目的针对传统图像分割方法易受噪声干扰的影响,提出一种新的结合LPG&PCA(principal component analysis with local pixel grouping)的中智学图像分割方法。方法该方法首先利用中智学集合理论把图像转化成中智学图像;然后建立LPG&am...目的针对传统图像分割方法易受噪声干扰的影响,提出一种新的结合LPG&PCA(principal component analysis with local pixel grouping)的中智学图像分割方法。方法该方法首先利用中智学集合理论把图像转化成中智学图像;然后建立LPG&PCA滤波模型,利用图像中不确定性元素信息,对图像进行α-LPG&PCA滤波运算和β-增强运算,使处理后的噪声点更加平滑;最后,利用γ-均值聚类方法进行分割。结果实验结果表明,该算法可以有效地消除噪声,提高图像的峰值信噪比,在抗噪性、分割错误率等方面都有较佳的效果。结论由于本文方法将中智学集合理论应用到图像分割中,充分利用了图像中的不确定性因素,从而提高了图像分割的精度。理论分析和实验结果表明了该算法的有效性。展开更多
在2DPCA的基础上提出一种随机采样的2DPCA人脸识别方法--RRS-2DPCA.同传统通过对特征或投影向量进行采样的方法不同的是,RRS-2DPCA(Row Random Sampling 2DPCA)将随机采样建立于图像的行向量集中,然后在行向量子集中执行2DPCA.在ORL、Y...在2DPCA的基础上提出一种随机采样的2DPCA人脸识别方法--RRS-2DPCA.同传统通过对特征或投影向量进行采样的方法不同的是,RRS-2DPCA(Row Random Sampling 2DPCA)将随机采样建立于图像的行向量集中,然后在行向量子集中执行2DPCA.在ORL、Yale和AR人脸数据集上进行实验,结果表明RRS-2DPCA不仅具很好的识别性能和运算效率,而且对参数具有很大的稳定性.另外针对2DPCA和RRS-2DPCA对光线、遮挡等不鲁棒问题,进一步提出了局部区域随机采样的2DPCA方法LRRS-2DPCA(Local Row Random Sampling 2DPCA),将RRS-2DPCA执行在人脸图像的局部区域中.实验结果表明LRRS-2DPCA不仅具有较好的鲁棒性更大大的提高了RRS-2DPCA的识别性能.展开更多
文摘目的针对传统图像分割方法易受噪声干扰的影响,提出一种新的结合LPG&PCA(principal component analysis with local pixel grouping)的中智学图像分割方法。方法该方法首先利用中智学集合理论把图像转化成中智学图像;然后建立LPG&PCA滤波模型,利用图像中不确定性元素信息,对图像进行α-LPG&PCA滤波运算和β-增强运算,使处理后的噪声点更加平滑;最后,利用γ-均值聚类方法进行分割。结果实验结果表明,该算法可以有效地消除噪声,提高图像的峰值信噪比,在抗噪性、分割错误率等方面都有较佳的效果。结论由于本文方法将中智学集合理论应用到图像分割中,充分利用了图像中的不确定性因素,从而提高了图像分割的精度。理论分析和实验结果表明了该算法的有效性。
文摘在2DPCA的基础上提出一种随机采样的2DPCA人脸识别方法--RRS-2DPCA.同传统通过对特征或投影向量进行采样的方法不同的是,RRS-2DPCA(Row Random Sampling 2DPCA)将随机采样建立于图像的行向量集中,然后在行向量子集中执行2DPCA.在ORL、Yale和AR人脸数据集上进行实验,结果表明RRS-2DPCA不仅具很好的识别性能和运算效率,而且对参数具有很大的稳定性.另外针对2DPCA和RRS-2DPCA对光线、遮挡等不鲁棒问题,进一步提出了局部区域随机采样的2DPCA方法LRRS-2DPCA(Local Row Random Sampling 2DPCA),将RRS-2DPCA执行在人脸图像的局部区域中.实验结果表明LRRS-2DPCA不仅具有较好的鲁棒性更大大的提高了RRS-2DPCA的识别性能.
