-
题名基于加权稀疏表示分类的车辆识别
被引量：1
- 1
-
-
作者
罗涛
冯玉田
唐子成
毕超
-
机构
上海大学通信与信息工程学院
-
出处
《电子测量技术》
2018年第6期27-31,共5页
-
文摘
不同种类的车辆自动识别能够在很大程度上给人们提供便利,而通过声波来区分车辆的类型是可行的。由于声频信号和自然信号一样都具有稀疏性,稀疏表示分类（SRC）算法同样适用于车辆声频识别领域。但是SRC算法没有考虑样本的局部性,即没有考虑测试样本和每一个训练样本之间的相似性,从而导致识别效果不够优异。为了解决以上不足,提出了一种基于加权稀疏表示分类（WSRC）的声频传感器网络下车辆识别方法。通过对声频测试样本和各个声频训练样本之间的距离制定一个权重标准,并将其考虑进权重分配,以提高识别精度。实验结果表明,WSRC的识别精度相比于SRC有了明显的提高。同时,WSRC也明显优于SVM、k-NN这些常见分类算法,验证了WSRC在声频传感器网络下车辆识别的可行性。
-
关键词
加权稀疏表示分类
权重标准
声频传感器网络
车辆识别
-
Keywords
weighted sparse representation based classification
weight standard
acoustic sensor networks
vehicle recognition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TN912.3
[电子电信—通信与信息系统]
-
-
题名基于傅里叶描述子和加权稀疏表示的军事图像分类方法
被引量：1
- 2
-
-
作者
谢泽奇
张会敏
张善文
-
机构
郑州大学西亚斯国际学院
-
出处
《计算机应用与软件》
北大核心
2019年第3期68-71,75,共5页
-
基金
国家自然科学基金项目(61473237)
河南省高等学校青年骨干教师培养计划(2018GGJS200)
+1 种基金
河南省科技厅重点研发与推广专项(科技攻关)项目(182102210545)
郑州大学西亚斯国际学院2018年度科研资助项目(2018-YB-32)
-
文摘
军事图像分类是一个重要的研究方向。在傅里叶描述子和加权稀疏表示的基础上,提出一种军事图像分类方法。利用Canny算法提取军事图像的轮廓特征,计算轮廓点的中心距离序列;再将该序列转换为极坐标转换,进行傅里叶变换,得到军事图像的改进傅里叶描述子;利用加权稀疏表示分类方法对图像进行分类。该方法的优点在于提取的傅里叶描述子具有很好的平移、旋转、尺度缩放和轮廓起始点的不变性。加权稀疏表示能够克服遮挡、弱特征、视角和姿态变化等因素的影响,并且具有较强的形状区分能力。在ICL军事图像数据库上进行分类实验,分类率高达92%以上。结果表明,该方法是有效可行的,能够为军事图像自动分类识别系统提供技术参考。
-
关键词
军事图像分类
中心-边界距离序列
改进傅里叶描述子
加权稀疏表示分类
-
Keywords
Military image classification Centre-edge distance sequence
Modified Fourier descriptor
Weighted sparse representation based classification(SRC)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多特征融合矩阵分解的胃镜图像病灶检测
- 3
-
-
作者
杨国亮
黄剑琛
-
机构
江西理工大学电气工程与自动化学院
-
出处
《现代电子技术》
2022年第3期69-72,共4页
-
基金
国家自然科学基金项目(61363011)
江西省自然科学基金项目(20151BAB207024)。
-
文摘
胃镜检查过程中,医生通过内窥镜对病变部位的疾病诊断全靠医生的个人经验判断,给医生造成巨大的工作压力,因此提出一种基于稀疏约束的隐低秩表示模型的改进算法。在矩阵融合的基础算法中引入稀疏约束的隐低秩表示模型,提取数据的主特征和隐含特征来获取更多图像信息,应对样本数量较少的情况,并且采用加权非负稀疏表示分类方法(WNSLRRC)区分干扰区域和病灶区域,以图像隐含特征作为依据的加权低秩模型能更好地获得图像数据的全局结构。经过实验证明,该检测方法对病灶区域检测精度较高,具有一定的实用性,并且算法具有较好的抗扰性。
-
关键词
非负低秩矩阵分解
胃镜图像
多特征融合
隐低秩表示
加权非负稀疏低秩表示分类
病灶检测
全局性
稀疏约束
-
Keywords
non⁃negative low⁃rank matrix factorization
gastroscope image
multi⁃feature fusion
LatLRR
WNSLRRC
lesion detection
global
sparse constraint
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
-
