基于KNN分类器的分层图像特征提取

给出一种基于k最近邻分类器(KNN)的分层图像特征提取方法.该方法能有效地获得有代表性和判别性的模板集合,并以较低计算复杂度来获取更高的识别精度.     

A ciosed-loop algorithm to detect human face using color and reinforcement learning

A closed-loop algorithm to detect human face using color information and reinforcement learning is presented in this paper. By using a skin-color selector, the regions with color “like“ that of human skin are selected as candidates for human face. In the next stage, the candidates are matched with a face model and given an evaluation of the match degree by the matching module. And if the evaluation of the match result is too low, a reinforcement learning stage will start to search the best parameters of the skin-color selector. It has been tested using many photos of various ethnic groups under various lighting conditions, such as different light source, high light and shadow. And the experiment result proved that this algorithm is robust to the vary-ing lighting conditions and personal conditions.     

网络图像过滤系统的研究与设计

针对目前过滤系统存在的滞后性问题,提出了相应的解决方案,其中包括数据分流和预处理方案。设计了网络图像过滤系统,对过滤速度进行了测试,结果显示该系统可以满足实时要求。     

用于图像目标识别的神经网络方法

本文提出了一种全局最优的神经网络（ＦｕｌｌＤｏｍａｉｎＯｐｔｉｍｕｍＮｅｕｒａｌＮｅｔｗｏｒｋ）模型用于目标识别。通常所设计的神经网络不能保证全局最优，使得网络不一定收敛到期望样本点上。本文的模型采用了先设计稳定点、再构造吸引域的方法，提高了网络的识别正确率及速度。针对图像识别中矢量维数大的实际，提出了一种不变性方法，使得样本维数下降而分类距离保持不变。同时又证明了网络的收敛性、收敛速度及映射保距等。计算机模拟结果表明，网络对噪声或缺损图均能正确识别。     

一种分形图像匹配方法

通过对ＦＢＭ的Ｗｅｉｅｒｓｔｒａｓｓ－Ｍａｎｄｅｌｂｒｏｔ随机分形逼近函数的频谱分析，给出了多重分形特征的定义，并给出了判别图像的ＦＢＭ区域的方法，在ＦＢＭ区域内采用该特征进行匹配能克服复杂自然景物图像中灰度与边缘特征的不稳定性，实验表明该匹配方法能够获得比传统匹配方法，例如平均绝对差算法以及特征匹配法更高的匹配定位精度和匹配概率。     

基于矩和多分辨分析的图像识别

应用矩和多分辨分析对图像进行特征提取，求取不同分辨率下的小波系数的均值、能量和方差，作为特征向量。这组特征向量是将图像的矩特征和小波特征结合形成小波矩特征，即反映了图像的全局信息，又反映了图像的局域性信息，并且具有旋转、平移和缩放不变性。该算法不但解决了图像识别中特征量随图像旋转、平移和缩放而变化的问题，而且提高了对近似物体的识别能力。最后简要介绍了仿真实验及结果，证实此算法能对飞机、舰船等目标进行有效的识别。     

一种改进的点模式指纹匹配方法

自动指纹识别因其在身份认证方面所具有的方便、快速、准确等特点而得到了广泛的关注，而指纹匹配算法的研究又是其中一个非常重要的研究内容．针对基准点定位困难的问题，提出了一种根据特征点集合中3个近邻点所组成的子集之间的相互关系来确定基准点以及变换参数的算法．实验结果证明，该算法可以快速、准确的定位基准点，精确求取变换参数，指纹匹配的速度和准确率可以满足实际应用的需要．     

基于模糊神经网络的车牌图像识别方法

提出了一种基于模糊神经网络的方法对汽车车牌字符进行识别.该方法首先基于Rough Sets.思想获取初始规则和训练集,基于图像识别目标确定网络结构,通过神经网络的学习算法对网络进行优化.然后根据图像识别的模糊特性,利用模糊神经网络对汽车车牌进行精确的识别.实验结果证明该算法比常规识别算法识别率更高.     

改进神经网络与遥感图像的识别

BP网络的分类方法被广泛应用于遥感图像分类,但它存在局部最小值、隐含层节点数及训练速度等问题.高阶神经网络从一定意义上克服了这些缺点,取得比较好的分类效果.本文提出了对高阶神经网络算法的改进,将高阶神经网络作进一步扩展,使其特征数的局限减少,并结合自适应方法,使分类细化,且速度不会影响太大.本文简单介绍了BP网络和高阶神经网络各自的特点;详细描述了改进后的算法,提出对原有的学习方法速度的提高办法;最后分析了应用此算法识别图像的优势和灵活性.