1 青岛科技大学信息科学技术学院, 山东 青岛 266061
2 江西中烟工业有限责任公司信息中心, 江西 南昌 330096
3 中国海洋大学信息科学与工程学部, 山东 青岛 266100
近红外光谱具有高维、 高冗余、 非线性的特性, 严重影响了样本之间的相似性度量的精准, 故而提出了一种基于Wasserstein散度的t分布随机近邻嵌入算法(Wt-SNE)。 基于流形学习算法思想, 利用高斯分布将高维数据的距离转换为概率分布, 使用更加偏重长尾分布的方式t分布表示低维空间中对应数据点的概率分布。 将高维数据的概率分布嵌入映射至低维度空间, 重构低维流形结构, 引入Wasserstein散度度量两个空间内概率分布的差异, 通过降低散度值来提高两个分布的相似度, 以此来实现高维数据降维处理。 为验证Wt-SNE算法的有效性, 首先对烟叶近红外光谱数据进行降维投影, 并与PCA、 LPP、 t-SNE算法比较, 结果表明Wt-SNE算法降维后的数据, 在低维空间内样本类别边界更加明显。 其次, 采用KNN、 SVM和PLS-DA分类器对降维后的数据进行烟叶产地预测, 准确率分别为93.8%、 91.5%、 92.7%, 表明降维后的数据不仅重构了原始光谱的空间结构而且保留了样本间的相似度关系。 最后, 选取某一卷烟叶组配方中的烟叶进行单料目标烟叶的替换, 根据备选样本与目标样本之间的马氏距离选取替换样本。 实验表明, Wt-SNE选取的替换烟叶与目标烟叶相似度最高, 烟碱、 总糖等化学成分含量与目标烟叶差异较小, 香气、 烟气、 口感得分表现出较高的一致性。 该方法能够有效度量烟叶近红外光谱之间的相似性, 为卷烟叶组配方的维护提供有力的依据。
近红外光谱 数据降维 t-SNE算法 Wasserstein散度 相似性度量 Near-infrared spectrum Data dimension reduction t-SNE algorithm Wasserstein divergence Similarity measurement 光谱学与光谱分析
2023, 43(12): 3806
1 中国科学院光电技术研究所，四川 成都 610209
2 中国科学院大学电子电气与通信工程学院，北京 100049
To improve the performance of few-shot classification, we present a general and flexible method named Multi-Scale Attention and Domain Adaptation Network (MADA). Firstly, to tackle the problem of limited samples, a masked autoencoder is used to image augmentation. Moreover, it can be inserted as a plug-and-play module into a few-shot classification. Secondly, the multi-scale attention module can adapt feature vectors extracted by embedding function to the current classification task. Multi-scale attention machine strengthens the discriminative image region by focusing on relating samples in both base class and novel class, which makes prototypes more accurate. In addition, the embedding function pays attention to the task-specific feature. Thirdly, the domain adaptation module is used to address the domain shift caused by the difference in data distributions of the two domains. The domain adaptation module consists of the metric module and the margin loss function. The margin loss pushes different prototypes away from each other in the feature space. Sufficient margin space in feature space improves the generalization performance of the method. The experimental results show the classification accuracy of the proposed method is 67.45% for 5-way 1-shot and 82.77% for 5-way 5-shot on the miniImageNet dataset. The classification accuracy is 70.57% for 5-way 1-shot and 85.10% for 5-way 5-shot on the tieredImageNet dataset. The classification accuracy of our method is better than most previous methods. After dimension reduction and visualization of features by using t-SNE, it can be concluded that domain drift is alleviated, and prototypes are more accurate. The multi-scale attention module enhanced feature representations are more discriminative for the target classification task. In addition, the domain adaptation module improves the generalization ability of the model.
小样本图像识别 注意力机制 领域自适应 相似性度量 few-shot image classification attention mechanism domain adaptation similarity metric
陆军工程大学石家庄校区电子与光学工程系, 河北 石家庄 050003
高光谱成像是一种先进的图像获取技术, 其在获得地物空间信息的同时还可以获得地物的光谱信息, 得到“图谱合一”的三维图像数据。 其光谱分辨率高, 光谱曲线近似连续, 可以有效探测用多光谱成像技术中无法探测的地物, 在目标检测、 地物分类与图像压缩等领域取得了广泛的应用。 地物分类的分类结果是专题制图的基础数据, 在**、 农业、 地质等领域有重要地位了良好的效果。 地物分类是指将图像中的像元赋予类别标签, 即将同类地物赋予相同标签, 不同类地物赋予不同标签。 根据分类前是否已经获取目标的光谱信息, 地物分类分为监督分类、 半监督分类和无监督分类。 然而, 地物光谱受成像条件的影响较大, 特别是陆基成像, 不同成像条件的地物光谱会发生一定的改变, 不再具有严格的唯一性, 因此无法根据未知成像条件下的地物光谱数据进行准确分类。 但是同种地物的散射系数(由特定算法获得的散射占比)具有唯一性, 与成像条件或探测方向无关, 不受二向反射特性的影响, 只与地物类型及波长有关, 是一种反映地物本质属性的物理量, 因此可以作为地物的分类依据。 基于陆基成像条件下测量了多种地物的散射系数, 详细描述了散射系数的测量过程并且验证了核驱动模型的拟合能力。 通过对比发现不同地物的散射系数具有较大的差异, 进而提出了利用散射系数进行地物分类的方法。 采用两组数据对该分类方法进行验证, 并分别用投影、 距离、 信息量三种相似性度量指标定量地衡量了分类结果。 实验表明, 同种地物的散射系数几乎一致, 与成像条件无关, 只与地物类型有关, 不同种地物的散射系数各不相同, 利用散射系数可以有效地实现地物分类, 取得了良好的效果。
高光谱成像 陆基条件 散射系数 地物分类 相似性度量 Hyperspectral imaging Land-based conditions Scattering coefficients Ground object classification Similarity measurement
1 青岛科技大学信息科学技术学院, 山东 青岛 266061
2 青岛蓝智现代服务业数字工程技术研究中心, 山东 青岛 266071
3 云南中烟工业有限责任公司技术中心, 云南 昆明 650024
针对近红外光谱高维、 高冗余、 非线性和小样本等特点导致光谱相似性度量时出现的“维度灾难”, 提出一种基于核映射和rank-order距离的局部保持投影(KRLPP)算法。 首先将光谱数据经过核变换映射到更高维空间, 有效保证了流形结构的非线性特征。 然后改进局部保持投影(LPP)算法对数据进行降维操作, 将rank-order距离替代传统的欧氏距离或测地线距离, 通过共享邻近点的信息, 得到更加准确的局部邻域关系。 最后在低维空间通过距离的计算实现光谱的度量。 该方法不仅有效解决了高维空间存在的“距离失效”问题, 同时还提高了相似性度量结果的精度。 为了验证KRLPP算法的有效性, 首先根据降维前后数据集信息残差的变化确定了最佳参数近邻点的个数k和降维后的维数d。 其次, 从光谱降维投影效果和模型分类效果两个角度与PCA, LPP和INLPP算法进行了对比, 结果表明KRLPP算法对于烟叶的部位有较好的区分能力, 降维效果以及对于不同部位的正确识别率明显优于PCA, LPP和INLPP。 最后, 从某品牌卷烟叶组配方中选取了5个代表性烟叶作为目标烟叶, 分别采用PCA, LPP和KRLPP方法从300个用于配方维护的烟叶样品中为每个目标烟叶寻找相似烟叶, 并从化学成分和感官评价两方面对替换前后的烟叶及叶组配方进行了评价分析。 其中LPP和KRLPP用于降维的参数选择保持一致, PCA选择前6个主成分。 结果表明, 由KRLPP选出的替换烟叶与替换配方在总糖、 还原糖、 总烟碱、 总氮等化学成分以及香气、 烟气、 口感等感官指标上较PCA、 LPP方法差异最小, 相似性度量准确度最高。 该方法可应用于配方产品替换原料的查找, 辅助企业实现产品质量的维护。
近红外光谱 局部保持投影算法 核映射 rank-order距离 相似性度量 Near infrared spectroscopy Local preservation projection algorithm Kernel mapping Rank-order distance Similarity measure 光谱学与光谱分析
2021, 41(10): 3117
1 西南石油大学机电工程学院, 四川 成都 610500
2 西南交通大学希望学院, 四川 成都610400
针对目标遮挡、形变、旋转、光照变化及背景干扰等复杂场景下的目标跟踪问题,基于核相关滤波跟踪算法和统计颜色特征的跟踪算法,提出了一种复杂场景下的高置信度更新策略互补跟踪算法。首先,利用高斯拉普拉斯算子和局部二值模式增强目标边缘信息和纹理特征;然后,引入可调高斯窗口函数和基于关键点的尺度估计模型优化算法;最后,利用响应峰值与跟踪框的交并率设计了一种高置信度更新策略,以自适应更新模板。实验结果表明,在OTB2013数据集上本算法的精确度和成功率分别为88.3%和72.4%。
图像处理 目标跟踪 高置信度 互补跟踪 模板更新 相似性度量 激光与光电子学进展
2021, 58(12): 1230004
1 西安建筑科技大学信息与控制工程学院, 陕西 西安 710055
2 陕西省文物保护研究院, 陕西 西安 710075
针对单一特征无法表征铭文全部信息的问题,提出一种基于全局Hu矩和局部聚类加权加速鲁棒特征(TF-KSURF)的多测度青铜器铭文相似性度量方法。通过提取Hu矩特征描述子与加速鲁棒特征(SURF)矩阵,获取铭文图像的全局与局部特征;利用K-means算法和加权策略对局部SURF进行聚类加权,构建TF-KSURF向量;最后设定两种测度的权重,形成多测度相似性度量,并将其应用于青铜器铭文的图像检索。实验结果表明,与单一特征测度相比,所提多测度相似性度量方法能够准确分析铭文的整体特征,提高了铭文的检索性能。
图像处理 青铜器铭文 Hu矩 加速鲁棒特征 相似性度量 激光与光电子学进展
2021, 58(8): 0810009
1 武汉理工大学信息工程学院, 湖北 武汉 430070
2 武汉理工大学宽带无线通信和传感器网络湖北省重点实验室, 湖北 武汉 430070
3 武汉理工大学土木工程与建筑学院, 湖北 武汉 430070
4 中国科学院武汉物理与数学研究所波谱与原子分子物理国家重点实验室, 湖北 武汉 430071
针对现有的行人重识别方法提取行人特征过程中存在因信息缺失导致鲁棒性和判别力较差的问题,提出了一种基于残差神经网络提取行人图像多层级特征的方法。该方法在训练阶段使用残差网络分别在4个卷积残差模块之后提取阶段特征,以此来弥补信息丢失,使用三元组损失函数对每个特征向量进行监督训练。在相似性度量阶段,针对4个特征向量分别计算特征相似度,使用映射函数进行求和,并对求和结果进行相似度匹配。将该方法在Market-1501和DukeMTMC-ReID数据集上进行仿真,首中准确率(Rank-1)分别达到了91.7%和84.9%,平均准确率(mAP)分别达到了86.8%和80.7%。结果表明所提方法提取的多层级特征具有较好的鲁棒性和判别力,提高了行人重识别的准确度。
机器视觉 行人重识别 残差网络 多层级特征 相似性度量 激光与光电子学进展
2020, 57(8): 081503
1 海军航空大学, 山东 烟台 264001
2 中国人民解放军91515部队, 海南 三亚 572061
研究近红外光谱分析模型中的样本有效划分问题, 针对经典KS算法依据距离度量描述高维度光谱数据间差异时效果不尽人意甚至失去意义的问题, 结合目前相似性度量方法的不足, 构造出一种新的相似性度量函数, 采用光谱特征和性质特征相结合的方式计算样本间差异, 提出一种改进的KS算法以寻求样本差异的最佳表达方式。通过与其他改进方法的对比, 从有效性和对近红外光谱分析模型的影响两方面对所提改进算法进行分析, 验证了所提算法的合理性和优越性。
近红外线光谱分析 相似性度量 模型传递 多元校正模型 KS算法 样本划分 near-infrared spectroscopy analysis similarity measure model transfer multivariate correction model KS algorithm sample partition
针对异源遥感图像在图像配准中的几何形变问题, 本文提出了一种基于几何不变性局部相似特征的异源遥感图像配准算法。 GISS算法利用加速鲁棒特征算子先对存在几何差异的异源遥感图像进行预匹配, 然后根据特征点的方向特征对图像进行旋转仿射校正, 最后引用局部相似性描述符并集成相似性度量来考察预匹配点对的相关性, 选取其中相似相关性最优的点对实行图像配准。实验结果表明, 对于存在几何形变的异源遥感图像, 具有较好的配准实现效果, 可以有效的解决异源遥感图像之间的几何形变差异问题, 具有较好的鲁棒性和配准精度。
几何不变 异源遥感图像 仿射校正 局部自相似性描述符 相似性度量 geometric invariant, heterogeneous remote sensing
1 中国海洋大学信息科学与工程学院, 山东 青岛 266100
2 青岛科技大学信息科学技术学院, 山东 青岛 266061
3 山东烟草研究院有限公司, 山东 济南 250101
近红外光谱数据的高维、高冗余、高噪声和非线性的特性严重影响了光谱相似性度量的准确性,针对该问题,提出了一种基于网格划分局部线性嵌入(GGLLE)算法的近红外光谱相似性度量方法。首先,根据关键化学成分在光谱中的表达,将高维光谱数据划分为多个网格子空间。其次,对局部线性嵌入(LLE)算法做了两方面改进,并采用改进的LLE算法依次实现每个子空间从高维空间向低维空间的特征映射,计算生成子空间的相似度矩阵。最后,将子空间相似度矩阵归一化处理并求解所累加和生成光谱样本集的相似度矩阵,实现光谱的相似性度量。实验选取两组某烟草企业提供的烟叶光谱构建了光谱的相似性度量模型,以相似性度量的准确率作为算法优劣的衡量标准。实验结果表明,GGLLE算法构建的相似性度量模型的准确率为93.3%,明显优于主成分分析、栈式自编码器和LLE算法的64.2%、67.5%和82.5%,从而证明了GGLLE算法的有效性。
光谱学 近红外光谱 相似性度量 改进局部线性嵌入算法 网格子空间 测地线距离 高维数据 激光与光电子学进展
2019, 56(3): 033001
