基于卷积神经网络分析滴状血迹形态图像的实验研究

目的血迹形态识别是现场勘验的重要内容,血迹痕迹中不但包含了案件相关人员的生物物证信息,还包含运动轨迹、运动速度、出血点高度等关键信息。基于卷积神经网络分析滴状血迹形态照片,为滴状血痕现场分析重建提供重要依据。方法基于卷积神经网络的血迹形态识别方法与传统的人工特征提取识别不同,利用计算机模式识别方法对2400张血滴照片样本进行半监督学习,预测静态滴落血迹痕迹出血点的高度。结果利用模式识别的方法,对400个验证样本分类测试,利用caffe框架得出实验结果显示,正确分类率达到了96.75%。结论基于卷积神经网络分析滴状血迹形态图像的实验研究,大大提高了血迹形态识别准确率,为血迹形态识别提供一种新的技术方法补充。     

基于数学形态学的交通标志自动识别

本文提出了基于数学形态学理论的交通标志自动识别方法，并研制了一个实验系统．运用数学形态学方法对交通标志的内核形状进行形态处理并提取其形态骨架函数，根据内核形状的形态骨架特征对交通标志进行分类，以达到识别交通标志的目的．实验结果表明形态骨架函数能有效地表达交通标志的内核形状特征，以形态骨架函数作为物体的形状特征进行模式匹配，能较好地识别交通标志．新的形态骨架匹配算法具有位移不变性质，使得识别具有良好的稳健性     

鄂尔多斯盆地奥陶系侵蚀沟谷及顶面形态识别

目的鄂尔多斯盆地下古生界奥陶系风化壳侵蚀沟谷及顶面起伏形态识别。方法综合分析储层地质及地震波形特征,有效识别奥陶系风化壳侵蚀沟谷,利用基于沉积模型的地震反演处理和精细解释方法,高精度识别奥陶系风化壳顶面起伏形态。结果ZB区奥陶系风化壳侵蚀沟谷及顶面起伏形态的识别解释结果与地质综合研究成果基本吻合;开发井的预测结果与实际钻井结果符合程度高,并取得了良好的应用效果。结论奥陶系风化壳侵蚀沟谷和顶面起伏形态的有效识别为马五1 2(O1m51 2)地层厚度、储层物性及含气性预测提供了可靠保证,为气田开发部署和井位优选提供了决策依据。     

面向品牌认知的产品形态推演方法

指出了体验经济时期品牌识别对于企业经营的重要性以及产品系列延伸策略的普遍性。针对品牌视觉认知,采用Design Formation Analysis(DFA)方法提取品牌识别的形态隐式和显式特征。在此基础上提出了基于形态推演法则的形状文法,并通过此进行产品形态推演。最后通过吸油烟机形态推演实例验证了方法的可行性。     

基于随机森林的连续情感识别和跟踪算法

现有的大多数情感识别算法在进行连续情感识别时稳健性较差,影响了识别的精度。为此,提出一种基于随机森林的连续情感识别和跟踪算法,可持续识别出人脸在正常交流过程中的各种情感。在训练阶段,首先重建输入图像的三维脸部模型。并通过图像融合来构建连续情感表示(CEP)和用户无关情感表示(UIEP)。然后,由三维脸部形态、CEP图像及其情感值构成增强型训练集,并利用该训练集来构建随机森林。在情感估计阶段,随机森林同时进行两种回归操作:一种是针对三维脸部表情的跟踪;一种是针对当前情感的识别。当前时间步骤的CEP图像和之前时间步骤的三维脸部形态作为输入,计算当前时间步骤的情感值和三维脸部形态作为输出。当随机森林没有合适的输出时,利用UIEP图像进行复原优化,获得经过复原的三维脸部形态和情感。仿真实验结果表明,所提算法的性能优于当前大多数情感识别算法,实时连续情感识别时的皮尔逊相关系数也较高。     

一种基于随机森林的连续情感识别和跟踪算法

现有的大多数情感识别算法在进行连续情感识别时稳健性较差,影响了识别的精度。为此,文中提出一种基于随机森林的连续情感识别和跟踪算法,可持续识别出人脸在正常交流过程中的各种情感。在训练阶段,首先重建输入图像的三维脸部模型。并通过图像融合来构建连续情感表示(CEP)和用户无关情感表示(UIEP)。然后,由三维脸部形态、CEP图像及其情感值构成增强型训练集,并利用该训练集来构建随机森林。在情感估计阶段,随机森林同时进行两种回归操作：一种是针对三维脸部表情的跟踪;一种是针对当前情感的识别。当前时间步骤的CEP图像和之前时间步骤的三维脸部形态作为输入,计算当前时间步骤的情感值和三维脸部形态作为输出。当随机森林没有合适的输出时,利用UIEP图像进行复原优化,获得经过复原的三维脸部形态和情感。仿真实验结果表明,所提算法的性能达到要优于当前大多数情感识别算法,实时连续情感识别时的皮尔逊相关系数也较高。     

地震解释中构造及其陷阱的识别方法

 为了准确地解释精细构造、研究地下的构造形态和分布,对构造图的准确度提出了更高的要求,构造图能否正确地体现地下的构造形态是识别地下构造形态的关键。本文提出用绝对值法则、“包”子原则快速判断构造图上是否存在构造陷阱。根据等值线的绝对值,在构造图上识别构造形态,找出构造高点;将得到的理论构造形态与实际的地震解释剖面对比,平、剖面相结合,验证解释结果的正确性,从而有效地识别构造陷阱。以某油田构造为例,利用法则快速区别了真假构造,剔除了构造陷阱,充分验证了法则的实用性,为快速合理地寻找圈闭提供了依据。     

暴雨云团演变过程的模式识别

对卫星云图进行预处理后,提取了暴雨云团演变过程的灰度,纹理,形态,中心矩等的特征,用统计与句法相结合的方法进行了识别,提高了识别的自动化程度,与人工识别吻合较好。     

水溶液中磷酸根衍生物的形态分辨识别新型光学探针

水溶液体系中阴离子的发光分子传感器设计是分子识别领域中的新研究热点,目前已建立的这类传感体系还很少[1～3],做到能对同一阴离子的不同衍生形态进行分辨性识别的尚未见报道.基于磷酸根及其不同衍生形态在生命体系的重要性,本文设计了一类"缺配位"镧系化合物HQSAC-Ln(Ⅲ)(Ln=Eu,Ce,Yb)(图1)作为生理pH条件下水溶液中磷酸根衍生物的形态分辨性识别探针,获得良好的光学响应效果.     

山东毛茛科归化植物一新记录种——天葵

报道了山东产毛茛科天葵属归化植物一新记录种——天葵,并对其形态识别特征、叶表皮微形态和种子形状及种皮微形态等进行了详细研究.     

基于协同理论的不变性模式识别

提出了一种基于协同学理论的不变性模式识别模型．该模型首先对输入图象模式进行位置和大小上的归一化，然后提取其旋转不变性子波特征作为模型的试验模式，最后由协同系统的序参量迭代方程得出正确的识别结果．这种方法与Ｈａｋｅｎ提出的两种协同不变性模式识别方法相比，既比频域法更接近于人类的认识过程，又避免了“伪状态”的出现，使得系统严格收敛到正确的模式上．实验表明，该模型不但具有很好的识别精度，而且还表现出较好的抗干扰和缺损能力．     

基于不变矩特征及BP神经网络的图像模式识别

根据图像的不变矩特征,应用BP神经网络实现了图像的模式识别.由于神经网络本身具有很强的学习能力及容错能力,且采用并行工作方式,因此,此识别方法与传统的模式识别方法相比,具有较强的抗干扰能力及较快的识别速度.本文通过实验验证了此方法的有效性.     

交比不变量在机器视觉中的误差分析及应用

研究成像过程中交比不变量的误差问题.介绍了如何利用两个黑条来构造共线4点的交比;分析了图像像素噪声对交比值精度的影响;给出了一个与摄像机外部参数有关的交比误差不等式,得到了交比误差上下限.利用交比不变性设计了一种结构简单的新型人工路标,这种路标对各种视角及变光照条件下的检测具有很高的鲁棒性.真实图像的检测结果表明,这种人工路标易于识别,被检速度快而准.这对单目自主移动机器人基于人工路标的视觉定位与导航具有重要的实际应用价值.     

电视图像目标实时分割与识别算法

研究一种电视图像目标实时分割和识别算法.在二维图像不变矩和相对矩的基础上,进一步组合优化得出4个不变矩,结合复数矩、圆方差和椭圆方差组成目标特征向量,利用k-近邻法实现目标的识别和分类.图像分割采用改进矩不变阈值分割和基于梯度的自适应阈值分割提取目标.仿真实验表明,提取的目标特征量对于平移、缩放和旋转均能保持较好的不变性.用该分割算法分割的图像边缘清晰,分割时间为8 ms,易于硬件实现.     

基于不变矩特征和神经网络的图像模式模糊分类

提出了一种基于不变矩特征和神经网络的医学图像识别模型·所设计的识别模型包括不变矩特征提取、不变矩矢量标准化、模糊化预处理、BP网络与竞争选择·利用不变矩方法提取医学图像的特征矢量,能有效检测出具有平移、旋转和比例变化的图像,利用神经网络作为分类器对提取的特征矢量分类,使用模糊化的方法先对输入特征数据做预处理再进行识别,每一个图像模式归属于某一类是以0到1的数字代表其归属程度·实验结果验证了模型的有效性,训练好的网络有很好的分类能力·     

基于自然状态背景人脸图像数据库的建立

为了解决人脸识别算法设计与测试中图像样本背景单一,难以测试算法在自然环境中的识别效率这一问题,采用了分类实践的方法,建立了基于自然状态背景的人脸图像数据库;同时,设计了图像采集系统,实现了多种状态采集模式,使图像数据库状态丰富.该图像数据库建立了多种状态子库,包括姿态子库、光照子库、表情子库、佩戴饰物子库、时间跨度子库,同时还包括了夜间模式下的人脸图像.研究结果表明:该数据库对于设计高效算法,测试算法在不同状态下的鲁棒性具有很大的价值.该成果对于人脸识别算法的研究和开发具有一定的应用和参考意义.     

归一化方法用于PSRI目标识别

本文介绍了一种解决位移，大小和旋转不变性的归一化方法，图像的归一化由矩来实现，其中解决方向不变性采用了二点法。为了提高归一化后的二值图像相互之间的正交性，文中采用了反归一化方法，在此基础上应用ＦＤＯ神经网络进行目标分类，实验结果证明，此系统具有较好的分类能力。     

基于注意的图像识别模型及其在人像检测中的应用

提出了一种基于注意机制的图像识别模型。其基本想法是：在进行复杂的场景分析或目标识别时,首先通过注视控制机制,获得视景中的关键特征区域,并将注视点按照一定的顺序对这些关键特征区域进行串行扫描。在扫描到每一个关键特征区时,将对该区域附近的局部模式进行记忆或匹配。对一个复杂目标的记忆将包括2部分,一部分是对局部模式的记忆,即组成该目标的各“部件”的模式;另一部分是对各局部模式之间的空间关系的记忆,即组成该目标的各“部件”之间的结构关系。与记忆过程对应,识别过程也包括2部分,一部分是对局部模式的匹配,另一部分是对各局部模式之间结构关系的匹配。当匹配上的局部模式足够多且其空间关系正确时,目标即得到识别。用该模型对复杂背景中的人像进行了检测。实验结果表明,模型较好地解决了不变性识别的问题,即识别结果与目标物的平移、旋转和尺度变化无关,并且具有良好的鲁棒性和速度,是一种具有认知意义并且可以实用化的模型。     

光学相关不变性模式识别的局限性及其出路

本文运用神经网络理论分析了光学相关不变性模式识别的局限性,在保持光学相关模式识别方法的合理内涵的基础上,提出了基于两层神经网络的不变性模式识别方法,分析了这种方法的普适性、适应性、最优并行性及其在硬件实现上的优点,并给出该方法用于多个飞行目标多畸变不变性识别的实验结果．