基于Gabor函数的汉字字体识别

汉字字体识别是当前中文OCR系统需进一步解决的问题之一,字体信息属于汉字笔画上的微细结构部分,抗干扰能力差,这样基于局部微细结构分析的方法是具有较大难度的.这里采用了一种新的基于Gabor函数的全局纹理分析的识别方法.在实验中选用了汉字4种常用标准印刷字体（宋、仿宋、黑、楷）的样张,以证实这种方法的有效性.     

基于Gabor滤波器和RBF网络的人耳识别

人耳这种人体生物特征识别技术已受到广泛的关注。提出一种基于2-D Gabor滤波器和径向基函数(RBF)神经网络的人耳识别方法。应用Gabor滤波器对人耳进行多尺度多方向的特征提取,然后采用RBF神经网络优良的自学习能力和非线性分类能力进行人耳图像的训练和识别。与传统的PCA方法相比,该方法对光照和姿态转换具有很好的鲁棒性,并且对不同的数据库具有较好的泛化能力。在USTB人耳图像库的实验结果显示该方法的有效性。     

基于到达时间差的声源定位算法与实现

基于到达时间差的声源定位方法由时延估计和定位估计两部分构成,第一步的误差会带入到第二步从而造成累积误差,影响最终定位精度.针对这一问题,本文提出了一种改进的声源定位方法,采用累积互功率谱相位时延估计,并在此基础上结合球形插值算法进行定位.为了验证该算法在实际声场环境下的可行性和有效性,构建了三维麦克风阵列声源定位系统.实验结果表明,本文所提出的方法可以有效减少误差,提高最终定位精度.     

基于Gabor小波和神经网络的图像目标识别

针对目前数字图像目标识别方法中存在识别精度和实时性的问题,提出一种结合Gabor小波和神经网络的图像目标识别方法.该方法首先对图像进行预处理,用Canny算子进行边缘提取,然后通过神经网络获取最优的双Gabor小波复合滤波器参数,再采用参数优化过的滤波器组提取目标的特征向量,最后进行目标的分类和识别.实验表明这种方法鲁棒性好、识别率高.具有较广泛的实际应用价值.     

基于ASM和Gabor小波的人脸表情识别算法

结合ASM与Gabor小波的优点,提出可以有效提取人脸特征的ASM_GW,并通过LDA算法进一步降低了运算量.最后利用JAFFE人脸表情库对算法进行仿真,通过实验说明算法的有效性.     

一种用于掌纹识别的Gabor滤波器方向选取方法

根据掌纹图像的频谱特征,提出了一种自动选取Gabor滤波器方向的方法.该方法将掌纹图像的Fourier谱映射到极坐标域,分析并计算Fourier谱在角度轴上的投影峰值,从而设置Gabor滤波器的方向.实验结果表明:该方法提高了掌纹图像的识别率,且算法实现简单.     

基于PCA的指节纹图像全局特征提取与识别

在基于PCA( Principal Component Analysis) 的指节纹图像全局特征提取和识别中,为了提高准确率,在传统方法的基础上,通过实验验证了4 指指节纹对于识别结果有不同的分类权重( 贡献率) 。改进了已有研究成果中对4 指等权重分配的方法。实验结果显示,和4 指等权重分配方法达到94． 4%的识别率需要32 维特征相比,4 指权重比为2 ∶ 2 ∶ 3 ∶ 2 时,取21 维特征即可达到最高识别率94． 4%。因此该方法可大大降低特征维数,提高识别速度。     

基于Gabor滤波器组和特征分组神经网络目标识别

就模式识别中特征提取和分类决策两个阶段进行了研究．在特征提取方面，提供了一种用于提取图像不同中心频率和方位特征的Gabor滤波器组的设计方法；在分类决策算法方面，提出了一种基于图像的Gabor滤波特征的特征分组神经网络分类算法，该算法将一个复杂的模式识别问题分解为几个简单问题来处理，降低了问题的复杂度，同时还取得了一定的抗有限带宽噪声的效果．     

基于场结构的指纹图像细节特征提取算法

根据指纹图像局部区域所固有的方向特性和频率特性,提出了方向场和频率场的概念,实现了指纹图像与背景区域的有效分离,并实现了指纹图像的二值化、细化以及细化纹线修复的后处理。提出了一种基于场结构的快速而有效的指纹图像细节提取算法。该算法依据局部与宏观相结合的原则,不但利用了指纹图像的局部特性,而且结合了局部四邻区域的关联特性,对于脊线方向变化较小的局部区域,采取单一方向Gabor滤波的方法;对于脊线方向变化较大的局部奇异区域,采取多方向Gabor滤波合成的综合方法,从而保证了提取指纹细节特征的准确性。实践证明,与现有的方法相比,此方法具有计算量小、细节特征提取准确的特点,可应用于实际的指纹自动识别系统中。     

平板气动导纳识别理论及测量

气动导纳函数是桥梁抖振分析中的重要气动参数 .首先推导了能够有效测量 6个气动导纳修正系数的理论公式 ;然后通过直接测量脉动风速的 2个分量及由 2个分量引起平板上的抖振力 ,采用互功率谱法计算得出了平板在不同风速、不同攻角下的 6个气动导纳修正系数 ;介绍了利用风洞中的格栅紊流和基座式高频天平对平板的气动导纳进行试验识别的方法 ,并通过试验结果得出了一系列重要的结论     

基于Gabor特征和EHMM的人脸识别方法

针对传统人脸识别方法在受到表情、姿态和光照等影响时存在鲁棒性差的问题,提出了一种改进的人脸识别方法.在特征提取上,该方法首先提取人脸的Gabor特征,接着利用DCT(discrete cosinetransform)压缩使得相似特征得到聚合,最后利用PCA(principal component analysis)分别...     

Multi-modal face parts fusion based on Gabor feature for face recognition

A novel face recognition method,which is a fusion of multi-modal face parts based on Gabor feature(MMP-GF),is proposed in this paper.Firsdy,the bare face image detached from the normalized imagewas convolved with a family of Gabor kernels,and then according to the face structure and the key-pointslocations,the calculated Gabor images were divided into five parts:Gabor face,Gabor eyebrow,Gaboreye,Gabor nose and Gabor mouth.After that multi-modal Gabor features were spatially partitioned intonon-overlappi...     

基于Gabor小波和支持向量机的人脸识别

提出一种将Gabor小波和支持向量机相结合的人脸识别算法。运用AdaBoost算法在复杂背景图像中快速准确地检测出人脸部分,进而用Gabor小波提取归一化人脸图像的特征。最后采用支持向量机进行人脸的分类识别。在ORL人脸库和CAS-PEAL-R1人脸库中对算法进行了测试,结果表明该算法识别率较高。     

基于Gabor特征和EHMM的人脸识别方法

针对传统人脸识别方法在受到表情、姿态和光照等影响时存在鲁棒性差的问题,提出了一种改进的人脸识别方法。在特征提取上,该方法首先提取人脸的Gabor特征,接着利用DCT(discrete cosine transform)压缩使得相似特征得到聚合,最后利用PCA(principal component analysis)分别筛选出最能够代表人脸各个区域的DCT系数。在识别方法上,该方法采用了嵌入式隐马尔科夫模型(embedded hidden markov model,EHMM),并基于人脸的认知结构信息对嵌入式隐马尔可夫人脸结构模型进行了改进。对比实验结果表明,该方法识别率高,复杂度低,并具有较好的鲁棒性,易于在工程上应用。     

分块统计特征和最优分辨力选择特征相融合的掌纹识别

为提高掌纹识别的性能,提出一种分块统计特征和最优分辨力选择特征相融合的掌纹识别方法。首先对预处理后的掌纹图像进行多方向、多尺度Gabor变换;然后将掌纹划分多个子块提取特征,将各子块特征进行拼接得到整个掌纹特征向量;最后以特征分辨力为准则选出最优掌纹特征子集建立两分类器,通过投票机制建立掌纹多类分类器,并采用Po1yU掌纹库进行性能测试。测试结果表明,该方法的掌纹识别性能优于对比掌纹识别方法。     

基于离散隐马尔科夫模型的语音识别技术

概述语音识别技术的基本原理,对当前三种主要识别技术--动态时间规整技术、隐含马尔科夫模型技术及人工神经网络技术进行比较,重点介绍基于离散隐马尔科夫模型(DHMM)的语音识别系统的实现.     

基于Gabor特征和协同神经网络的车牌识别方法

研究了车牌字符识别问题,针对车牌识别系统易受天气及光照变化影响的实际应用,将Gabor特征和协同神经网络应用在车牌字符识别中,提高了识别率.首先对车牌字符进行二值化和切分,然后利用Gabor滤波器提取车牌字符的特征参数;再利用协同模式训练特征参数,进而得出训练样本;最后根据协同神经网络进一步识别车牌字符.通过大量仿真实验表明,该方法在不同场景、光照条件下,与传统方法相比,识别率有了较大改进,该方法在车牌识别领域有较强的实用性.     

一种基于小波神经网络混合模型的说话人识别方法

提出一种混合模型,即将隐马尔可夫模型(HMM)和小波神经网络(WNN)相结合应用于说话人识别的模型.该方法利用HMM的时序建模能力以及小波神经网络较强的模式分类能力,进行与文本无关的说话人的识别.实验表明,采用这种混合模型可以提高系统的识别率,特别在噪声环境中具有一定的噪声鲁棒性,提高了识别性能.     

MNIST邮政编码手写数字识别的研究

手写数字识别在很多领域都有着广泛的应用前景,论文研究了Gabor滤波器的特性及其特征提取的方法,PCM特征向量选择降低数据维数,SVM支持向量机的原理以及影响其性能的参数,并且克服了传统的维数灾难与过学习现象,用MNIST数据库做了仿真实验,交叉验证取得合适的SVM参数.实验表明,该方法取得了比较理想的结果,验证了SVM的多类分类方法,并与传统的一些分类方法做了比较分析.     

一种基于离散小波变换和支持向量机的人脸识别新方法

为提高人脸识别系统的性能,提出了一种基于离散小波变换DWT（discrete wavelet transform）特征提取和支持向量机（SVM）分类的人脸识别方法。首先,采用DWT对人脸图像进行降维和去噪,然后,对小波低频子图像进行核辨别分析（KDA）提取人脸特征,最后,结合SVM进行分类识别。基于该方法,对ORL人脸库进行分类识别,采用39个特征识别率达到98．2％。仿真结果表明,该方法明显减少了高频干扰对人脸特征的影响,增强了特征的辨别能力。而且,SVM有效地提高了分类器的分类和推广能力。