基于分形矩的印刷体藏文特征提取方法

基于现有的藏文字丁特征提取方法——图像投影法和方向线素法，运用分形矩理论，提出了一种基于分形矩的藏文字符特征提取方法．用该方法提取的特征有效地反映了藏文字丁的局部和全局特征，减少了图像中像素位置变化给识别部分带来的负面影响．该方法在一定程度上克服了藏文字丁极多而造成的误识率高的缺点，并且解决了由于特征向量雏数较多造成的运算速度慢的问题．     

基于分形矩的印刷体藏文特征提取方法

基于现有的藏文字丁特征提取方法——图像投影法和方向线素法,运用分形矩理论,提出了一种基于分形矩的藏文字符特征提取方法.用该方法提取的特征有效地反映了藏文字丁的局部和全局特征,减少了图像中像素位置变化给识别部分带来的负面影响.该方法在一定程度上克服了藏文字丁极多而造成的误识率高的缺点,并且解决了由于特征向量维数较多造成的运算速度慢的问题.     

基于线性矩和小波变换的医学图像特征提取

应用小波矩作为图像特征量以及小波变换进行医学图像的自动特征提取,利用小波变换对线性矩进行分析,提取图像的各分辨率下的小波系数经快速傅里叶变换作为特征。使计算量和数据量大大减少,为特征的选取带来方便。矩特征由于其良好的稳定性、抗噪性和旋转不变性在图像识别中受到了广泛的关注和应用。由小波矩来构造目标的旋转不变性的特征,可以克服传统矩的弊端,又具有旋转不变性的特征。     

基于小波预处理的神经网络字符识别方法

提出了一种基于小波变换预处理的神经网络法的字符识别法,利用小波变换对字符进行了预处理,提取文字字符的主要能量特征,减少了字符特征识别的维数,与直接采用神经网络方法进行字符识别相比,所用的神经网络规模小,收敛速度快,能有效识别含有噪声的低质量模糊文字字符.     

基于自适应小波神经网络的字符识别算法及其应用

根据车牌中字符的形态特征和横向纹理属性,以小波空间作为车牌字符识别的特征空间,通过小波分析来实现字符的特征提取.用非线性小波基取代通常神经元的激励函数,构建了一种自适应小波神经网络的车牌字符识别模型.实验结果表明,本文提出的算法对复杂背景下拍摄的汽车牌照识别具有很好的鲁棒性.     

一种基于IFFT的小波矩的快速算法

该文提出了一种基于快速傅立叶逆变换 (IFFT)的小波矩的快速算法。小波矩除本身具有矩特征的旋转、平移、缩放不变性外 ,还具有对图像细节特征的描述。该文在小波矩和快速傅立叶逆变换方法的基础上提出了一种基于IFFT的小波矩的快速算法。实验结果证明 ,这种方法大大简化了小波矩的计算     

具有平移和尺度变换不变性的自适应小波矩

提出了一种同时具有平移和尺度变换不变性的自适应小波分解新方法,分解系数称为小波不变矩,并给出了计算这些小波不变矩的有效算法,实验证实了数字图像的小波不变矩的平移和尺度不变性。     

基于矩—小波描述子的人脸图像识别

介绍了在Radon变换下的图像矩特征的抽取方法,并得到图像的矩特征矩阵;进而对矩特征矩阵按行向量进行小波变换组成矩——小波描述子特征矩阵,采用矩阵的加权欧氏距离作为人脸图像的匹配识别的算法,产生较好的结果。     

基于小波变换的脑电信号分析

:介绍小波变换的基本概念和Mallat快速小波变换算法 ,并探讨了小波变换在脑电信号分析中的应用这一课题。实验结果表明 ,小波变换是检测脑电信号中的瞬态脉冲以及脑电基本节律的有效工具。     

基于FFT的快速小波算法

利用FFT实现快速卷积运算,使小波变换的每次卷积计算复杂度从O(N2logN)降为O(NlogN),从而提高快速小波变换的速度.     

基于小波变换的眉毛识别方法

提出了一种基于小波变换的眉毛识别方法.该方法利用小波变换进行眉毛特征提取,选取奇偶行三层小波变换的高频、水平分量、垂直分量和整体二层小波变换的低频部分作为特征,利用最近邻法则进行识别.实验结果对比表明,该方法简单且识别率较高.     

基于小波矩特征的小波神经网络目标识别

提出一种具有尺度、平移与旋转不变性的目标识别方法.该方法首先提取目标图像的小波矩特征,然后与小波神经网相结合,构成一套目标识别系统.小波矩不变量不仅可以表示图像的全局特征,而且还能表示局部特征;而小波神经网络结合了小波分析和传统神经网络的优点,具有很强的学习能力和推广能力.因此基于小波矩的小波神经网络目标识别系统在进行目标识别时具有很大的优势.实验中使用该方法对4类飞机目标进行识别,实验结果证明其识别率高于其它的目标识别方法.     

基于小波变换的工况区域识别

针对生产过程的特点 ,对过程工况区域识别问题进行了描述 ,在分析小波变换的基础上 ,研究了利用小波变换的多尺度分析特性 ,提取生产过程检测信号的多尺度定性变化特征 ,并分析和证明了提取的工况区域特征具有描述工况区域的稳定性和完备性。在此基础上 ,结合模式归纳分类算法 ,提出了一种基于小波变换的工况区域识别方法。应用实例研究 ,证实了所提方法的可行性和有效性     

基于改进的广义K-L变换的掌纹识别

提出了一种基于改进的广义K-L变换的掌纹识别方法.在主成分分析思想的基础上,改进后的广义K-L变换把样本的类间信息也加入到算法的分类过程中,相对于广义K-L变换,识别效果得到了提高.将原始图像投影到一个由图像的类间散布矩阵的特征向量所构成较低维的特征子空间中,在这个特征子空间中,用欧式距离来对分属于不同手掌的掌纹图像进行分类.基于不同的特征长度和训练样本数,做了一系列的实验,最佳识别率达99 17%.     

基于小波分析的人脸识别算法

提出一种利用小波分析提取人脸特征的方法。对人脸图像做小波分解,用网格划分其子图像,在各子块上提取统计特征,用其训练多分类支持向量机模型,最后用训练好的支持向量机进行人脸识别。选择ORL人脸库对该算法进行实验,与PCA算法的比较结果证明了该算法在识别性能方面的优越性。     

小波神经网络在人脸识别中的应用

人脸识别是一个涉及生理学、心理学、图像处理、计算机视觉、模式识别和数学等多个学科的前沿课题。小波神经网络是在小波分析研究获得突破的基础上提出的一种前馈性网络,避免了BP网络等结构设计上的盲目性,网络训练过程从根本上避免了局部最优等非线性优化问题,有较强的函数学习能力和推广能力。基于小波神经网络,文中提出了一种新的人脸识别算法。该算法利用小波多分辨特性和神经网络的鲁棒性和记忆性,同时结合了加速网络收敛速度的小波神经网络步长调整算法。实验证明该算法有高的检测率和有效性。     

手写字符识别方法的研究

介绍了现有几种识别方法的优缺点，并提出了一种新的识别方法——基于特征编码的多级分类识别法，经对字符的识别实验证明这种方法简单易行，快速有效。     

基于结构特征的汉字识别

提出一种基于文字结构特征的神经网络手写汉字识别策略 ,根据所提取的文字笔画方向、基本轮廓和交叉点等特征 ,采用基于自组织神经网络的模式聚类该方法完成正规手写文字的识别 .该方法提取的笔画轮廓十分准确有效 ,对手写汉字的约束少 ,可识别的汉字数量大 ,在仿真实验中有效地识别了绝大多数手写汉字     

基于矩特征的目标识别

对图像中的目标进行自动识别,既节省了人力,又提高了信息的时效,是模式识别发展的一个重要方向.文中用矩不变量表示目标的形状特征,并对其在离散时不具有尺寸不变性进行改进,构造了新的矩不变量.根据提取的矩特征设计了支持向量机分类器,用于对不同类型的目标进行分类识别,利用VC＋＋和Libsvm工具开发了自动识别软件.     

一种新的手写体字符识别算法

研究模式识别的核心问题——特征抽取．基于偏最小二乘（Partial Least Squares,简称PLS）回归和特征融合的思想,提出了一种组合特征抽取的新方法并将之用于手写体字符识别中．在PLS建模阶段,为了提高PLS成分（特征）的抽取速度,提出了一种非迭代PLS算法．在特征融合阶段,用所抽取的PLS成分特征组成模式的相关特征矩阵,并依此相关特征矩阵进行分类．在Concordia University CENPARMI手写体阿拉伯数字数据库上的试验结果证实了该方法的有效性和鲁棒性,其分类结果优于基于单一特征的FSLDA方法的分类结果．另外,与已有的迭代PLS算法相比,所提出的非迭代PLS算法的复杂度和特征抽取的速度均占有优势．