基于主分量分析的形状特征提取及识别研究

主分量分析(PCA)是统计学中分析数据的一种有效的方法,可以将数据从高维数据空间变换到低维特征空间,因而可以用于数据的特征提取及压缩等方面。在该文的形状识别系统中,用PCA法提取图像的形状特征,能够较好地满足识别层的输入要求。在识别层研究了3种识别方法:最近邻法则、BP网络及协同神经网络方法,均取得了满意的实验效果。     

手写字符的径向贯穿特征码提取的研究

在研究传统的径向贯穿特征码提取的基础上，提出了一种改进的极坐标原点可变算法提取径向贯穿特征．经软件实现，该算法对字符6，9，P，B，E比较有效．使用此算法得到了预期的结果．①     

手写体数字识别系统中一种新的特征提取方法

本文对手写体数字的特征提取方法进行了讨论,分析了当前使用较多的三种特征提取方法,指出了各自的优缺点,并在此基础上提出了一种新的特征提取方案,即13点特征提取方法,该方法从每个字符中提取关键的13个点作为特征点,其主要特点是特征提取简单有效,节省了特征提取时间,提高了识别系统的运行速度.用同一种网络对特征提取后的结果进行训练和识别.仿真结果表明,13点特征提取法用于手写体数字的识别有着极好的适应性,在运行速度和识别率上比起其它算法都有很大的提高,从而极大地证实了新算法的有效性及实用性.     

雷达图图形特征提取中的特征排序

基于多元数据的雷达图图表示,提出了雷达图重心图形特征.针对同样的多元数据不同的特征排序会导致不同的雷达图图表示,进而产生不同的重心特征,而这些重心特征会最终影响分类器的性能,因此提出一种新的问题,即雷达图图形特征提取中的特征排序问题.基于这个新的问题,设计了一种新的解决方法,即提出了基于改进的遗传算法的特征排序.同时也研究并改进了传统的基于排序的特征选择方法.基于一些机器学习数据库的分类实验结果表明:一方面,数据的原始特征排序下的重心特征和传统的特征提取方法相比,并不总是最优,但是在遗传算法下特征排序的重心特征优于传统的特征提取方法;另一方面,在遗传算法下特征排序的重心特征优于传统的基于排序的特征选择方法下的重心特征.尤其对于高维小样本的肺癌数据达到了12.5%的留一法交叉验证错误率,效果非常好.乳腺癌数据和糖尿病数据等的分类结果优于目前国际上的报道.     

基于特征提取的健美操分解动作图像自适应识别方法

为了解决传统方法容易受运动速率、光照情况、遮挡、复杂背景等的影响,导致识别结果鲁棒性较差的问题,通过特征提取方法研究了健美操分解动作图像自适应识别问题。通过时间能量金字塔把视频序列划分成若干段,得到结果中动作并非全为健美操动作,含大量干扰信息,通过背景消减法对进行健美操运动的人体目标进行提取,进行进一步处理,得到人体轮廓的二值图像序列,求出轮廓外界矩形宽度和高度之比,依据宽高比获取关键帧,通过拉普拉斯法求解相邻差异帧与间的光流,降低背景杂波产生的影响。针对关键帧提取特征向量,通过相似性检测对待识别健美操分解动作图像和提取特征进行匹配,设定相似性阈值,将相似性高于阈值的图像作为识别结果。结果表明：所提方法对单人健美操视频数据库的识别准确率高,仅存在一定程度的混淆;所提方法对含不同场景的复杂数据库的识别准确性和其它方法相比最高。可见所提方法受外界环境干扰小,可保证高识别精度。     

基于曲率和纹理信息的三维人脸特征提取

针对目前三维人脸特征提取方法对表情很敏感的缺陷,通过借鉴曲面曲率生动描述人脸形状的特点和人脸特征区域纹理不受表情影响的特点,提出了一种基于曲率和纹理信息的三维人脸特征提取方法。实验分析说明该方法有效利用了三维人脸的深度信息和人脸纹理对表情和姿态不敏感,具有较好的准确性和鲁棒性。     

基于ICA和BP神经网络的人耳图像识别

提出了一种独立分量分析和BP神经网络相结合的人耳识别新方法(ICABP法).首先采用快速独立分量分析方法提取人耳图像的独立基图像和投影向量,然后采用改进的三层BP神经网络进行分类识别.该方法将ICA的空间局部特征提取功能和BP神经网络的自适应功能有机地结合起来,增强了系统的鲁棒性.实验表明,ICABP法取得了很高的识别率.     

基于遗传算法的树上柑桔形状特征提取

采用遗传算法得到描述柑桔形状的最佳拟合椭圆参数.任意椭圆都可以用5个变量描述,经过二进制编码形成初始的基因码,在给定的图形匹配率公式的作用下进行遗传运算可以得到全局最优解.对变量添加了一些约束条件,提高遗传算法收敛速度.试验结果表明该方法可以修复因遮挡和重叠丢失的柑桔形状.相比于传统的圆形Hough变换提取特征的方法,外接矩形面积在64×64(像素数)提取形状特征消耗时间缩短了1/2,消耗空间减少到1/20,当图像尺寸增加时,优势更明显.使用椭圆来描述的柑桔外形也更接近柑桔的真实形状.     

快速区域生长与特征提取算法

就灰度图像的分割与目标提取问题，提出了一种快速区域生长和特征提取算法．该算法以水平线段作为区域的基本单元，用堆栈的方法记忆可能存在的禾生长区域的方向。因而区域生长速度快，不需要占用额外的图像缓存区，同时能方便地给出图像的拓扑性质及一些有用的特征．包括图像中物体的个数，每个物体的面积、内孔数、边界长、各阶矩及极点等特征。     

基于Contourlet变换的三维人耳提取

提出一种基于Contourlet变换的三维人耳提取方法.Contourler变换不仅可以提取图像的内在几何信息,而且能将这种信息分解到多个尺度的不同方向上.通过统计耳朵轮廓在Contotourlet变换域不同子带不同位置上系数的分布概率,可构建耳朵概率模型.利用这个模型,把非人耳轮廓边缘过滤掉,只留下耳朵边缘,再计算这些边缘的凸壳,便可实现三维人耳的精确提取.实验结果表明,使用该方法可以较好地提取出三维人耳,同时取得了较好的人耳识别效果.