图像特征提取

摘要： 针对复杂海洋场景(目标多尺度、对象多样化、风格差异大、时空强关联且存在不确定性目标)特点,研究基于注意力机制的复杂图像有效特征提取方法,提出一种基于卷积神经网络(convolutional neural network,CNN)和长短时记忆网络(long short-term memory,LSTM)相结合的复杂海洋场景图像中文描述生成模型;结合Jieba分词工具,实现了对复杂海洋场景监测图像的自动翻译。利用91卫图助手及无人机高清影像数据,建立模型并对算法进行验证。结果表明,Inception-v4比VGG16模型有更强的复杂特征提取能力,在相同数据集下,Inception-v4模型的图像分类能力高出约5.3个百分点;基于卷积神经网络和长短时记忆模型的图像中文描述生成算法基本可行,可以解决批量图像的自动标注问题,但在算法的稳定性和描述的准确性上需进一步提高。

摘要： 传统绿色建筑施工垃圾分类方法无法智能识别垃圾图像的纹理特征,导致分类误差较大,且分类时间过长、垃圾处理成本较高。于是提出绿色建筑施工垃圾智能分类仿真建模方法。利用图像灰度方式与均值滤波设备完成初始图像预处理,再根据灰度共生矩阵提取图像比度、能量、熵、相关性的纹理特征。计算纹理特征的加权值与加偏置数值,并根据Softmax函数完成图像分类。仿真以金属类垃圾、无机非金属垃圾、复合类垃圾、危险废弃垃圾、有机类垃圾及其未分类垃圾作为分类指标,结果得出所提方法精度高,且能有效缩短垃圾分类时长,可以大幅度降低施工垃圾处理成本,应用价值较高。

摘要： 为了解决输送皮带长久使用后带来的纵向撕裂问题,文中综合考虑因生产作业现场环境复杂导致检测不准确从而引起的检测误差,提出一种通过DSP快速处理后,基于RGB颜色矩和BRISK特征提取的红外激光条件下的图像特征提取处理方法。通过与传统的Sobel算子和Canny算子所得到的提取效果进行对比分析得出,文中新的运算和特征提取技术较传统方法辨识度和检测精度更高,实时性较快,能够满足复杂环境下皮带撕裂图像特征提取的要求。然后从图像处理效果的角度出发,通过Matlab编程对文中所提方法的有效性进行验证。结果表明,文中的处理技术能够快速识别并提取出皮带撕裂的特征,判断出输送皮带是否发生撕裂。

摘要： 目前基于立体视觉信息的运动目标识别定位、跟踪及轨迹预测是机器视觉领域的研究热点。通过归纳整理相关文献,从双目立体视觉技术、运动目标检测技术、运动目标轨迹预测技术三个方面对基于立体视觉的运动目标检测及轨迹预测进行了概述,分别阐述了相机标定的常见方法、图像特征提取及立体匹配不同算法的适用场景、各运动目标检测方法的优缺点、常用轨迹预测方法的预测思路及优劣势。针对基于立体视觉的运动目标检测与轨迹预测的研究,指出了其现今面临的挑战和研究重点,可为相关研究人员提供参考。

摘要： 现有的基于深度学习的图像分类方法存在分类模型参数量大、耗时长、分类精度低,难以在模型轻便和分类精度上达到折衷。针对上述问题,提出了一种基于改进反馈神经网络(Feedback−Net)的煤矸石图像分类模型。在ResNet50模型的基础上搭建Feedback−Net模型,通过在ResNet50模型搭建反馈通路,将高低阶信息进行融合,从而提升特征的表现能力。针对搭建的Feedback−Net模型在分类准确率提升的同时耗时有所增加的问题,将Feedback−Net模型中的方形卷积核改进为非对称卷积块(ACB),通过叠加融合的方式增加卷积核的特征提取能力;将参数量最多的全连接层转换为全局协方差池化(GCP),以降低网络参数量。通过模拟煤矿井下煤矸石分拣环境,以验证Feedback−Net模型和改进Feedback−Net模型(Feedback−Net+ACB和Feedback−Net+ACB+GCP)的性能。结果表明:①Feedback−Net模型在精度上高于ResNet50模型,损失值略低于ResNet50模型。②Feedback−Net模型训练精度较ResNet50模型提升了1.20%,测试精度提升了1.21%,但训练耗时较ResNet50模型增加了0.22%。③Feedback−Net+ACB+GCP模型精度高于Feedback−Net和Feedback−Net+ACB模型,其收敛速度在3个模型中最快,具有最优性能。④Feedback−Net+ACB模型测试精度、训练精度均较Feedback−Net模型提升了1.39%,且耗时减少了15.53 min,Feedback−Net+ACB+GCP模型训练精度、测试精度较Feedback−Net模型分别提升了1.62%,1.59%,耗时缩短了1.12%;Feedback−Net+ACB+GCP模型耗时较Feedback−Net+ACB模型减少了50.38 min,性能更加优越。

摘要： 为评估GRAPES对流尺度模式资料对于低温事件的预报能力,本文选择2021年1月4日至1月12日我国黄山及周边区域,ERA5的2 m温度再分析资料、GRAPES对流尺度3 km的2 m温度资料,并使用图像识别的特征区域提取算法,将低于5°C的区域提取出来,作为本文的主要研究对象,通过分析GRAPES模式预报的低温及其分布、面积、区域平均温度,与ERA5的比较以评估其预报能力,结果表明:1) GRAPES对于所选个例预报较为准确,在个别时间有一定偏差,对于个例的位置和时间变化特征预报较好;2) GRAPES预报相对于ERA5资料,低温区域的位置分布比较一致,部分时间段预报偏南;3) 低温区域的面积,在个例出现时其相关系数较高,预报较为准确;4) 区域平均温度预报效果较好,且整体的变化趋势一致,区域平均温度的误差在2°C以内;5) 区域最低温度的位置GRAPES预报相较ERA5偏南,在寒潮过程中,预报的最低位出现的位置一致,GRAPES对于最低温的预报值整体偏低;6) GRAPES模式和ERA5的日变化特征比较显示,GRAPES预报的升降温时间比ERA5落后1小时。

摘要： 针对点云数据本身信息量不足导致现有三维点云分类方法分类精度较低的问题,结合多模态特征融合,设计一种三维点云分类模型.通过引入投影图对点云数据信息进行扩充,将点云数据与图像数据同时作为输入,对PointCNN模型提取的点云特征与CNN模型提取的投影图特征进行加权融合,从而得到最终分类结果.在ModelNet40数据集上的分类结果表明,该模型的分类精度达到96.4％,相比PointCNN模型提升4.7个百分点.

摘要： 在图像搜索的场景中,由于搜索请求的随机性,为了提高搜索速度,搜索算法运行时需要把整个数据集预先载入到运行内存.由于运行内存价格远高于同容量的硬盘价格,降低运行内存自然可以大大降低图像搜索服务的成本,但如果直接对数据进行压缩,往往会极大地损失搜索精度.在这种情况下,文中提出了一种基于图像内容特征的分块式图像搜索框架.先利用神经网络的方法来预先提取图片特征,在不对特征进行量化压缩的前提下,采用一种启发式的聚类方法对数据进行分块,同时保证每个数据块的数据之间有一定的相似性.对于每个数据块,采用基于图结构的HNSW算法来构建索引子图以加速图片查询.在该框架下,通过控制查询时访问的数据块的个数,可以在保证精度的前提下大大减少算法所需要的运行内存容量.

摘要： 提出了一种基于分布式K-means算法的图像特征提取算法,详细介绍了该图像特征提取算法的基本框架,提出了图像预处理、特征提取以及图像分类的具体方法.并通过图像分类实验验证了白化操作的必要性.经实验研究发现,白化操作是提升图像分类精确度水平的重要手段.

摘要： 图像特征提取的质量直接影响图像分类精度,针对现有特征提取方法不能准确提取远离分类边界特征的问题.本文提出一种基于对抗正则化的图像特征提取方法,在分类目标函数中引入对抗性正则化项,其核心思想是将特征经过Dropout得到两个后验分布,分类器最大化后验分布得到分类边界,特征生成器最小化后验分布生成远离分类边界的特征,二者相互对抗鼓励生成更具有代表性的类别信息,同时探究不同概率分布度量方法对特征空间的影响.实验表明,经过对抗正则化后生成器网络提取的特征良好,该方法在不同数据集的分类准确率上有所提升.

摘要： 介绍了一种完全仿射不变的局部图像特征提取算法-ASIFT。解决了大角度视角变化的图像匹配和目标识别这一难点问题。ASIFT算法继承了SIFT算法完全尺度不变性，在SIFT算法4个不变特征（图像放、缩，旋转，平移）基础上增加了空间特征描述参量经度角和纬度角;算法还引入了一个度量仿射形变的参量——变换斜度(transition tilt)。在实验中发现，ASIFT算法可以处理

摘要： 图像特征提取是图像过滤的关键步骤之一.对自然的原始图像进行特征提取时,鉴于单一的图像特征不能很好地表征图像视觉信息,因此,对图像的颜色、纹理特征进行分析、处理是十分必要的.针对这一问题,提出了一种基于混合模型的特征提取方法,结合图像颜色及纹理特征的优点,建立混合模型,并采用PCA(Principal Component Analysis)方法对其高维的特征信息进行处理.实验结果表明这种综合方法能够以较好的特征信息来表示图像视觉内容,达到更准确分类过滤的目的.

摘要： 从理论和实验上详细分析了主分量分析(PCA)和独立分量分析(PCA)应用于特征提取的不同,并给出了一种混合PCA和ICA应用于合成孔径雷达(SAR)图像的特征提取方法.它利用PCA得到的投影空间和ICA得到的投影空间组成一个新的投影子空间,然后将图像在这个子空间投影得到其特征.该方法融合了PCA和ICA的优点,得到的特征同时保持了与二阶和高阶统计量相关的信息.最后,结合支持矢量机(SVM),对MSTAR实测SAR目标图像数据库进行自动目标识别(ATR).实验结果表明,该方法与PCA和ICA相比可以稍微提高识别率.

摘要： 图像处理是深空探测研究的重要组成部分，本文分析了在深空探测中使用图像处理技术的必要性，着重阐述了图像压缩和图像特征提取等方面常用的图像处理技术。

摘要： 本文介绍一个多元统计方法独立分量分析(IndependentComponent Analysis简称ICA)对图像进行特征提取,利用快速固定点算法对数据进行迭代学习,并把迭代所得到的基函数和Gabor基函数、小波基函数做了比较。结果表明利用ICA得到的基向量可以很好的在空间、频率和方向上定位,和Gobor基函数相似。小波基虽然也可以定位于空间和频率,但是它只有垂直和水平两个方向,并且没有相位信息。ICA基的自由度也同样要多于小波基。

摘要： 本文利用小波变换实现对汽车轮胎印痕的标准化,并且将小波变换与神经网络结合,构造了小波网络,实现了将小波的局部分析能力与神经网络的自适应能力的结合.试验证明,本文所构造的小波网络在轮胎印痕图像特征提取与匹配中,具有较好的收敛性,并且误识率低,速度快,在交通事故处理中具有良好的推广应用前景.

摘要： 数字式汽车仪表具有高精确性和高灵敏性，这对其检测方法也提出了更高的要求.GVF变形模型将图像数据、初始估计、目标轮廓和基于知识的约束统一于一个特征提取的过程，处理结果就是一条完整的闭合曲线，同时它克服了原模型的初始轮廓必须接近图像边缘的缺陷.小波变换可通过图像在不同尺度上的演化来分析其特征，因而小波变换模极大值方法在提取图像特征时可有效地去除噪声.因此，将小波变换与GVF模型结合，提出多尺度的GVF模型，对图像进行小波分解后，以小波变换模极大值为初始轮廓在各尺度上运用GVF模型，可有效地对仪表板图像进行边缘提取、指针定位检出、偏差检测等操作，实现对仪表总成的自动、高精度检测。

摘要： 数字式汽车仪表具有高精确性和高灵敏性，这对其检测方法也提出了更高的要求.GVF变形模型将图像数据、初始估计、目标轮廓和基于知识的约束统一于一个特征提取的过程，处理结果就是一条完整的闭合曲线，同时它克服了原模型的初始轮廓必须接近图像边缘的缺陷.小波变换可通过图像在不同尺度上的演化来分析其特征，因而小波变换模极大值方法在提取图像特征时可有效地去除噪声.因此，将小波变换与GVF模型结合，提出多尺度的GVF模型，对图像进行小波分解后，以小波变换模极大值为初始轮廓在各尺度上运用GVF模型，可有效地对仪表板图像进行边缘提取、指针定位检出、偏差检测等操作，实现对仪表总成的自动、高精度检测。

摘要： 数字式汽车仪表具有高精确性和高灵敏性，这对其检测方法也提出了更高的要求.GVF变形模型将图像数据、初始估计、目标轮廓和基于知识的约束统一于一个特征提取的过程，处理结果就是一条完整的闭合曲线，同时它克服了原模型的初始轮廓必须接近图像边缘的缺陷.小波变换可通过图像在不同尺度上的演化来分析其特征，因而小波变换模极大值方法在提取图像特征时可有效地去除噪声.因此，将小波变换与GVF模型结合，提出多尺度的GVF模型，对图像进行小波分解后，以小波变换模极大值为初始轮廓在各尺度上运用GVF模型，可有效地对仪表板图像进行边缘提取、指针定位检出、偏差检测等操作，实现对仪表总成的自动、高精度检测。

摘要： 数字式汽车仪表具有高精确性和高灵敏性，这对其检测方法也提出了更高的要求.GVF变形模型将图像数据、初始估计、目标轮廓和基于知识的约束统一于一个特征提取的过程，处理结果就是一条完整的闭合曲线，同时它克服了原模型的初始轮廓必须接近图像边缘的缺陷.小波变换可通过图像在不同尺度上的演化来分析其特征，因而小波变换模极大值方法在提取图像特征时可有效地去除噪声.因此，将小波变换与GVF模型结合，提出多尺度的GVF模型，对图像进行小波分解后，以小波变换模极大值为初始轮廓在各尺度上运用GVF模型，可有效地对仪表板图像进行边缘提取、指针定位检出、偏差检测等操作，实现对仪表总成的自动、高精度检测。

摘要： 本公开提供了训练图像特征提取模型和提取图像特征的方法、装置，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于图像处理场景下。具体实现方案为：获取样本集和初始图像特征提取模型；从样本集中选取样本，执行如下训练步骤：将选取的样本的物品图像输入主干模型，得到图像特征向量；将图像特征向量分别与选取的样本的目标类别对应的预定数目的子中心向量计算相似度，并将相似度最大值作为目标类别的相似度；基于目标类别的相似度计算损失值；若损失值小于预定阈值，则确定出初始图像特征提取模型训练完成。通过该实施方式能够提高特征提取模型的训练速度和准确度，减少对精标数据的依赖。

摘要： 本发明公开了一种基于纹理特征与形状特征相融合的水声图像特征提取方法，主要步骤包括图像分割，边界提取，生成基元阵，计算灰度‑基元共生矩阵，获取五项个特征量等几个关键步骤。本发明着手于海底底质水声图像的图形学特征，利用海底底质水声图像的边界形状特征及其灰度相关性，应用并结合边界提取与灰度‑基元共生矩阵法，实现海底底质的水声图像特征提取。本发明不仅能够保证平移、旋转和缩放不变性，并且对噪声不敏感，既可以描述闭合区域，对于非闭合区域也能很好的完成特征提取，实现了基于海底底质水声图像图形学特征的间接识别及提取。

摘要： 本公开关于一种图像特征提取模型训练方法、图像特征提取方法和装置，包括：获取目标样本图像基于不同的数据增强方式得到的第一处理图像和第二处理图像；对第一处理图像、第二处理图像和其他样本图像分别进行特征提取处理，得到第一处理图像的第一图像特征、第二处理图像的第二图像特征和其他样本图像的图像特征；根据第一图像特征对第一处理图像进行重建处理，得到第一处理图像的重建图像与第一处理图像之间的重建损失；根据第一图像特征、第二图像特征和其他样本图像的图像特征，得到对比损失；基于对比损失和重建损失，对第一图像特征提取模型进行迭代训练，得到图像特征提取模型。该方法可提高训练得到的图像特征提取模型所提取的图像视觉特征的效果。

摘要： 本公开提供了训练图像特征提取模型和提取图像特征的方法、装置，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于图像处理场景下。具体实现方案为：获取样本集和初始图像特征提取模型；从样本集中选取样本，执行如下训练步骤：将选取的样本的物品图像输入主干模型，得到图像特征向量；将图像特征向量分别与选取的样本的目标类别对应的预定数目的子中心向量计算相似度，并将相似度最大值作为目标类别的相似度；基于目标类别的相似度计算损失值；若损失值小于预定阈值，则确定出初始图像特征提取模型训练完成。通过该实施方式能够提高特征提取模型的训练速度和准确度，减少对精标数据的依赖。

摘要： 本公开涉及一种特征提取模型的生成方法、图像特征提取方法和装置，所述方法包括：获取多个候选图像；基于特征提取模型和所述多个候选图像，确定所述多个候选图像对应的聚类树，其中，所述聚类树中包含多个层级下的聚类；基于所述多个候选图像和所述聚类树，生成目标样本对，其中，所述目标样本对包括图像样本对和特征样本对，所述图像样本对为基于两个不同的候选图像形成的，所述特征样本对为基于所述候选图像的特征和所述聚类的聚类中心的特征形成的；基于所述目标样本对，对特征提取模型进行训练。由此可以在基于对比学习进行分类时，学习到不同粒度下的局部语义，提高该特征提取模型的准确性和稳定性。

摘要： 基于图像特征提取的12路视频图像拼接以及图像配准方法，它涉及一种图像拼接以及图像配准方法。本发明为了解决现有的图像特征提取方法存在拼接重影和实现实时困难的问题。本发明首先对12路图像进行分组操作，4路一组，分别进行拼接，而后对结果再进行拼接。拼接过程：首先对图像数据流进行匹配点对的获取。然后进行外点的剔除，找到内点的索引。再将源图进行网格划分，取网格中心点，计算每个中心点与源图上内点之间的欧式距离和权重。将权重放到A矩阵中，构建为新的W*A矩阵，再重新进行SVD分解，得到当前网格的局部单应性矩阵。再遍历每个网格，得到APAP变换后的源图。最后进行拼接线的加权融合。本发明用于视频图像拼接以及图像配准。

摘要： 本发明公开了一种基于纹理特征与形状特征相融合的水声图像特征提取方法，主要步骤包括图像分割，边界提取，生成基元阵，计算灰度‑基元共生矩阵，获取五项个特征量等几个关键步骤。本发明着手于海底底质水声图像的图形学特征，利用海底底质水声图像的边界形状特征及其灰度相关性，应用并结合边界提取与灰度‑基元共生矩阵法，实现海底底质的水声图像特征提取。本发明不仅能够保证平移、旋转和缩放不变性，并且对噪声不敏感，既可以描述闭合区域，对于非闭合区域也能很好的完成特征提取，实现了基于海底底质水声图像图形学特征的间接识别及提取。

摘要： 本发明提供一种多特征整合的宫颈细胞图像特征提取与识别方法及宫颈细胞特征识别装置,多特征整合的宫颈细胞图像特征提取与识别方法，包括如下步骤：对宫颈细胞图像进行二维经验模态分解；进行二维傅里叶变换，开展幅频和相频特性分析以得到幅频特性和相频特性；作奇异值分解，获得奇异值分解后的特征值；将获得的所述奇异值分解后的特征值构成宫颈细胞图像特征向量；依据最小欧氏距离检索方法对宫颈细胞测试样本图像的特征向量与细胞特征数据库中的基准训练细胞图像特征进行相似性比较以进行测试细胞图像分类识别。本发明可以充分提取宫颈细胞图像特征，提高识别精度，而且便于自动识别分类。

摘要： 本申请提供了一种图像特征提取网络的训练方法、提取方法及装置；方法包括：基于第一图像样本调用第一编码器进行编码处理得到第一低维特征，基于第一低维特征调用第一处理网络和第三处理网络得到第一高维特征和第三高维特征；基于第二图像样本调用第二编码器进行编码处理得到第二低维特征，基于第二低维特征调用第二处理网络和第四处理网络得到第二高维特征和第四高维特征；根据第一高维特征和第三高维特征确定第一交叉损失值，根据第二高维特征和第四高维特征确定第二交叉损失值，对第一编码器的参数进行梯度更新；根据更新后的第一编码器的参数，对第二编码器的参数进行动量更新。通过本申请，能够有效地进行图像特征学习。

摘要： 本发明实施例公开了文化遗产图像特征提取装置及其提取方法，属于图像处理技术领域，包括数据获取模块获取文化遗产的相关数据，创建关联文化遗产相关数据的数据库，根据数据库获取文化遗产的图像数据、语音数据和文本数据；数据处理模块对文化遗产相关数据进行图像去噪和图像去马赛克，图像去噪为恢复图像边缘和纹理信息，图像去马赛克为消除重建图像在高频部分出现的伪影现象；数据提取模块根据数据库对文化遗产的图像数据进行特征提取，得到待处理图像；构建模块将待处理图像进行数字化处理并建立可视化的三维模型，并建立用户交互机制。解决了图像区域复制伪造检测的定位问题，具有减少考古工作人员的工作量，提高工作效率，降低工作难度。