安徽省自然科学基金(128085MF91)
- 作品数：3 被引量：1H指数：1
- 相关作者：王教余沈仁明徐小红张洋毕云云更多>>
- 相关机构：合肥工业大学更多>>
- 发文基金：安徽省自然科学基金国家重大技术装备创新研制项目更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于随机特征字典的纹理分类方法
- 2015年
- 为解决稀疏表示在提取全局纹理特征时受维数限制的问题,提出一种基于随机特征字典的特征提取及分类方法。方法利用稀疏系数中非零系数的分布特点,统计各图像块在稀疏分解过程中字典原子的使用频率,得到能突出纹理在稀疏域类别信息的直方图特征,进而实现分类。为提高分类准确率,通过随机投影将多尺度多方向的小波特征进行融合,并对其训练得到纹理描述能力更强的小波随机特征字典。在分类实验中,其分类准确率达94.79%,并能在噪声、光照条件影响下获得较好的鲁棒性,在分析全局纹理特征方面具有高效、稳定的特点。
- 沈仁明徐小红王教余廖重阳
- 关键词：字典学习纹理分类
- 结合一阶自回归滑动平均和压缩感知的视频模型
- 2014年
- 目的 针对视频处理中面临的采样数据量大及采样时间长的问题,把视频状态空间一阶自回归滑动平均模型和压缩感知模型相结合,提出了一种基于一阶自回归滑动平均的视频压缩感知模型.方法 主要思想是在压缩感知理论框架下,充分利用视频帧内稀疏性和帧间相关性,把视频分割成动态部分和静态部分同时采样但分别处理,利用凸优化等方法得到视频状态空间一阶自回归滑动平均模型的关键参数.结果 多组真实场景下的实验结果表明,该模型较大程度上降低了帧间冗余度和数据采集量,视频采集压缩比为100～200时,仍然能取得较好的重建效果.结论 结合压缩感知和线性预测技术,提出了一种新的视频获取模型,对视频的静态部分和动态部分分别处理,并给出了该模型使用的条件.实验结果表明,该模型对帧间变化不大的视频,具有良好的压缩效果.
- 王教余徐小红沈仁明廖重阳杨勋
- 关键词：视频处理压缩感知
- 基于Fisher判别字典学习的可拒识模式分类模型被引量：1
- 2016年
- 针对模式分类任务中测试样本存在未知类别输入的问题,在稀疏表示分类技术的基础上提出一种可拒识模式分类模型。该模型在字典学习的目标函数中加入Fisher判别约束,使样本在该字典下分解的系数具有较大的类间散度和较小的类内散度,将训练样本在已学习字典下进行分解,并把分解后的系数构建多个局部线性块,为已构建的线性块建立超球覆盖模型,用于描述训练类样本系数的分布状况。对于测试样本,根据在已学字典下的分解系数是否在训练样本系数的覆盖模型范围内,做出拒识或接受分类处理的判决。在MINST手写体数据库上的实验结果表明,该模型在保持较高正确识别率的同时,能对非训练类样本进行有效的拒识处理。
- 廖重阳张洋屈光中毕云云
- 关键词：字典学习FISHER判别分析流形
