1.

吳至偉—一個新的特徵分析演算法改善中文簽名辨識 ( 2007 )

<<

2.

林鈞傑—一個對於高光譜影像的二維模擬退火波段選擇方法 ( 2007 )

<<

3.

劉原銘—C多維模組特徵空間方法應用於高維遙測影像特徵萃取 ( 2007 )

<<

 

 

吳至偉—一個新的特徵分析演算法改善中文簽名辨識 ( 2007 )
摘要:
在簽名辨識流程中,需經過特徵抽取的步驟,從原始資料擷取各種的特徵資訊。在簽名辨識研究中,有許多特徵被提出來改善辨識率與安全性,也造成有許多雷同或是多餘特徵產生,普遍而言,特徵數目的多寡,會實際影響到簽名辨識的速度與運算量。因此在分類過程之前,運用特徵分析的處理,可強化特徵的品質與穩定度,並刪去相似度極高之特徵。若是未經由特徵分析的過程,將造成「簽名辨識系統」效能無法有效的發揮效能。
本論文中運用遙測影像降低資料維度的方法:「貪婪特徵空間演算法」 (Greedy Modular Eigenspace, GME)與「特徵尺度齊一化轉換」 (Feature Scale Uniformity Transformation, FSUT)演算法,來減少分類時的特徵數目,即可以降低分類時的運算量,提升「簽名辨識系統」的執行速度。利用統計理論中的相關係數公式,可擷取出特徵之間的相似程度,經由本論文的特徵分析處理之後,可刪除性質雷同的特徵,使得在簽名辨識效能上,可以明顯增加特徵的利用性與有效性。本論文初步建立了一個簽名資料庫,具有動態與外型特徵資訊,經由「貪婪模組特徵空間」/「特徵尺度齊一化轉換」將特徵篩選,驗證我們所提出的方法,可改善特徵抽取的不足。文中並也實作此一個中文「簽名辨識系統」於個人數位助理(Personal
Digital Assistant, PDA)之上,可在PDA上實際操作「簽名辨識系統」,證明本文的所提方法除了可提升簽名辨識速度與正確率之外,並可以直接實現於商用中文「簽名辨識系統」中。

論文檔案下載 : 

Top

 

林鈞傑—一個對於高光譜影像的二維模擬退火波段選擇方法 ( 2007 )
摘要:
就高光譜影像而言,貪婪模組特徵空間(GME)利用貪婪演算法為基礎群集高度相關的高光譜波段成一個較小的波段子集合。在本論文中,我們採用模擬退火法取代高光譜影像處理中被採用的GME方法,模擬退火法在最佳化方法中通常是一種更有效的探索方法。這篇論文提出一個「二維模擬退火波段選取(2DSABS)」方法,這個方法能有效地進行高光譜特徵抽取。「二維模擬退火波段選取」以模擬退火演算法為基礎,針對高光譜影像選擇一組非相關的高光譜波段,同時利用在高光譜影像中不同種類的分離度來降低維度,並且進一步有效地產生一個唯一群集的特徵空間(CE)。本論文所提出的二維模擬退火波段選取特色有(1)避免轉換資訊成波段的線性組合的偏差值問題,這是採用傳統的主成份分析方式常見的問題;(2)利用一個簡單的邏輯運算,稱為「CE特徵維度齊一化轉換」,將不同種類的資訊混合,形成具有共通特徵波段的群集子集合;(3)提供一個快速的程序,使能同時地選取最有意義的特徵,並顯著地改善特徵分解計算的複雜性。實驗結果顯示,本論文提出的二維模擬退火波段選取方法有不錯的效率,並且能
作為現今特徵抽取演算法中的另一種選擇。

論文檔案下載 : 

Top

 

劉原銘—C多維模組特徵空間方法應用於高維遙測影像特徵萃取 ( 2007 )
摘要:
本文提出一個新穎的特徵抽取技術,應用於在『高光譜』感測影像上。本方法為架構在之前我們提之『貪婪模組特徵空間』GME方法之上,GME方法是以抽取高維資料中最「簡單」且最有「效率」的特徵模組而稱著。本方法包含兩個演算法,分別為『三維度的相關係數矩陣特徵抽取』 3D-CMFE法以及『特徵尺度齊一化轉換』FSUT法。3D-CMFE方法又稱為「完全整塊模組特徵空間」,能夠以一個特殊修改的相關係數運算,有效地改進GME抽取特徵最佳化的效能。本方法設計一個新定義的『3D相關係數矩陣』,用以抽取最佳化特徵空間模組。同時再配合FSUT方法,將本方法所計算出之不同物種分類最佳化光譜資料特徵空間模組,來聚合成一個可共用之較高相關係數之特徵維度,將其對應的不同種類光譜之『相關矩陣』群,組成多個特徵尺度齊一化之『貪婪模組特徵空間』,進而改良並增進遙測影像的分類辨識率。利用此演算法技術,可以將光譜解析度特性加以開發應用,並可充分利用其絕佳分散性提供一個良好的特徵抽取方法。由於矩陣維度的增加所帶來龐大的計算負擔,
成計算效率過於低落,我們另外提出一個新的「平行完全模組特徵空間」 Parallel Complete Modular Eigenspace (PCME) 演算法,加速大矩陣對於「多維相關係數矩陣」的計算效率。 PCME 演算法主要是利用「平行特點」去分散「CME特徵抽取」成為小的「CME模組」。本演算法以「平行叢集計算」系統 parallel virtual machine (PVM) 為平台,將「N維相關矩陣」的大量計算負荷分配至「平行叢集計算網路」 ,達到提升計算速度的目的。最後並藉由實際校正過後的美國Pacrim II 計畫所提供之完整台灣『高光譜』遙測影像資料,以實地測量的台灣地表真實資料為基準,用以驗證本文所提供之方法的正確性,並與傳統遙測影像資料分類方法做一比較及驗證。

論文檔案下載 : 

Top