检索结果

Select

1. 基于增强型对抗学习的无参考图像质量评价算法

曹玉东, 蔡希彪

计算机应用 2020, 40 (11): 3166-3171. DOI: 10.11772/j.issn.1001-9081.2020010012

摘要（503）

PDF （1035KB）（589）

为了提高无参考图像质量评价（NR-IQA）方法的性能，参考先进的深度生成对抗网络（GAN）研究成果，提出一种基于增强型对抗学习的无参考图像质量评价算法，即通过改进损失函数、网络模型结构来增强对抗学习强度，输出更可靠的模拟“参考图”，进而可以像全参考图像质量评价（FR-IQA）方法一样模拟人的视觉比较过程。首先，利用数据集中失真的图像和未失真的原图像作为输入，从而基于增强对抗学习来训练网络模型；然后，利用该模型输出待测图像的模拟仿真图，提取仿真图的深度卷积特征；最后，将仿真图和待测失真图的卷积特征相融合，并输入到训练好的图像质量评价回归网络，输出图像的评测分数。在LIVE、TID2008和TID2013数据集上完成实验。实验结果表明，所提算法在图像质量上的总体客观评价性能优于当前的主流算法，与人的主观评价表现出的性能相一致。

参考文献 | 相关文章 | 多维度评价

Select

2. 稀疏正则非负矩阵分解的语音增强算法

蒋茂松, 王冬霞, 牛芳琳, 曹玉东

计算机应用 2018, 38 (4): 1176-1180. DOI: 10.11772/j.issn.1001-9081.2017092316

摘要（426）

PDF （800KB）（446）

对于非负矩阵分解的语音增强算法在不同环境噪声的鲁棒性问题，提出一种稀疏正则非负矩阵分解（SRNMF）的语音增强算法。该算法不仅考虑到数据处理时的噪声影响，而且对系数矩阵进行了稀疏约束，使其分解出的数据具有较好的语音特征。该算法首先在对语音和噪声的幅度谱先验字典矩阵学习的基础上，构建联合字典矩阵，然后更新带噪语音幅度谱在联合字典矩阵下的系数矩阵，最后重构原始纯净语音，实现语音增强。实验结果表明，在非平稳噪声和低信噪比（小于0 dB）条件下，该算法较好地削弱了噪声的变化对算法性能的影响，不仅有较高的信源失真率（SDR），提高了1~1.5个数量级，而且运算速度也有一定程度的提高，使得基于非负矩阵分解的语音增强算法更实用。

参考文献 | 相关文章 | 多维度评价

Select

3. 具有普适性的改进非负矩阵分解图像特征提取方法

贾旭, 孙福明, 李豪杰, 曹玉东

计算机应用 2018, 38 (1): 233-237. DOI: 10.11772/j.issn.1001-9081.2017061394

摘要（432）

PDF （825KB）（328）

为提高图像特征提取的普适性，提出了一种基于改进非负矩阵分解（NMF）的图像特征提取方法。首先，考虑到提取的图像特征的实际意义，选用非负矩阵分解模型进行图像特征的降维处理；其次，为实现用较小数量系数来描述图像特征，将稀疏约束作为非负矩阵分解模型的正则项之一；然后，为使降维后优化得到的特征具有较好的类间区分性，将聚类属性作为非负矩阵分解的另一个正则项；最后，通过对模型的梯度下降优化求解，获得最优的特征基向量与图像特征向量。实验结果表明，针对3种图像数据库，所提的图像特征更有利于图像正确分类或识别，错误接受率（FAR）与错误拒绝率（FRR）分别可以降低到0.021与0.025。

参考文献 | 相关文章 | 多维度评价

Select

4. 稀疏约束图正则非负矩阵分解的增量学习算法

汪金涛, 曹玉东, 孙福明

计算机应用 2017, 37 (4): 1071-1074. DOI: 10.11772/j.issn.1001-9081.2017.04.1071

摘要（542）

PDF （632KB）（587）

针对非负矩阵分解后数据的稀疏性降低、训练样本增多导致运算规模不断增大的现象，提出了一种稀疏约束图正则非负矩阵分解的增量学习算法。该方法不仅考虑数据的几何信息，而且对系数矩阵进行稀疏约束，并将它们与增量学习相结合。算法在稀疏约束和图正则化的条件下利用上一步的分解结果参与迭代运算，在节省大量运算时间的同时提高了分解后数据的稀疏性。在ORL和PIE人脸数据库上的实验结果表明了该算法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

5. 具有普适性的改进NMF图像特征提取方法

贾旭孙福明李豪杰曹玉东

录用日期: 2017-08-26