一种基于人工免疫的小波特征集合最近邻人脸识别算法

将人工免疫及集合最近邻方法应用于人脸检测中,实现一种基于特征的人脸检测算法.首先对人脸图象进行多分辨率小波分解,用低频分量来描述人脸识别,实现数据压缩,并有效削弱光照的影响;然后对小波低频图象进行傅立叶变换,分析变换后的系数矩阵,取得人脸图象的特征向量;采用了人工免疫中的克隆选择算法,对一个人的多张不同表情的人脸图像进行训练,产生一个简约特征集合,用这个简约集合代表此人的人脸特征数据库;就待识别人脸而言,以待识别人脸到人脸数据库中各个人脸特征集合的集合最近邻作为识别结果.实验结果表明,人工免疫算法可以有效地获取训练样本的人脸特征集简约集合,再通过集合最近邻进行人脸识别,可以提高准确率.     

一种新的复杂细胞启发下的特征提取方法

鉴于V1区复杂细胞具有提取外界刺激不变本质的能力,设计了一个提取目标图像局部不变特征的方法.该方法首先使用提出的无监督算法(PCICA),从图像中学习出类似于复杂细胞感受野的滤波器集合.然后利用这些滤波器组成的复杂细胞描述子,提取目标图像各个位置的不变特征.最后对图像特征图进行分块统计,将各区域的直方图序列作为图像的最终描述.测试结果表明,PCICA具有类似于快速独立分量分析算法(FastICA)三阶收敛的特点,从图像中学习出的滤波器集合,表现出复杂细胞感受野的拓扑结构.这些滤波器对于局部图像的微小变化并不敏感,对于检测不变特征十分有利,并在MNIST手写体数据库上取得0.84%的识别错误率.     

基于Matlab的图像联合变换相关识别的实现

介绍一种用M atlab软件编程实现图像联合变换相关识别的方法。该方法利用M atlab软件的科学计算功能和强大的绘图功能,采用光学图像联合变换相关原理能快速实现图像的识别与筛选,并得到运算结果的二维与三维图,有利于实时图像判别,为图像识别的光机电一体化和小型化提供了理论依据和实现手段。     

基于蚁群神经网络的目标图像识别

该文提出一种基于蚁群优化与人工神经网络相结合的识别算法。该方法能够防止BP网络陷入局部极小点,且收敛速度快。针对飞机图像目标识别,提取图像三阶相关量特征、不变矩特征和图像边界的Fourier描述子特征,形成特征向量作为神经网络的输入向量。仿真实验表明,新算法能够有效缩短网络训练时间,提高目标识别精度。     

基于人脸检测的教室信息智能采集系统

为实现对教室信息的提取、分析和识别,设计了一种基于Harr小波的教室数据智能采集系统。对采集的数字图像进行图像变换,通过教室格局对图像进行区域划分后再分割,通过标识状态建立训练数据集。对训练数据集的Harr小波提取子图像特征,建立数据向量。利用Adaboost分类算法对数据进行机器学习并抽取分类规则集。对各种教室信息进行识别后统计数据,通过网络传输给服务器。该系统实施便捷,可广泛用于各个教学系统。     

基于Hough变换的指针仪表读数识别方法

针对广州市宇泰仪表电器有限公司85C1系列仪表的读数识别问题,提出一种基于Hough变换的图像处理方法.该方法采用彩色相机拍摄仪表图像.首先,通过指针的红色特征提取图像中的指针样本点,并应用最小二乘法获取指针的直线方程;其次,由表盘上的圆弧特征之圆心位于指针直线上的假设,利用Hough变换的原理提取出表盘上的圆弧特征;最后,通过图像变换将刻度部分的圆弧线变换成直线,实现了刻度线两端点位置的提取,并完成仪表读数识别.实验表明,该方法能够准确识别仪表读数,具有较高的鲁棒性.     

基于2DNPP和Trace变换的平面内旋转人脸识别

针对平面内具有随机旋转角度的人脸图像难以识别问题,提出一种融合二维近邻保持投影(2DNPP)和Trace变换的方法,以实现图像旋转不变性特征提取和识别.首先对图像做一重和二重Trace变换,然后对二重曲线进行匹配计算,得到既对平面内旋转变化具有鲁棒性、又能保存丰富图像信息的特征,最后通过2DNPP进行降维并分类.用该方法分别对正面的、旋转的、加噪声的人脸图像进行了识别实验,并与SIFT、pseudo-Zernike等方法进行了比较,结果表明:对于具有随机旋转角度的ORL图像库,文中算法识别率达到96％,且对白噪声具有较强的鲁棒性.     

基于小波变换和升高变换的IC图像纹理分割算法

引入二值图像的升高变换,并结合小波变换提出一种IC图像纹理分割算法．在纹理分割过程中,首先对IC图像进行小波分解并对二值化后的近视部分进行升高变换,然后利用原图像信息识别出不同纹理,分割出不同区域．实验表明,该算法快速、高效,具有很好的实用性．     

改进的多项式相位信号参数快速估计方法

提出了一种改进三次相位变换的多项式相位信号参数快速估计方法,利用Radon变换对三次相位变换结果进行优化,消除交叉项影响,并对利用该方法进行三阶多项式相位信号进行参数估计的关键问题做了研究;利用双尺度搜索的方法对调频斜率、角度分别进行搜索,大大减小了该算法的计算量。仿真结果表明,该方法在低信噪比条件下对多分量三阶多项式相位信号估计结果较为精确,且计算量较小。     

基于红外图像的绝缘子串自动提取和状态识别

为解决目前绝缘子低零值检测方法漏判率高、操作繁琐的问题,提出了一种新的绝缘子串红外图像中绝缘子盘面和铁帽区域自动提取方法和状态识别模型.首先将现场拍摄的绝缘子红外图像进行灰度化处理、去噪、二值化;然后从二值图像中提取反映绝缘子的特征点集合;通过特征点对二值图进行角度校正;最后通过区域提取中的特定算法提取出绝缘子的盘面和铁帽区域.通过提取该区域内的绝对温度、纹理和相对温差率作为绝缘子状态识别的特征集.将用电压分布法测得的绝缘子状态信息作为输出向量,通过训练得到优化的识别模型,用于绝缘子状态识别.该方法经过了220kV试验验证,证实了模型的有效性和实用性.     

基于高阶累积量的文本图像去噪算法

根据高斯噪声三阶以上累积量为零,从而可以将其有效抑制的特点,提出了一种基于高阶累计量的文本图像去噪方法.与平滑滤波和中值滤波2种经典算法相比,高阶累积量的使用不仅提高了文本图像去噪效果,而且能够较好地保留图像的边缘和细节信息,保证了原有文字的完整性.实验表明,提出的去噪算法对于去除文本图像的加性高斯噪声较为理想.     

基于残差三阶累积量的跟踪门新方法

针对在有高斯量测噪声和杂波环境下的数据关联问题,提出了一种基于残差三阶累积量的跟踪门算法,通过对残差数据累计序列的三阶累积量的计算,抑制了高斯噪声对跟踪门的影响,且有效地排除了杂波的干扰,从根本上提高了跟踪门的性能.仿真实验结果验证了该算法的有效性和稳健性.     

基于累积量增强全矢量正交子空间方法的MA建模

提出了一种新的线性代数方法——累积量增强全矢量正交子空间方法(CEAVOS)用于非最小相位非高斯滑动平均(MA)建模，该方法利用组合特性映射的累积量增强，并用全矢量正交于空间法估计MA参数．数值仿真结果表明，CEAVOS的性能优于组合累积量切片法WS和全矢量正交子空间法(AVOS)这2种现有的性能最好的MA参数估计方法，尤其是在估计的偏差上；在低信噪比与短数据的情况下，性能也表现良好．     

高阶累积量在电话网信号检测中的研究

基于高阶累积量的信号处理理论,提出了一种快速、简便且无偏估计的方法对多频信号进行有效的检测。这种方法与通常在电话网信号中所采用的基于相关的检测方法相比,具有很好的抗噪声性能,且能满足实时处理的要求,有一定的实用价值。     

一种珍珠形状识别方法的研究

提出了一种基于Zernike矩的珍珠形状模糊分类方法,将得到的珍珠图像通过一系列图像预处理后,转化到极坐标系下,利用计算8阶Zernike矩的平均值来作为每种典型形状的特征参数．再运用模糊模式识别的方法实现对单幅珍珠图像的珍珠形状有效判别．通过多视角得到的图像的特征面的寻找与比较判别,实现了珍珠形状的判别分类．     

贝雷法参数CA比对沥青混合料性能的影响

通过贝雷法选择5种不同CA比的沥青混合料级配，对其进行马歇尔试验、粗集料松装空隙率试验、车辙试验和旋转压实试验，分析了CA比对沥青混合料各项性能的影响。结果表明：CA比对沥青混舍料的空隙率、矿料间隙率、粗集料骨架的形成、抗车辙性能和压实性能具有显著影响；CA比在0．4～0．6之间的沥青混合料具有较好的稳定性；CA比同沥青混合料中整个集料骨架的形成之间并无较好的规律性关系。     

LSDBL模型的Yule-Walker型差分方程及参数的矩估计方法

时间序列分析中,Yule-Walker差分方程在模型识别和参数估计中起着非常重要的作用.在相当一般的条件下,导出了LSDBL(p,0,r)模型输出序列的二、三阶矩所满足的Yule-Walker型差分方程,这些结果足以用来辨识该模型.在此基础上,提出了该模型参数的矩估计方法.仿真计算验证了该理论和方法的正确性和可行性.利用这些结果,还分析了一个实际数据例子.     

爆震传感器信号与HCCI发动机燃烧参数的相关性

为了实现HCCI汽油机闭环反馈控制,提出了一种利用爆震传感器信号提取燃烧参数的思路．在装有全可变气门系统的汽油HCCI发动机上,测取了大量HCCI工况下爆震传感器信号;应用快速傅里叶变换,用时频分析的方法,从时域和频域提取表征爆震信号强度及相位的特征量,并对它们和HCCI燃烧参数之间的相关性做了量化比对．分析表明,爆震传感器信号相位特征值与HCCI发动机燃烧相位参数之间有着很强的相关性,爆震信号起始相位与CA10的相关系数在0．9以上HCCI燃烧强度参数与爆震信号的能量参数有着较高的相关性．     

计算机浮雕化处理在动漫图像特效中的应用

为了满足动漫图像的特效制作效果需求,提出了一种基于二维平面图像的计算机浮雕化处理算法.整个算法分为3个关键步骤:(1)依据积分不变量推导每个像素的景深信息,(2)依据梯度压缩和最小二乘法完成景深信息重建,(3)执行高斯双步迭代完成每一个浮雕细节特征的呈现.以柯楠和花仙子两幅动漫图像为实验对像展开实验研究,实验结果表明:该文浮雕化处理算法可以获得逼真的浮雕效果,并在细节特征处有清晰的呈现.同时,该文算法的执行速度也非常快.