感兴趣区域(Region of interest,ROI)提取在生物特征识别中,常用于减少后续处理的计算消耗,提高识别模型的准确性,是生物识别系统中预处理的关键步骤.针对生物识别数据,提出了一种鲁棒的ROI提取方法.方法使用语义分割模型作为基础,通过...感兴趣区域(Region of interest,ROI)提取在生物特征识别中,常用于减少后续处理的计算消耗,提高识别模型的准确性,是生物识别系统中预处理的关键步骤.针对生物识别数据,提出了一种鲁棒的ROI提取方法.方法使用语义分割模型作为基础,通过增加全局感知模块,与分割模型形成对抗结构,为模型提供先验知识,补充全局视觉模式信息,解决了语义分割模型的末端收敛困难问题,提高了模型的鲁棒性和泛化能力.在传统二维(2D)指纹、人脸、三维(3D)指纹和指纹汗孔数据集中验证了方法的有效性.实验结果表明,相比于现有方法,所提出的ROI提取方法更具鲁棒性和泛化能力,精度最高.展开更多
由于射频信号的广泛存在,合成孔径雷达(Synthetic Aperture Radar,SAR)在成像的过程中容易受到各类射频干扰(Radio Frequency Interference,RFI)的影响,这会导致获得的SAR图像质量下降,从而对后续的信息提取和目标识别等过程产生很大的...由于射频信号的广泛存在,合成孔径雷达(Synthetic Aperture Radar,SAR)在成像的过程中容易受到各类射频干扰(Radio Frequency Interference,RFI)的影响,这会导致获得的SAR图像质量下降,从而对后续的信息提取和目标识别等过程产生很大的影响。因此,衡量SAR图像受射频干扰的影响程度就尤为重要。然而,现有评估方法的鲁棒性通常较低,并且在评估时未考虑SAR图像受RFI影响的区域大小,因此本文提出了干扰区域⁃强度特征提取与联合评估网络。所提出的网络包含两个模块,干扰强度特征提取模块用于提取输入SAR图像中的干扰强度信息,干扰区域特征提取模块则侧重于干扰区域大小与边界信息的获取。由于SAR图像的尺寸一般比较大,因此本文在干扰强度特征提取模块中采用了多级残差和多层特征融合结构,用于加强模型的特征提取和复用能力;同时在干扰区域特征提取模块中侧重于保留最关键的区域边界特征。此外,本文还建立了SAR受RFI影响的图片数据集用于评估所提出网络的效果。对比实验的结果表明,本文所提出的网络评估结果优于其他现有方法,能够衡量SAR图像受RFI的影响程度,同时具有较高的准确性。展开更多
该文将脑功能网络引入到脑电特征提取的研究中,提出一种基于感兴趣脑区LASSO-Granger因果关系的新方法,克服了当前基于孤立脑区的研究方法的不足。先利用主成分分析提取各感兴趣区的最大主成分,然后计算它们之间的LASSO-Granger因果度量...该文将脑功能网络引入到脑电特征提取的研究中,提出一种基于感兴趣脑区LASSO-Granger因果关系的新方法,克服了当前基于孤立脑区的研究方法的不足。先利用主成分分析提取各感兴趣区的最大主成分,然后计算它们之间的LASSO-Granger因果度量,并将其作为特征向量,最后输入支持向量机分类器,对BCI Competition IV dataset 1中的4组数据进行分类识别。结果表明,基于感兴趣脑区间LASSO-Granger因果关系分析和支持向量机分类器的方法对不同的运动想象任务识别率较高,提供了新的研究思路。展开更多
文摘感兴趣区域(Region of interest,ROI)提取在生物特征识别中,常用于减少后续处理的计算消耗,提高识别模型的准确性,是生物识别系统中预处理的关键步骤.针对生物识别数据,提出了一种鲁棒的ROI提取方法.方法使用语义分割模型作为基础,通过增加全局感知模块,与分割模型形成对抗结构,为模型提供先验知识,补充全局视觉模式信息,解决了语义分割模型的末端收敛困难问题,提高了模型的鲁棒性和泛化能力.在传统二维(2D)指纹、人脸、三维(3D)指纹和指纹汗孔数据集中验证了方法的有效性.实验结果表明,相比于现有方法,所提出的ROI提取方法更具鲁棒性和泛化能力,精度最高.
文摘由于射频信号的广泛存在,合成孔径雷达(Synthetic Aperture Radar,SAR)在成像的过程中容易受到各类射频干扰(Radio Frequency Interference,RFI)的影响,这会导致获得的SAR图像质量下降,从而对后续的信息提取和目标识别等过程产生很大的影响。因此,衡量SAR图像受射频干扰的影响程度就尤为重要。然而,现有评估方法的鲁棒性通常较低,并且在评估时未考虑SAR图像受RFI影响的区域大小,因此本文提出了干扰区域⁃强度特征提取与联合评估网络。所提出的网络包含两个模块,干扰强度特征提取模块用于提取输入SAR图像中的干扰强度信息,干扰区域特征提取模块则侧重于干扰区域大小与边界信息的获取。由于SAR图像的尺寸一般比较大,因此本文在干扰强度特征提取模块中采用了多级残差和多层特征融合结构,用于加强模型的特征提取和复用能力;同时在干扰区域特征提取模块中侧重于保留最关键的区域边界特征。此外,本文还建立了SAR受RFI影响的图片数据集用于评估所提出网络的效果。对比实验的结果表明,本文所提出的网络评估结果优于其他现有方法,能够衡量SAR图像受RFI的影响程度,同时具有较高的准确性。
文摘该文将脑功能网络引入到脑电特征提取的研究中,提出一种基于感兴趣脑区LASSO-Granger因果关系的新方法,克服了当前基于孤立脑区的研究方法的不足。先利用主成分分析提取各感兴趣区的最大主成分,然后计算它们之间的LASSO-Granger因果度量,并将其作为特征向量,最后输入支持向量机分类器,对BCI Competition IV dataset 1中的4组数据进行分类识别。结果表明,基于感兴趣脑区间LASSO-Granger因果关系分析和支持向量机分类器的方法对不同的运动想象任务识别率较高,提供了新的研究思路。
