作者：童强，李太君，刘笑嶂 （海南大学信息科学技术学院；海南大学省重点Internet信息检索实验室）

出处：电视技术 2019

关键词：深度学习；迁移学习；损失函数；车辆信息识别

摘要：针对在深度卷积神经网络中存在对样本数据需求量大和过拟合的问题,提出一种基于深度网络迁移学习的车辆信息识别方法。该方法通过在ImageNet数据集上预训练的深度网络VGG-19进行同构空间下的特征迁移;结合改进的模型损失函数Softmax搭建网络全连接层,并冻结中低层卷积层、利用不同学习率来微调高层卷 ...

作者：全永奇，李太君，邓家先，谢凯明 （海南大学信息科学技术学院）

出处：计算机应用研究 2016

关键词：图像增强；模糊集增强；非线性增益；自适应增强

摘要：针对部分图像对比度低、细节模糊不清等问题,提出了一种模糊集增强与非线性增益相结合的自适应图像增强算法,使用双正交小波变换对原始图像进行分解,低频子带系数采用改进的模糊集增强算法,以提升图像的整体对比度;对高频子带,先采用贝叶斯萎缩法估计噪声与信号的阈值,再使用一种非线性增益函数增强图像细节并抑制噪声 ...

作者：王中正，李太君，方锦文 （海南大学 信息科学技术学院）

出处：测绘与空间地理信息 2018

关键词：热岛效应；地表温度反演；单窗算法；大气校正法

摘要：城市热岛效应是全球城市化面临的共同难题,也是我国城市生态建设面临的主要问题之一。研究数据以2015年6月26日Landsat 8海口市为例,运用辐射传输方程法和单窗算法对研究区域进行地表反演,对该市城市热岛效应进行了研究,得到两种算法的地表温度分布图,并与该地区星上亮温和当天实际气温进行比较。结果表 ...

作者：周浩理，李太君，肖沙 （海南大学信息科学技术学院）

出处：电视技术 2015

关键词：K-means算法；微正则退火；聚类

摘要：K-means算法是经典的基于划分的聚类算法,但该算法存在依赖于初始聚类中心、容易陷入局部最优解等缺点。针对这些缺点,提出了基于微正则退火K-means聚类算法,通过继承微正则退火算法的高效全局寻优特性,可以避免陷入局部最优解。实验结果表明,改进的算法能够有效地减少原算法对初始聚类中心点的依赖,提高 ...

作者：杨胜辉，李太君，肖沙，周浩理，徐宁敏 （海南大学信息科学技术学院；海南省公安厅）

出处：电视技术 2015

关键词：Otsu算法；遗传算法；模拟退火算法；三帧差分；阈值分割

摘要：针对Otsu自适应阈值分割算法中阈值搜索精准度较低、效率不高的问题,结合视频图像序列的帧间相关性,利用遗传算法的全局寻优优势,及模拟退火算法较好的爬山性能,提出一种改进的Otsu算法,并与三帧差分法相结合应用于视频运动目标检测。实验证明,该算法相对Otsu算法和对比算法减少阈值分割中的寻优尝试次数, ...

发明人：李太君，罗其朝，李延龙，刘雪亭，肖沙，贾已真

申请日期：2014.04.09

摘要：本发明公开了一种基于数字图像处理的海水珍珠鉴别系统，包括图像预处理模块、特征提取模块、比对鉴别模块和结果输出显示模块，其中图像预处理模块、特征提取模块、比对鉴别模块和结果输出显示模块依次串联连接；图像预处理模块将采集到的待鉴别珍珠图像进行去噪、分割预处理，特征提取模块提取预处理后的珍珠图像的形状、颜 ...

作者：童强，李太君 （海南大学信息科学技术学院）

出处：海南大学学报(自然科学版) 2018

关键词：SUSAN算法；去雾算法；边缘检测；自适应几何阈值

摘要：针对复杂海面环境下船只边缘识别问题,提出了一种融合Retinex图像去雾预处理和改进自适应阈值SUSAN边缘检测的算法,用来提取船只目标边缘特征.对由于不同场景海雾造成的图像模糊,采用Retinex预处理增强图像信息,然后对待检测目标像素剔除伪边缘点,采用自适应算法获取几何阈值t和最大类间方差(Ot ...

作者：刘雪亭，李太君，肖沙，贾已真 （海南大学信息科学技术学院）

出处：河南科技大学学报(自然科学版) 2014

关键词：信息熵；颜色特征；尺度不变特征变换；图像检索

摘要：针对图像检索中基于单一全局颜色特征或局部特征的检索方法存在查准率和查全率低等问题,提出了一种融合信息熵和改进尺度不变特征变换算法的图像检索方法。首先,利用改进的尺度不变特征变换算法提取图像的局部特征;然后,计算图像的全局颜色特征和信息熵;最后,利用信息熵动态分配全局颜色特征和局部特征的权重,计算图像 ...

作者：李延龙，李太君，罗其朝 （海南大学信息科学技术学院）

出处：海南大学学报(自然科学版) 2013

关键词：图像检索；颜色特征；颜色空间分布；子块技术

摘要：提出一种能同时利用图像的颜色特征和颜色空间分布信息进行图像检索的方法,首先提取出最大的3块颜色区域及各自的最小包围矩形(MBR),然后利用改进的子块技术,确定目标区域的位置,从而得到融合颜色与位置信息的索引,在此基础上实现图像的检索.实验结果证明了该方法的有效性.

作者：周浩理，李太君，肖沙，徐宁敏 （海南大学信息科学技术学院；海南省公安厅科技通信处）

出处：传感器与微系统 2016

关键词：双向蚁群算法；微正则退火算法；大规模；全局最优解

摘要：双向蚁群搜索算法可以提高算法的搜索速度,并可以选择搜索的空间;微正则退火算法具有准确度高、速度快等优点,可以实现全局路径优化搜索。结合两种算法的优点,提出了双向蚁群微正则退火算法,用来求解海量数据网络下的旅行商问题。通过实验表明:双向蚁群微正则退火算法不容易陷入局部最优解,且在寻找全局最优解和运行效 ...