基于人工神经网络的液压压砖机故障实时诊断专家系统设计

设备故障诊断技术的核心问题是采用什么诊断方法。文章结合神经网络及专家系统的优点,提出了基于人工神经网络的全自动液压压砖机故障实时诊断专家系统设计方案,实现全自动液压压砖机故障的快速、准确诊断。     

一种基于遗传算法的指纹比对算法

指纹比对在身份验证与身份识别中具有非常重要的应用。该文提出了一种基于遗传算法的指纹比对算法。该算法针对指纹比对的特点 ,设计了相关的目标函数与遗传算子 ,搜索了两幅指纹间可能存在的平移、旋转等几何参数变化关系 ,并在此基础上确定了二者之间的特征点匹配关系 ,从而可判断两幅指纹匹配的程度。实验结果表明 ,该方法可以在变换与局部变形存在的情况下 ,正确判定两幅指纹之间对应的特征点。与直接利用遗传算法搜索特征点对应关系的方法相比 ,新搜索方法收敛所需的迭代次数仅为遗传算法的1/ 5 ,速度得到了提高     

基于乳突纹方向特性的掌纹自动分类方法

针对在利用掌纹进行身份自动鉴别的过程中如何对掌纹进行自动分类 ,提出了一种利用乳突纹方向特性的掌纹自动分类方法。此方法首先生成具有 4个方向的掌纹方向图 ,然后利用改进的庞加莱指数算法对掌纹方向图进行处理来确定三角点和中心点 ,最后根据掌纹指根区和掌纹外侧区中三角点和中心点的数量对掌纹进行分类。利用此方法对340个指根区和 35 4个外侧区的油墨捺印掌纹图像进行了测试 ,在指根区的正确率为 95 .6 % ,在外侧区则为 96 .9%。实验结果说明上述方法能够有效地进行掌纹自动分类。     

利用掌纹进行身份自动鉴别方法的研究

利用掌纹进行身份鉴别是一项开拓性的工作,是对基于指纹和掌型的身份鉴别技术的重要补充。在分析掌纹特点的基础上,提出了利用掌纹进行身份自动鉴别的方法：基于掌纹几何和结构特征的身份验证方法和基于掌纹细节特征的身份识别方法。通过实验,论证了上述方法的可行性和有效性,从而为基于掌纹的身份自动鉴别技术的研究积累了有益的经验。     

Image Mosaicing Algorithm for Rolled Fingerprint Construction

IntroductionFingerprint identification is the most importantbiometric technique for automated personalauthentication[1,2 ] .In the past,fingerprints used inidentification systems were acquired by applyingink to the fingers and rolling each finger from nai…     

基于方向投影的自动掌纹基准点检测

利用掌纹进行自动身份鉴别是对基于生物统计的身份鉴别技术的重要补充，掌纹的定位则是身份自动鉴别中一项重要的基础性工作。作为初步的研究，尝试对掌纹的基准点进行定义并提出了一种自动检测掌纹基准点的方法。利用这种快速简单的基于方向投影的方法对大量的掌纹图进行测试，其中９５％的基准点能被精确检测。     

由手写体图象恢复笔划的一种方法

本文提出一种由手写体图象复恢笔划是的跟踪算法。该算法突破了象素级链码跟踪的传统方法，在考虑了周围笔划的走向基础上进行笔划跟踪。首先，灰度图象经过二值化和细化产生手写体的原始骨架；其次由手写体的宽度信息进一步得到两类骨架：基本骨架与参考骨架；再通过基本骨架的跟踪连接得到笔划段。实验表明该方法对手写体笔划段。最后讨论了跟踪后处理，其目的是为了得到和人书写结果类似的笔划。实验表明该方法对手写体笔划跟踪有很好的效果。     

用于离线英文签字识别的特征点匹配

本文提出一种用于英文签字识别的特征点匹配算法。该算法通过比较各特征点的局部特性及特征点之间的相对关系，计算各特征点间的相似性从而得到特征点匹配关系。特征点集通过沿笔划骨架的变尺度量测获得。本文提出的算法采用逐级匹配的策略，加快了匹配的速度，提高了匹配准确度。实验结果表明这种算法具有很好的适应性。这种方法也可用于其他文字识别中。     

基于K-L变换的掌纹自动识别

掌纹自动识别是对基于生物统计学的身份鉴别的重要补充。论文尝试了对掌纹图像代数特征的提取 ,并设计了基于 K- L变换的掌纹自动识别方法。实验表明 ,这种方法能够取得很好的识别效果 ,即使对于低分辨率下的图像也有较高的识别率。在此基础上结合子空间法模式识别理论 ,提出了双子空间掌纹自动识别方法。并用双子空间对各类样本的空间分布进行了更加精细的刻画。然后采用分层最小距离分类器实现掌纹识别 ,使识别率和鲁棒性得到了进一步提高。     

基于K-L变换的人脸自动识别方法

研究了利用计算机实现的人脸自动识别方法。在传统的“特征脸”方法基础上，提出了一种改进的人脸自动识别方法。该方法对于经过预处理的标准人脸图像，以类间散布矩阵为产生矩阵，通过Ｋ－Ｌ变换降维并提取人脸图像的代数特征。同时，利用遗传算法进行特征选择，以构成有利于分类的自适应子空间。在此子空间内，将图像进行正交分解，然后分别对各类训练样本进行二次Ｋ－Ｌ变换，进一步构成其旋转子空间，从而最终实现了一个分层次的最小距离分类器。实验表明，本方法识别率较高，且对于人脸的姿态、表情及光照条件均具有一定的不敏感性。