×
袁飞牛;夏，薛;石金亭

用于烟雾识别的基于整体学习的高阶特征描述符。 （英语） Zbl 1411.68138号

国际小波多分辨率。Inf.流程。 17，第2号，文章ID 1940005，18 p.（2019）.
摘要：为了提高烟雾识别的性能，提取具有代表性和区分性的烟雾特征非常重要。我们提出了一种基于学习的方法来自动从原始像素中提取判别特征。首先，计算基于补丁的局部差异，而不是基于单个像素的差异。然后学习一种抽样策略来提取主要的局部差异。第三，将采样的差异用于学习码本，通过码本将差异投影到有区别的特征空间。因此，可以根据码本获得由区别性差异组成的特征矩阵。最后，对特征映射进行无量化编码，从而计算出最终特征。实验结果表明，该方法比现有的一些手工和基于学习的特征提取方法具有更好的性能。

MSC公司：

68吨10 模式识别、语音识别
68T05型 人工智能中的学习和自适应系统
68单位10 图像处理的计算方法

关键词：

特征学习;高阶;烟雾识别;纹理分类

软件：

Outex公司;伦敦银行支持向量机
PDF格式BibTeX公司 XML格式引用
\textit{F.Yuan}等人，《国际小波多分辨率》。信息处理。17，第2号，文章ID 1940005，18 p.（2019；Zbl 1411.68138）
全文： 内政部

参考文献：

[1] Aslan，M.S.、Alafif，T.K.、Chen，X.-W.和Hailat，Z.，《用于人脸识别的多通道多模型特征学习》，模式识别。Lett.85（2017）79-83。
[2] Calonder，M.、Fua，P.、Lepetit，V.和Strecha，C.，简介：二进制稳健独立基本特征，收录于Proc。欧洲计算机视觉会议（ECCV）（施普林格，伊拉克利翁，希腊克里特岛，2010年9月5日至11日），第778-792页。
[3] Chang，C.-C.和Lin，C.-J.，LIBSVM：支持向量机库，ACM-Trans。智力。系统。技术2（3）（2011）27。
[4] Chengjun，L.和Wechsler，H.，Gabor使用增强fisher线性判别模型进行人脸识别的基于特征的分类，IEEE Trans。图像处理。11（4）（2002）467-476。
[5] Depeursinge，A.，Foncubierta-Rodriguez，A.，Müller，H.和Ville，D.V.D.，使用可转向riesz小波的旋转-共变纹理学习，IEEE Trans。图像处理。23（2）（2014）898-908·Zbl 1374.94080号
[6] Duan，Y.、Feng，J.、Lu，J.和Zhou，J.，学习旋转不变局部二进制描述符，IEEE Trans。图像处理。26（8）（2017）3636-3651·Zbl 1409.94132号
[7] Dubey，S.R.、Singh，S.K.和Singh，R.K.，用于基于内容的图像检索的多通道解码局部二进制模式，IEEE Trans。图像处理。25（9）（2016）4018-4032·Zbl 1408.94149号
[8] Guo，Z.，Zhang，L.和Zhang（D.），用于纹理分类的局部二元模式算子的完整建模，IEEE Trans。图像处理.19（6）（2010）1657-1663·Zbl 1371.94151号
[9] Bhusnurmath，R.A.和Hiremath，P.S.，使用各向异性扩散进行纹理分类的多分辨率LDBP描述符及其在木材纹理分析中的应用，模式识别。Lett.89（2017）8-17。
[10] Chen，X.，Hong，X.、Pietikäinen，M.和Zhao，G.，结合LBP差异和特征相关性进行纹理描述，IEEE Trans。图像处理。23（6）（2014）2557-2568·兹比尔1374.94141
[11] Huang，G.B.，Lee，H.和Learnd-Miller，E.，《利用卷积深度信念网络学习人脸验证的层次表示法》，收录于Proc。IEEE Conf.计算机视觉模式识别（CVPR）（IEEE，普罗维登斯，RI，美国，2012年6月16-21日），第2518-2525页。
[12] Lei，Z.，Li，S.Z.和Pietikäinen，M.，《学习判别面部描述符》，IEEE Trans。模式分析。机器。《情报》36（2）（2014）289-302。
[13] Liu，L.，Long，Y.，Fieguth，P.W.，Lao，S.和Zhao，G.，BRINT：二进制旋转不变性和容错纹理分类，IEEE Trans。图像处理。23（7）（2014）3071-3084·Zbl 1374.94226号
[14] Lu，H.，Plataniotis，K.N.和Venetsanopoulos，A.N.，MPCA：张量对象的多线性主成分分析，IEEE Trans。神经网络.19（1）（2008）18-39。
[15] Lu，J.、Liong，V.E.和Zhou，J.，用于人脸识别的同时局部二进制特征学习和编码，收录于Proc。IEEE国际计算机视觉会议（ICCV）（IEEE，智利圣地亚哥，2015年12月7日至13日），第3721-3729页·Zbl 1264.83056号
[16] Lu，J.、Liong，V.E.和Zhou，J.，用于面部年龄估计的成本敏感局部二进制特征学习，IEEE Trans。图像处理。24（12）（2015）5356-5368·Zbl 1408.94445号
[17] Lu，J.，Liong，V.E.，Zhou，X.和Zhou。模式分析。机器。Intell.37（10）（2015）2041-2056。
[18] Lu，J.，Tan，Y.和Wang，G.，从每人单个训练样本中进行人脸识别的判别多流形分析，IEEE Trans。模式分析。机器。Intell.37（10）（2015）2041-2056。
[19] Eguiazarian，K.E.，Huovinen，S.和Mehta，R.，使用致密微块差异进行纹理分类，IEEE Trans。图像处理。25（4）（2016）1604-1616·Zbl 1408.94478号
[20] Kyllonen，J.、Maenpaa，T.、Ojala，T.，Pietikainen，M.和Viertola，J.，Outex：纹理分析算法经验评估的新框架，见Proc。IEEE国际会议图像处理（ICPR），第1卷（IEEE，魁北克市，加拿大魁北克，2002年8月11-15日），第701-706页。
[21] Maenpaa，T.、Ojala，T.和Pietikainen，M.，具有局部二进制模式的多分辨率灰度和旋转不变纹理分类，IEEE Trans。模式分析。机器。《情报》24（7）（2002）971-987·Zbl 0977.68853号
[22] Guo，J.，Li，C.-G.，Qi，X.，Qiao，Y.，Tang，X.和Xiao，R.，成对旋转不变共现局部二进制模式，IEEE Trans。模式分析。机器。Intell.36（11）（2014）2199-2213。
[23] Rayens，W.S.，判别分析和统计模式识别，《技术计量学》88（422）（1993）695-697。
[24] Hong，S.，Ryu，J.和Yang，H.S.，为纹理分类排序连续的局部二进制模式，IEEE Trans。图像处理。24（7）（2015）2254-2265·Zbl 1408.94566号
[25] Shahriari，A.，《并行学习深层滤波器组以进行纹理识别》，IEEE Proc。国际会议模式识别（ICIP）（IEEE，美国亚利桑那州凤凰城，2016年9月25-28日），第1634-1638页。
[26] 斯皮瓦克，M.，《微积分答案书》，第三版。（Publish or Perish Inc.，美国德克萨斯州休斯顿，1994年）。
[27] Sun，Y.，Tang，X.和Wang，X..，面向人脸验证的混合深度学习，IEEE Trans。模式分析。机器。第38（10）卷（2015）1997-2009。
[28] Tan，X.和Triggs，B.，《困难照明条件下人脸识别的增强局部纹理特征集》，IEEE Trans。图像处理.19（6）（2010）1635-1650·Zbl 1371.68311号
[29] Lam，E.C.M.，Tang，Y.Y.和Tao，Y.，基于分形行为的特征提取新方法，模式识别。35（5）（2002）1071-1081·Zbl 0997.68117号
[30] Lee，S.W.，Liu，J.，Tang，Y.Y.和Tu，L.T.，基于多特征和多级分类的中文手写体离线识别，IEEE Trans。模式分析。机器。《情报》20（5）（1998）556-561。
[31] Liu，J.，Tang，Y.Y.和Yang，L.，用小波变换表征dirac结构边，IEEE Trans。系统。人类网络。B、 Cybernet.30（1）（2000）93-109。
[32] Tang，Y.Y.和You，X.，基于新小波函数的带状形状骨架化，IEEE Trans。模式分析。机器。《情报》25（9）（2003）1118-1133。
[33] Qin，A.，Shang，Z.，Tang，Y.Y.，Tian，J.和Zhang，T.，学习用于聚类的分布保持语义子空间，IEEE Trans。图像处理。26（12）（2017）5950-5965·Zbl 07013238号
[34] Pentland，A.和Turk，M.，承认特征脸，J.Cogn。神经科学3（1）（1991）71-86。
[35] Bichot，C.E.和Li，B.，Wang，K.和Zhu，C.，纹理分类的像素到斑块采样结构和局部相邻强度关系模式，IEEE信号处理。Lett.20（9）（2017）853-856。
[36] Mirmehdi，M.和Xie，X.，《纹理分析手册》（英国帝国理工学院出版社，2008年）。
[37] Yuan，F.，基于视频的LBP和LBPV金字塔直方图序列烟雾检测，消防安全J.46（3）（2011）132-139。
[38] Yuan，F.，基于纹理分类的高阶方向导数的旋转和缩放不变局部二值模式，数字信号处理26（2014）142-152。
[39] Fang，Y.，Shi，J.，Wang，R.，Xia，X.，Yang，Y.and Yuan，F.，烟雾检测和纹理分类局部二元模式的子定向直方图，KSII Trans。国际信息系统10（4）（2016）1807-1823。
[40] Li，H.和Li，G.，Shi，J.，Xia，X.和Yuan，F.，烟雾探测的非线性降维和基于高斯过程的分类方法，IEEE Access5（2017）6833-6841。
[41] Liang，J.，Zhang，J.和Zhao，H.，使用自适应量化阈值进行纹理分类的局部能量模式，IEEE Trans。图像处理。22（1）（2013）31-42·Zbl 1373.94481号
[42] Fang，B.，He，G.，Tang，Y.Y.，Wen，J.和Zhang，T.，用于人脸识别的保拓扑非负矩阵因式分解，IEEE Trans。图像处理.17（4）（2008）574-84。
[43] Fang，B.，Shang，Z.，Tang，Y.Y.，Xu，B.和Zhang，T.，广义判别分析：矩阵指数方法，IEEE Trans。系统。人类网络。B、 Cybernet.40（1）（2010）186。
[44] Fang，B.，Lang，F.，Li，D.，Shang，Z.，Tang，Y.Y.，Yuan，Y.和Zhang，T.，用于不同照明下人脸识别的多尺度人脸结构表示，模式识别。42（2）（2009）251-258·兹比尔1162.68644
[45] Liu，X.，Shang，Z.，Tang，Y.Y.和Zhang，T.，使用梯度面在不同光照下进行人脸识别，IEEE Trans。《图像处理》18（11）（2009）2599·Zbl 1371.94457号
[46] Liu，S.，Mei，X.，Xiao，B.，Zhang，Z.和Zheng，L.，Learning完成了纹理分类的区分性局部特征，Pattern Recognit.67（2017）263-275。
[47] Ahonen，T.，Matas，J.，Pietikainen，M.和Zhao，G.，具有局部二进制模式特征的旋转不变图像和视频描述，IEEE Trans。图像处理。21（4）（2012）1465-1477·Zbl 1373.94493号
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。