基于轮廓形状分析的图素识别方法

提出了基于轮廓形状分析的图素识别方法，该方法克服了轮廓矢量匹配识别算法的缺陷（在图素生成或曲线跟踪过程中，在分枝点出现的生长或跟踪错误），提高了图素识别的完整性．轮廓形状分析还被用于字符串与图线粘连下的字符串提取     

基于轮廓形状分析的纱识别方法

提出了基于轮廓形状分析的图素识别方法，该方法克服了轮廓矢量匹配识别算法的缺陷，提高了纱识别的完整性。轮廓形状分析还被用于字符串与图线粘连下的字符串提取。     

基于复杂网络和图像轮廓的形状识别方法

基于轮廓的图像识别方法具有过程简单、识别效率高等特点.但随着人脸表情变化、光照强度以及遮挡等因素的改变,提取图像轮廓形状的难度增大,从而使方法的有效性受到影响.本文提出一种基于复杂网络和图像轮廓的形状识别方法,通过提取形状图像的轮廓点,建立相应的复杂网络模型,计算相关参数来识别图像.实验表明,该方法具有对轮廓图精确度依赖性低、复杂网络规模小、阈值参数少、能有效适应边界形状改变等优点.     

一种基于轮廓形状分析的图纸识别方法

用一种新的基于轮廓形状分析的工程图识别方法,可有效地处理段线、模糊线、字线粘连等多种退化图纸的情况,既可以精确获得线的逼近,也可抽取图纸的整体图形结构。针对工程图的特性给出了局部图像特性的数学描述,并将其作为区域分类的特征依据。扫描图像的三层中间描述用于低质量图纸的识别,基于轮廓曲率的一种直线抽取技术用作这种中间描述。     

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.     

基于用小波变换改进MFCC的语句识别方法

在语音识别中最常提取的特征参数是Mel频率倒谱系数(MFCC)。但Mel频率倒谱系数不能很好的反映语音信号的动态特性。针对这种缺点,对常规的MFCC进行改进,采用小波变换替代MFCC提取过程中FFT变换,得到改进后的MFCC。采用这种方法后,识别率有了很大的提高。     

基于一维傅里叶变换的改进形状上下文特征

提出了一种新的特征描述子,将无方向选择的形状上下文特征看做一系列一维信号的集合,对这些信号做一维傅里叶变换,理论上证明了利用这种简单的算法可以生成平移、缩放、旋转不变的特征.新特征的提取运算简单,时间复杂度低.形状点集匹配的实验结果验证了这种新特征的有效性.     

基于二维小波变换的虹膜识别方法

提出一种基于二维小波变换的虹膜识别方法; 对虹膜图 像预处理后, 将二维小波变换与积分图像相结合, 实现虹膜纹理的特征提取; 实验检验了算法的有效性.     

基于边缘特征和霍夫变换的斑马线识别方法

现有斑马线识别方法普遍存在实时性差或准确率低等问题,对此提出基于边缘特征和霍夫变换的斑马线识别方法。首先利用逆透视变换(inverse perspective mapping,IPM)原理将单摄像机采集到的道路图像转换为俯视图像,然后采用Sobel_x边缘检测模板提取斑马线的边缘信息;基于此,采用霍夫(Hough)变换对斑马线在水平夹角、直线长度、间隔宽度、数量统计等约束条件下进行曲线拟合,最后实现斑马线的识别。试验研究中,选择600张在不同场景下采集到的道路图像对斑马线进行识别,算法在白天光线较好情况下准确率为97.56%,在夜晚情况下为88.67%,算法平均耗时约33 ms。结果表明该算法可以在多种环境下快速准确地识别出斑马线,满足实际工程应用的需求。     

本影变换与灰值形态变换

在二值形态变换的基础上,通过引入本影和表面算子,给出了灰值形态变换的定义,较为全面地讨论了本影变换和表面算子的相关性质以及以此为基础所建立的灰值形态学变换的相关性质,并给出了详尽的证明过程.     

Ce—Y—TZP陶瓷中的马氏体相变与形状记忆效应

用共沉淀法制备了8mol?O2-0.25mol%Y2O3-ZrO2(8Ce-0.25Y-TZP)、8Ce-0.50Y-TZP和8Ce-0.75Y-TZP3种成分的超细粉,于1500℃分别烧结2、3、6h成形。8Ce-0.25Y-TZP的马氏体相变开始温度Ms在室温以上,室温下基本上不具有形状记忆效应;8Ce-0.50Y-TZP的形状记忆效应最佳,其中烧结6h的试样最大可恢复应变为1.18%;8Ce-0.75Y-TZP的形状记忆效应较差。Ms与材料的强度密切相关,晶粒大小和密度等也有影响。     

多晶TiNi和CuZnAl形状记忆合金中的织构转变

用X射线织构仪测定了TiNi和CuZnAl合金的母相奥氏体、产品相马氏体的极图,计算了测定极图各自的位向分布函数。分析结果表明,TiNi合金奥氏体具有一个弱的织构组元{4,0,3}〈0,1,0〉和一个α纤维织构,TiNiCu合金马氏体有6个主要的织构组元;CuZnAl合金奥氏体织构是一个纤维织构,其纤维轴为〈1,1,0〉平行于轧向,位向密度沿纤维轴从{001}〈1-10〉到{111}〈1-10〉扩展,在位向{001}〈1-10〉附近,获得最大位向密度为26.9。CuZnAl合金马氏体有10个主要的织构组元。从奥氏体与马氏体的织构分析发现,两者织构是相互关联的,一个奥氏体的织构组元对应多个马氏体的织构组元,此结果符合马氏体形成自适应形貌的要求。     

基于可变形状基的自适应运动参数识别方法

针对传统运动参数测量方法估计结果偏差较大的问题,为了提高运动参数的测量精度,提出一种可变形状基的自适应运动参数识别方法.首先运动员的运动可以看作是一个随机过程,通过计算运动员的形心坐标,确定运动状态下运动员的形状基矩阵,然后使用测量矩阵的秩来计算形状基数量的可变性,最后获得形状基在噪声干扰情况下的最优计算结果.仿真结果表明,本文方法可以更加准确检测出人体运动的相关参数,提高了参数的测量精度.     

CoMn合金中的马氏体相奕和形状记忆效应

研究了CoMn合金中的γγ(fcc)-ε(hcp)马氏体相关,并测量了合金的形状记忆效应（SME）,结果表明,该合金的马氏体相变具有典型的γ→ε马氏体相变体相变特征,它在发生马氏体相变时,内耗峰并不对应于母相模量的下降,其形核无需籍软模或区域软模,通过训练可以改善CoMn合金的SME,对改善的原因进行了初步的探讨。     

形态学联想记忆在图像联想识别上的应用

形态学神经网络是一类新颖的人工神经网络,但人们对它的研究,尤其是对于形态学异联想记忆的研究和应用,仍很不够.给出了形态学异联想记忆理论应用于图像的联想识别上的一般方法和步骤,并通过一个字符图像联想识别的实例,叙述了其应用原理与过程,对于推进形态学异联想记忆的应用研究将带来有益的参考.     

基于Bandelet变换的手背静脉识别算法

提出一种基于Bandelet变换的手背静脉识别算法, 该算法利用Bandelet变换对静脉图像进行特征点提取, 通过提取的特征点构造了表征静脉纹理特征的特征向量, 通过计算待识别样本特征向量与目标样本特征向量的相关系数得出其相似度, 并在利用自制采集设备采集的样本库上对算法进行测试, 给出了实验结果.     

两种形状识别方法及其实验

物体的形状识别是模式识别的重要方向,广泛应用于图像分析、机器视觉和目标识别等领域.目前,对形状识别的主要方法有傅里叶描述子、主分量分析等.对傅里叶描述子、主分量分析方法进行了详细阐述,通过对仿真得到的数据分析比较,验证了主分量分析法和傅里叶描述子方法对形状识别具有比较好的效果.     

冷轧带钢板形检测信号模式识别方法的进展

结合板形控制技术的发展，阐述了板形检测信号模式识别方法的发展过程。分析比较了各主要模式识别方法的特点。对板形模式识别方法的发展趋势进行了讨论。     

基于傅立叶描述子的轮胎标识点形状识别

针对人工识别轮胎标识点形状效率低、误差大等问题,提出了一种基于傅里叶描述子的轮胎标识点形状识别算法.首先对采集的轮胎标识点图像进行降噪、分割、轮廓提取等图像预处理操作;然后通过对预处理后的轮胎标识点图像进行傅里叶变换,提取轮胎标识点轮廓的傅里叶描述子系数;最后通过计算待识别轮胎标识点图像的傅里叶描述子系数,与轮胎标识点模板库中图像的傅里叶描述子系数的欧氏距离数值,其中与最小欧氏距离相对应的模板库形状即为待识别轮胎标识点轮廓的近似形状,从而实现轮胎标识点的形状识别.实验选取圆形、方形、菱形以及十字形,四种共计200幅轮胎标识点形状图像,进行标识点形状识别准确率测试.实验结果表明,该算法能准确地识别出轮胎标识点形状,四种轮胎标识点形状的平均识别准确率为97.25％,其中圆形和方形轮胎标识点的形状识别准确率达98％.