搜索结果: 1-15 共查到“计算机科学技术 图像分类”相关记录36条 . 查询时间(0.133 秒)
图像分类的应用场景非常广泛,很多场景下难以收集到足够多的数据来训练模型,利用小样本学习进行图像分类可解决训练数据量小的问题.本文对近年来的小样本图像分类算法进行了详细综述,根据不同的建模方式,将现有算法分为卷积神经网络模型和图神经网络模型两大类,其中基于卷积神经网络模型的算法包括四种学习范式:迁移学习、元学习、对偶学习和贝叶斯学习;基于图神经网络模型的算法原本适用于非欧几里得结构数据,但有部分学者...
近日，大连理工大学-立命馆大学国际信息与软件学院几何计算与智能媒体技术研究所李豪杰教授课题组研究工作Weakly Supervised Fine-grained Image Classification via Correlation-guided Discriminative Learning被多媒体领域顶级学术会议ACM Multimedia录用。ACM是世界上最大的计算机领域专业性学术组织，...
基于超球体多类支持向量数据描述的医学图像分类新方法
乳腺X光图像 多类支持向量数据描述 灰度共生矩阵 核主成分分析
2014/2/24
针对乳腺X光医学图像多分类问题中训练速度比较慢的问题，提出超球体多分类支持向量数据描述(HSMC-SVDD)分类算法，即把超球体单分类支持向量数据描述直接扩展到超球体多分类支持向量数据描述。通过对乳腺X光图像提取灰度共生矩阵特征；然后用核主成分分析(KPCA)对数据进行降维；最后用超球体多分类支持向量数据描述分类器进行分类。由于每一类样本只参与构造一个超球体的训练，因此训练速度明显提高。实验结果表...
针对基于拉普拉斯支持向量机(LapSVM)的半监督分类方法需要将全部无标记样本加入训练样本集中训练得到分类器,算法需要的时间和空间复杂度高,不能有效处理大规模图像分类的问题,提出了模糊C-均值聚类(FCM)预选取样本的LapSVM图像分类方法。该方法利用FCM算法对无标记样本聚类,根据聚类结果选择可能在最优分类超平面附近的无标记样本点加入训练样本集,这些样本可能是支持向量,携带对分类有用的信息,其...
当前极化合成孔径雷达(SAR)图像的分类研究中，极化信息的不完全利用是影响极化SAR图像分类效果的重要原因之一。故将商空间粒度合成理论引入到极化SAR图像分类中，通过建立不同的支持向量机(SVM)分类器构建不同的商空间，从多个粒度层面实现对极化信息的综合利用。首先通过不同的极化分解方法得到不同的极化特征，分别对其建立不同的支持向量机分类器进行分类；再根据粒度合成理论对这些商空间进行融合，得到更细粒...
针对基于图的半监督流形正则化图像分类算法需要大量无标记样本训练分类器,空间和时间复杂度高,甚至不能处理大规模图像,且对背景或目标复杂的图像分类错误率较高的问题,提出了结合均值漂移（mean shift）的基于图的半监督流形正则化图像分类算法。该方法对基于图的半监督流形正则化分类算法的改进主要体现在两方面,首先是通过mean shift算法对图像进行了平滑,以平滑后的图像作为分类对象;其次不是利用所...
粗糙神经智能疑似乳癌图像分类方法研究
粗糙集 神经网络 决策树 模糊集
2010/5/5
提出了一种用于乳腺X线图像分类的粗糙神经智能方法，该方法是一种混合智能计算技术。首先使用模糊图像处理算法来提高整个原始图像的对比度以提取感兴趣区域以及增强区域边缘；然后建立灰度共生矩阵，提取出表征感兴趣区域纹理的特征属性；接着使用粗糙集方法进行属性约简并产生规则；最后，设计出粗糙神经网络，用来将感兴趣区域区分为良性或是恶性。为了对所提出的粗糙集神经网络进行性能评价，对若干乳腺X线图像样本进行了测试...
基于特征选择和SVMs的图像分类
特征选择 MI贪婪最优算法 支持向量机（SVMs）
2010/3/1
重点论述了基于MI图像特征选择方法[1]，简要地讲述了支持向量机的SVMs分类器原理和设计[2]。提出了MI贪婪最优算法，将高维数据处理转化为一维数据处理，简化了运算难度，同时提高了分类速度和准确性。实验结果表明，通过对8个分类、上千张图片进行分类处理，效果好于传统的分类算法。
针对图像的低层视觉特征和高层语义特征之间的鸿沟，利用一个多输出的BP神经网络，分析低层视觉特征，提取图像的主要颜色、灰度共生矩阵和7个不变矩向量作为网络的输入，用语义期望值作为网络的输出，并用加入动量因子和自适应学习率的BP算法来训练该网络。训练完成后，该网络能够对自然图像进行多种语义分类，从而建立起了从低层视觉特征到语义特征之间的映射。改进的BP算法提高了训练的速度和可靠性，实验证明，该方法取得...
非参多水平集遥感图像分类方法
多光谱图像分类 多相位水平集 Parzen窗
2009/10/12
多光谱影像中存在着光谱异质性、细节干扰及地物拓扑结构复杂等特点，给遥感分类带来诸多不利影响。针对此类问题，提出一种新的非参数密度估计的多水平集分类方法：将Parzen窗非参数密度估计方法集成到多相位水平集框架中，用以提高复杂场景中样本概率密度估计的准确性，并增强抗干扰能力；此外，基于Gabor小波滤波器导出的纹理特征构造了一个新的能量项以增强模型的纹理分析能力。实验对比及分析验证了所提出的模型在仅...
新的木材显微细胞图像分类识别方法
纹理特征 分类 非下采样Contourlet变换
2009/10/10
提出一种基于纹理的木材显微细胞图像分类算法。通过非下采样的Contourlet变换模极值密度提取图像纹理特征，并采用K近邻分类方法进行分类，实现对木材显微细胞图像的分类。实验结果表明：平均识别正确率在85%以上。提出的方法能有效地实现对木材显微细胞图像的分类。
一种基于颜色特征的图像分类、检索与约简方法
图像检索 图像分类 颜色空间
2009/9/28
避开图像相似度大小的定义,通过决策表理论解决图像的分类与检索问题.颜色的特征提取主要依据颜色的面积排序,同时考虑了颜色的空间分布关系.然后基于关系理论,得到一种图像的约简方法.
基于Vague融合的图像分类方法
信息融合 Vague集 决策融合
2009/8/19
针对图像分类中多分类器之间存在互补和冗余信息的特点，提出一种基于Vague融合的图像分类模型。同时给出支持和反对的证据，运用Vague集的真假隶属函数对图像分类中多分类器的分类结果进行决策融合，使多分类器的分类结果得到优化和综合，从而获得更准确、更稳定的决策分类结果。实验结果表明，分类结果的准确率得到了提高。
DoG小波的对称性图像分类
二面体群 对称性分类 DoG小波变换
2009/7/24
提出了一种DoG小波域的循环群、二面体群对称性图像的识别与分类技术。该技术具有很好的噪声（仅讨论加性的白高斯噪声）鲁棒性特点，甚至在高噪声情况下（例如噪声偏差σ=70），结合修改的脊波变换能实现对噪声图像包含的循环群、二面体群对称性进行识别和分类。