洪铭
- 作品数：9 被引量：27H指数：3
- 供职机构：华侨大学工学院更多>>
- 发文基金：国家重大科学仪器设备开发专项泉州市科技计划项目更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于动态引导滤波的多尺度图像融合算法
- 2016年
- 该文基于动态引导滤波器(RGF)提出了一种新的图像多尺度表示方法,并将其应用到图像融合技术中。首先,使用RGF将输入图像用多种尺度的子图表示;然后,基于显著性检测获得输入图像的权重映射;最后使用基于递归滤波的加权融合方法得到最后的融合图像。多组图像融合实验的比较结果表明,相比于其它基于多尺度分解的融合算法,本文提出的融合算法更好地保持了输入图像的细节信息,融合图像的视觉效果更好。
- 洪铭柳培忠汪鸿翔
- 关键词：显著性检测
- 基于改进的TLD算法的手势跟踪算法
- 2016年
- 该文在分析表征手势特征基础上,分别根据金字塔LK原理、FERN分类原理和P-N学习原理及手运动轨迹的连续性规律来研究适用于手势识别的关键技术,即手势目标跟踪技术、P-N学习的样本增长和修剪技术的算法。针对目前在手的局部区域跟踪过程中,手势目标跟踪失败后难以恢复和容易受到脸部、肤色和手臂的干扰等问题,该文在TLD单目标跟踪算法的基础上,提出了一种改进的多目标手势局部区域跟踪TLD算法,针对算法的检测模块,在FERN分类器的基础上,采用颜色特征相交系数的方法,改进FERN分类器的第一级方差分类器;还提出一种自适应坐标系的方法,缩小了检测模块扫描窗口的滑动区域。通过仿真实验证明,相对于原算法,这一改进算法在客观评价指标和主观视觉效果上都有明显提高。
- 王铭航柳培忠黄德天顾培婷洪铭
- 基于改进的TLD算法的手势跟踪算法
- 在分析表征手势特征基础上,分别根据金字塔LK原理、FERN分类原理和P-N学习原理及手运动轨迹的连续性规律来研究适用于手势识别的关键技术研究即手势目标跟踪技术、P-N学习的样本增长和修剪技术的算法.针对目前在手的局域区域...
- 王铭航柳培忠黄德天顾培婷洪铭
- 单目标跟踪算法综述被引量：4
- 2016年
- 目标跟踪是计算机视觉领域的一个基本问题,具有广泛的研究与应用价值。该文根据算法理论的不同,将目标跟踪算法分成目标表观建模和跟踪策略两部分,又将目标表观建模分成生成式跟踪和判别式跟踪分别进行介绍;从基于均值漂移和滤波理论两方面介绍跟踪策略;并重点介绍了基于深度学习的相关算法,总结了深度学习算法的优缺点。
- 汪鸿翔柳培忠骆炎民洪铭顾培婷
- 关键词：目标跟踪
- 一种基于多智能体策略的人工免疫网络数据分类方法被引量：12
- 2017年
- 在传统的人工免疫网络基础上,将多智能体技术的典型策略融入到免疫网络的进化过程中。算法引入了邻域克隆选择,操作过程从局部到整体,能够更加全面地模拟免疫网络的自然进化模型;同时在免疫网络进化过程中增加了抗体间的竞争和协作操作,提高了网络的动态分析能力。后续实验中,分别采用常用的三组UCI数据和一幅红树林多光谱TM遥感图像对算法加以验证,实验结果表明算法对遥感图像有较高的分类效率,对UCI数据也有较好的分类效果,表明该算法是一种有效的数据分类方法。
- 洪铭柳培忠骆炎民
- 关键词：人工免疫网络多智能体技术数据分类遥感图像
- 基于窄带通信的视频的压缩编码研究被引量：1
- 2016年
- 为有效地解决窄带下多媒体通信问题,通过对窄带下的图像采集技术及视频压缩技术的研究。根据监控视频的特点研究相关的视频压缩算法,以减小视频存储所占用的空间和减小视频传输所需的带宽。
- 洪铭
- 关键词：窄带通信视频压缩视频编码
- 基于CV模型和快速Hough变换的虹膜
- 2016年
- 为提高虹膜定位的精确度和可靠性,提出了一种基于CV模型和快速Hough变换的虹膜定位算法。首先,本文算法将图像进行形态学预处理,提高了定位的准确性;然后,采用CV模型根据能量函数参数化取极小值原则,借助图像力作用得到虹膜内圆轮廓,使得定位结果精确;最后,在虹膜外圆定位时,由于受干扰较多,通过快速Hough变换对虹膜外圆拟合。在2个虹膜数据库上进行算法性能验证,实验结果表明,本文方法的准确率为97.12%,且在准确率和定位时间上都优于同类方法。
- 顾培婷黄德天柳培忠洪铭
- 关键词：虹膜定位CV模型快速HOUGH变换
- 基于SVM的不平衡数据分类算法研究及其应用
- 随着计算机和信息技术的发展，在生产和生活中，每天都会产生大量的数据。如何有效地寻找和发掘这些数据中的知识和规律，对其进行分类和预测已成为人工智能和机器学习等领域的重要研究内容之一。SVM是一种基于统计学习理论和结构风险最...
- 洪铭
- 关键词：支持向量机不平衡数据分类统计学习
- 基于ADASYN与AdaBoostSVM相结合的不平衡分类算法被引量：10
- 2017年
- 对于平衡数据集支持向量机(support vector machine,SVM)通常具有很好的分类性能和泛化能力,然而对于不平衡数据集,SVM只能得到次优结果,针对该问题提出了一种基于SVM的AS-Ada Boost SVM分类算法.首先,通过使用ADASYN采样,提高少类样本在边界区域的密度;然后,使用基于径向基核支持向量机(radial basis function kernel mapping support vector machine,RBFSVM)模型弱分类器的Ada Boost SVM算法训练得到决策分类器.通过将该算法在各种不平衡数据集上的测试结果与单纯运用ADASYN技术、Ada Boost SVM、SMOTEBoost等其他分类器进行比较,验证了该算法的有效性和鲁棒性.
- 柳培忠洪铭黄德天骆炎民王守觉
- 关键词：不平衡数据数据分类
