摘要：针对低信噪比(SNR)条件下传统辐射源识别算法性能下降的问题,提出了基于压缩协作表示的识别算法,分别从特征提取和分类器设计两方面进行描述。首先将时域辐射源信号变换到二维时频域,通过图像处理方法提取高维特征列向量。经随机矩阵压缩到一定维度后,输入到提出的压缩协作表示分类器中得到识别结果。进而,对协作表示系数进行非负约束,提出了更符合实际应用场景的算法。仿真结果验证了所提算法的可行性与有效性,且在低信噪比条件下稳健性强、抗噪声干扰性能好、计算量较小、易于工程实现。

摘要：针对接收通道噪声影响和传感器引起的信号畸变,仅提高单传感器的识别性能远不能满足需求,提出了一种基于协作表示的雷达辐射源多传感器融合识别方法。首先,在训练阶段构成离线的完备字典,而多个传感器的接收信号在字典上求得协作表示系数及分类残差。接着通过设计合理的基本概率分配函数,将多传感器的分类残差与单元素事件的D-S理论相结合,根据最大信任决策规则得到融合识别结果。采用常见的6种雷达辐射源信号进行了仿真实验,仿真结果验证了提出方法的有效性,且较单传感器提高了识别性能,具有较好的噪声鲁棒性,适用于小样本的识别。

摘要：为解决在大数据下基于协作表示的快速人脸识别问题,提出一种通过选择各类近邻达到类内平均值最相似的局部协作表示算法。在原始训练集上,选择各类与测试样本近邻的若干样本,将各类近邻样本平均值进行稀疏重构;将重构误差最小的若干类近邻局部样本协作表示,实现分类。该算法通过较少样本的协作表示在提高识别率的同时,进一步降低了运算的复杂度。仿真实验验证了所提方法运用于人脸识别中的有效性。

摘要：稀疏表示分类算法在人脸识别中表现出较好性能,但其对面部遮挡的鲁棒性较差,在特征提取时未利用面部鲁棒特征且实时性差。针对以上问题,本文提出了融合遮挡检测与HOG特征协作表示的人脸识别方法。首先,设计了一种基于HOG特征和支持向量机的遮挡检测方法,根据常见遮挡的分布将人脸分块,在子块上检测遮挡。然后,结合遮挡检测结果,仅提取非遮挡部分的HOG特征并利用协作表示方法进行分类。测试结果表明:对AR人脸库中遮挡图像的平均识别率为95.2%,对AR、Yale人脸库中发生光照和表情变化人脸的识别率分别为97.3%和98.6%,且运算速度比稀疏表示方法提升了约293倍。与基于稀疏表示的分类方法相比,该方法的鲁棒性和实时性都有明显提升。

摘要：为了增强编码系数的判别性能,提出编码系数矩阵行向量(Profiles)的Fisher判别字典(Profiles of fisher discriminative dictionary learning,PFDDL)学习算法。首先,根据Profiles能反映原子在字典学习中的使用情况,提出一种自适应的原子类标构造方法。然后,利用Profiles与原子间的一一对应关系,设计Profiles的Fisher判别准则作为判别式项,使得同类原子对应Profiles的类内散度尽可能小,不同类原子对应Profiles的类间散度尽可能大,促使字典中的同类原子尽量表示同类训练样本,提高编码系数的判别性能。在3个人脸和1个手写字体数据库上的实验结果表明,提出的算法比其他稀疏编码和字典学习算法能取得更高的分类性能。

摘要：针对现有视频内容文本表述模型存在生成的文本表述单一、准确率不高等问题,提出一种融合帧级图像及音频信息的视频内容文本表述模型。基于自注意力机制设计单模态嵌入层网络结构,并将其嵌入单模态特征中学习单模态特征参数。采用联合表示、协作表示两种方法对单模态嵌入层输出的高维特征向量进行双模态特征融合,使模型能关注视频中不同目标间的交互关系,从而生成更加丰富、准确的视频文本表述。使用大规模数据集对模型进行预训练,并提取视频帧、视频所携带的音频等表征信息,将其送入编解码器实现视频内容的文本表述。在MSR-VTT和LSMDC数据集上的实验结果表明,所提模型的BLEU4、METEOR、ROUGEL和CIDEr指标分别为0.386、0.250、0.609和0.463,相较于MSR-VTT挑战赛中IIT DeIhi发布的模型,分别提升了0.082、0.037、0.115和0.257,能有效提升视频内容文本表述的准确率。

摘要：利用编码系数矩阵的行向量(Profiles)与原子的一一对应关系,构造Profiles局部特征约束字典学习算法。利用Profiles构造自适应的拉普拉斯图,使其表示编码系数矩阵的局部特征;利用原子衡量Profiles的相似性,构造基于局部特征约束的判别式模型,该判别式模型提高了编码系数的判别性能,减少了原子间的自相关性。实验结果表明,较5个对比算法,该算法取得了更高的识别率。