【摘 要】
：
随着互联网与大数据的普及应用,每天都会产生大量拍摄环境不同、质量存在差异的图像数据。因此,对图像进行有效的特征表达并应用于图像的分类与识别等机器学习任务的研究具有重要的理论意义和实用价值。图像的有效表征一直是计算机视觉与模式识别领域的重要问题和关键环节,此类图像数据的表征学习面临的主要挑战有图像中噪声、遮挡或缺失带来的干扰,图像维度过高引发的维度灾难,以及多视图图像上存在的差异性和关联性有待发掘和
论文部分内容阅读
随着互联网与大数据的普及应用,每天都会产生大量拍摄环境不同、质量存在差异的图像数据。因此,对图像进行有效的特征表达并应用于图像的分类与识别等机器学习任务的研究具有重要的理论意义和实用价值。图像的有效表征一直是计算机视觉与模式识别领域的重要问题和关键环节,此类图像数据的表征学习面临的主要挑战有图像中噪声、遮挡或缺失带来的干扰,图像维度过高引发的维度灾难,以及多视图图像上存在的差异性和关联性有待发掘和权衡等难点问题。针对以上所述的相关问题,本文从特征与样本两个维度对图像质量进行评价,研究图像特征之间存在的关联关系,分别学习特征与典型投影向量、特征与残差投影、样本与特征低秩数据拟合之间的潜在关系,提出了一系列基于特征与样本评价的鲁棒图像表征方法,本文的主要贡献概括为以下3个方面:（1）提出基于特征评价与典型相关性分析的鲁棒图像表征方法。针对图像特征学习存在的噪声干扰和特征维度过高的问题,本文在典型相关性分析模型的基础上进行改进,提出了基于特征评价与典型相关分析的鲁棒图像表征方法。该方法通过引入特征因子化矩阵来度量维度上每个特征向量与主投影向量之间的接近程度,评估每个特征对整体特征空间的贡献,从而实现对特征的评价。因此可以对不同的特征赋予相应的权重来抑制噪声数据。为了实现对特征更全面的评价,在此基础上进一步扩展,通过引入矩阵收缩机制,构造关于多个投影向量的多个特征因子化矩阵,分别对每个投影中每个特征的重要程度进行权衡,从而得到更加鲁棒的图像特征表示。在多个公共数据集上的实验结果表明:本研究所提的方法计算开销较小且可以有效地提高特征的可鉴别性,从而显著提升图像分类的准确率。在ORL和COIL20上比相关对比方法分别提升了1.57%～3.78%、1.69%～2.47%,同时具有更好的抗噪性能。（2）提出基于特征评价与残差投影的鲁棒图像低秩表征方法。针对图像数据中存在的噪声以及遮挡问题,提出了一种基于特征评价与残差投影的鲁棒图像低秩表征方法。与传统的低秩表示方法将残差视为噪声数据或离群值不同,所提出的方法将残差看作是对输入数据及其低秩表示之间的距离的度量,试图通过学习残差的结构获得对图像的鲁棒表征。因此,模型从残差中学习鲁棒低秩投影,找到输入数据与其低秩表示之间的良好匹配结构,增加优质特征在特征表示中的权重,从而在降维的同时抑制数据噪声以及遮挡缺失对图像表征的干扰。在ORL、YALE、Yale B、AR、LFW、COIL20、COIL100和Caltech101等公共图像数据集上的实验结果表明:本文所提出的方法在复杂图像分类任务中可以获得比目前最先进的（SOTA）方法更高的分类精度,在LFW和Caltech101上比相关对比方法分别提高了0.42%～7.91%和1.42%～5.36%,且在有噪声和有缺失的图像数据集上的特征表示具有更好的鲁棒性。（3）提出基于特征与样本评价的鲁棒多视图图像残差投影低秩表征方法。针对多视图图像特征表征的同一性问题,将单视图下的残差投影模型推广至多视图场景,提出了多视图残差投影的图像低秩表征模型,该模型通过多个视图共享同一低秩结构对整体模型进行优化,学习多视图数据之间的一致性特征,以提高多视图图像表征的可鉴别性。针对多视图图像特征表征的差异性问题,在多视图残差投影的低秩表征的模型中进一步引入样本评价机制,构造样本评价矩阵,学习不同样本在残差投影模型中的不同贡献权重,提高鉴别性强的样本权重,降低可鉴别性弱的样本权重,以期实现对多视图图像的鲁棒低秩表征。将所提方法应用于多视图图像分类,在多个公共数据库上进行的对比实验表明:与其他先进的特征表征方法相比,本文所提出的方法均能有效提高多视图图像分类精度,在Multi-PIE和Caltech101上比相关对比方法分别提高了0.95%～2.64%和2.11%～4.29%,同时抗噪性能提升更显著。
其他文献
随着中国铁路网的建设,安全性和可靠性成为了列车运行急需研究的重点。其中平交道口作为公路和铁路的交叉点,出现障碍物后极易发生交通事故。针对该问题,现有的解决方案是安装安全护栏、红绿灯和驻管人员看守等,但这些方法费时费力。因此,本文在综合分析国内外轨道障碍物检测方法研究的基础上,提出一种基于图像识别的铁路平交道口障碍物检测方法,主要内容如下:为了提高算法检测的实时性,使司机更快的收到平交道口的障碍物信
大力发展可再生能源已成为人类社会经济发展的必由之路。在各种可再生能源利用技术中,风力发电以其资源分布广、储量大、技术相对成熟而得到快速发展。但随着风电开发速度的不断加快,陆上风力资源利用正逐渐饱和,海上风电成为未来发展的主要方向。目前广泛应用于陆上风电的风力发电系统主要是有刷双馈发电机和永磁同步发电机,它们虽各具优势,但用于海上风电都还有一些亟待解决的问题。无刷双馈电机是一种无需电刷和滑环即可实现
要让学生蓄积、孕育、发酵和形成语文素养，仅仅依托于教材中有限的文本是远远不够的，教师要遵循“精读课文—略读课文—整本书阅读”的“三位一体”模式，充分激活学生的问题意识，做好整本书阅读的规划，明确整本书阅读的方向与内容，搭建分享平台，在量变引发质变的过程中，促进学生的语文素养高效发展。
强化学习是一种基于试错机制的机器学习算法,其主要用通过求解最大化累计奖励函数的方式来获取最优策略。随着机器人、电子、通讯等技术领域的快速发展,系统的结构和动态特性变得越来越复杂。一方面,建立精确的系统模型往往耗费巨大,甚至是不可能实现的。另一方面,即使获取了精确的数学模型,其形式往往也是十分复杂的,这给之后的系统分析与控制器设计带来了巨大困难。因此,不依赖于系统模型的强化学习方法在解决上述问题方面
天线是通信系统中一个重要的组成部分,并发挥着传输能量的关键作用。基于高数据传输率和大量多媒体应用的要求,3G、4G和现在的5G技术已经被引入和实施。在最近的5G通信系统的技术发展中,无论是蜂窝还是其他无线应用,都在毫米波天线阵列方向进行了大量的研究。毫米波范围内的高频天线被用来实现高速通信,其数据速率为Gb/s。毫米波技术为汽车、移动设备、Io T（物联网）、军事、医疗等各个领域的无线通信系统开启
群养猪身份识别是智能化个体监测与行为分析的基础。随着我国生猪养殖业不断向专业化、集约化、规范化方向发展,对猪只品质控制、福利管理及疾病防疫的需求日益增加。深入研究群养猪身份识别方法,构建智能监测系统,有利于生猪养殖过程的自动监管,对提高动物福利、增强品质控制具有重要的理论意义和巨大的应用潜力。目前,基于机器视觉的猪脸识别研究已取得了新的进展,不过猪脸图像的采集对猪只运动和姿态有一定的限制。为了探索
化石能源在我国经济发展进程中具有重要的推动作用,但其储备数量有限且在使用过程中极易造成环境污染,因此,亟需寻找它的替代品。生物质是清洁可再生的新能源之一,其可以替代传统化石能源应用于火力发电项目中,即生物质发电项目。生物质发电项目的燃料可以从农林生物质获取,其与燃煤发电项目的不同主要为燃料种类多样,且燃烧特性复杂。燃料的成本对生物质发电项目的成功投产与运行至关重要,因此,生物质发电项目燃料的使用需
气液多相流与日常生活及工业生产息息相关,其中涉及的气液界面行为以及气液间的相互作用在学术界和工业界有着巨大的研究和应用价值。为了增进对气液混输和多相流动机理的理解和应用,进一步探索气液多相流中气泡的几何特征和动力学行为,本文在国家自然科学基金项目（编号:51676087）资助下综合运用实验和数值模拟手段,分别对静止液体中的单气泡上升特性、单气泡穿越液–液界面过程的特性、同向流中淹没注气产生的气泡特
随着第五代移动通信、人工智能等技术的快速发展,无线传感器网络越来越受到学者的重视。然而,电池瓶颈是制约网络寿命的关键因素之一,无线充电技术的突破为该问题的解决提供了可能。为此,无线可充电传感器网络应运而生,近年来引起学术界的极大兴趣。Petri网作为一种建模工具,能够同时以图形化和代数表达的方式刻画事物间的相互关系,其在柔性制造系统、城市交通管理、故障诊断等领域得到广泛应用,但在可充电传感器网络中