
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名结合稀疏表示和概率潜在语义的图像模糊度评价
- 2
-
-
作者
张涛
王新年
梁德群
-
机构
大连海事大学信息科学技术学院
辽宁师范大学物理与电子技术学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2014年第12期1775-1784,共10页
-
基金
国家高技术研究发展计划(863)基金项目(2010AA**)
教育部博士点基金项目(20070151014)
中央高校基本科研业务费专项资金(2012JC038)
-
文摘
目的图像的模糊度评价是客观图像质量评价的一种,主要用来衡量图像信号经过成像系统或处理算法后的降质程度,其在图像获取、传输、分析以及图像处理系统或算法评价等领域有着广泛的应用。针对目前图像模糊度评价方法没有考虑人类视觉系统的无监督学习和层次化特征提取的特性,本文将图像稀疏表示和利用概率潜在语义提取图像主题相结合,提出基于稀疏表示和概率潜在语义的图像模糊度评价算法。方法该算法在图像稀疏表示的基础上,通过概率潜在语义方法分别提取清晰训练图像和待测图像的主题,以待测图像潜在主题与清晰图像平均潜在主题之间的相似性作为模糊度评价的依据。主要过程分为3个阶段:词典构建阶段、训练学习阶段和模糊度评价阶段。词典构建阶段的目的是通过样本学习获得图像稀疏表示的词典;训练学习阶段的目的是采用概率潜在语义的方法获得训练图像的平均主题;模糊度评价阶段的目的是通过待测图像的潜在主题与训练图像的平均潜在主题的相关系数来计算图像的模糊程度。结果在仿真图和公共测试数据库上与典型算法的比较实验表明:本文算法在单调性、抗噪性以及视频质量专家组制定的5个评价指标上都取得了较好的效果,其中Pearson相关系数和Spearman秩相关系数分别为0.995 6和0.993 4。结论本文根据人类视觉系统具有无监督学习和层次化特征提取的特点,以待测图像潜在主题与清晰图像平均潜在主题之间的相似性作为模糊度评价的依据,提出了一种新的基于稀疏表示和概率潜在语义的图像模糊度评价方法。实验结果表明该方法能够对图像的模糊度进行较准确的评价,并且结果与人的主观评价结果一致。
-
关键词
图像质量评价
模糊度评价方法
图像稀疏表示
概率潜在语义
人类视觉系统
-
Keywords
image quality assessment
blur evaluation method
image sparse representation
probabilistic latent semanticanalysis
human visual system
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
-
题名基于ML-pLSA模型的目标识别算法
被引量：1
- 3
-
-
作者
陈琳
卢湖川
-
机构
大连理工大学信息与通信工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2011年第12期2909-2915,共7页
-
基金
国家自然科学基金(61071209)
中央高校基础研究基金(DUT10JS05)资助课题
-
文摘
为了避免图像目标识别过程中识别结果对分割结果的过度依赖,该文提出了一种基于多尺度的概率潜在语义分析目标识别方法(Multi-Level-probabilistic Latent Semantic Analysis,ML-pLSA)。该方法利用多种分割算法对图像进行多尺度分割,再利用pLSA算法和词袋方法(Bag Of Words,BOW)对分割区域进行目标类别估计,最后联合多尺度的估计值给出最终分割结果。在目标尺度、目标角度、外界光照变化都相对较大的GRAZ-02数据库上进行实验,结果表明:与传统目标识别算法相比,该方法鲁棒性更强;在识别准确率方面,也有了很大的提高,取得了很好的效果。
-
关键词
目标识别
多种分割
多尺度
多尺度概率潜在语义分析(ML-pLSA)
-
Keywords
Object recognition
Multi-segmentation
Multi-level
Multi-Level-probabilistic latent semanticanalysis （ML-pLSA）
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
