基于基因算法的用于系统识别的测试信号的设计

详细介绍了如何用Matlab实现基因算法生成两个不同的具有最小峰值的测试信号,并且把这两个不同的测试信号输入到一个识别工具箱里,通过检验输出的结果来确定这两个测试信号是否适合用作特殊系统的识别.本文所用基因算法产生的测试信号如预期的一样具有最小峰值,但当把这两个测试信号输入到识别工具箱之后,估计系统的矩阵特征值与原始系统的矩阵特征值有很大的差距.产生这种差异的原因主要有两个,一个可能是产生这两个测试信号的长度不够,另一个可能是这两个测试信号非正交.     

人类大脑具有惊人能力 识别图像仅十三毫秒

<正>人们或许会认为一瞬间人类无法识别十几张一闪而过的照片,但目前神经系统科学家发现人类大脑识别一张图像仅需13毫秒。美国研究人员发现人类大脑仅13毫秒便能识别和理解一张照片,并在实验中首次证实这种大脑快速处理能力,该处理速度比之前研究发现的大脑识别图像速度快8倍。当测试者观     

油菜茎象甲的识别与防治

本文阐述了油菜茎象甲的形态特征、为害特点、生活史及习性、防治方法，对认识此害虫、抓住关键时期进行防治提出了切实可行的措施，具有良好的应用价值。     

基于视频图像的油田联合站火灾预警系统

研究了基于视频图像的油田联合站火灾预警系统,采用图像型火灾探测传感器获取联合站内火灾点的视频图像,通过改进的BP神经网络图像识别算法进行站内火灾爆炸实时识别及火灾点定位,实现联合站内可视化火灾探测与预警.实际运行表明,系统提高了联合站火灾预报的灵敏度和可靠性,能够有效保障联合站安全生产.     

大跨桥梁安全监测的技术方法分析

首先介绍了现代大跨桥梁的安全监测的意义，通过比较目前几种测试位移仪器的优缺点，提出用GPS进行大桥位移监测的新方法，并阐述了其原理和特点；指出目前用干系统识别的时域和频域法的各自不足，探讨结合时颇的参数识别的新方法，最后提到目前用于大跨桥梁损伤检测方法的困难。     

基于计算机视觉的博物馆导览系统

为了利用计算机视觉技术对当前拍摄物体进行识别并获取相关信息,设计和实现了两种视觉系统框架:系统一通过智能手机上传图像帧的方式在服务器端对博物馆内物体进行识别;系统二在智能手机端对区域内物体进行实时识别。实验证明两种方法充分利用了智能手机和服务器端各自的软硬件资源,达到实用效果。前者充分利用了服务器端庞大的处理能力和较高的存储能力,支持大规模物体的识别;后者能有效减少网络通信流量,减轻服务器负载,支持小规模的物体识别。     

半刚性基层沥青路面非连续结构强迫振动声效

为了无损、快速地识别半刚性基层沥青路面的结构非连续状态,实现病害预警和预养护,对冲击作用下路面板体强迫振动机理及其振动噪声特征进行了分析,并对单自由度路面系统的强迫振动微分方程进行求解.研究表明:因土基沉降、低温施工、压实不足等原因,沥青路面将产生结构内部及层间非连续病害；而非连续状态下的板体强迫振动噪声特征对冲击加载...     

含语音增强模块的i-向量说话人识别性能分析

为解决文本无关说话人识别中训练与识别环境不同导致模式失配的问题,提出了一种采用语音增强模块进行前端预处理的i-向量说话人识别系统,从而提高系统对于环境噪声的鲁棒性.为评估不同语音增强算法的性能,利用NIST08核心测试集进行仿真实验.采用IMCRA算法对语音进行噪声估计后,分别用维纳滤波法、MMSE-LSA、传统谱减法和多频带谱减法等4种方法进行语音增强前端处理,在基于i-向量的说话人识别系统下进行实验.实验结果表明采用了语音增强的系统具有一定抗噪声性能,并且在高信噪比条件下,基于多频带的谱减法在此系统下性能最佳,而低信噪比情况下MMSE-LSA算法更有优势.     

基于累积运动能量图像的人体动作识别

指出了动作识别中的最大困难是难以提取有效的特征来准确描述人体的动作,动作模板是众多方法中的一种简单有效的方法,用来描述动作特征的经典动作模板是运动历史图像.由于受噪声的干扰,用运动历史图像描述复杂环境下的人体动作并不十分理想.为了得到比运动历史图像更加有效的动作模板,提出了将视频序列中的运动能量信息用一张图描述出来,称之为累积运动能量图像,提取其直方图特征来表征人体动作.经You Tube数据集上的实验表明:该累积运动能量图像的识别率比同类方法高.     

基于形态学的冷轧薄板板形识别

为了解决冷轧薄板板形识别问题,采用基于形态学的图像处理方法。利用高帽变换对板形图像进行增强,对增强后的图像进行二值化,生成缺陷图像,消除二值缺陷图像中的干扰信号,分析二值缺陷图像,判定板形的类别。给出了基于二值形态学的图像消噪算法和基于灰度形态学的图像增强算法。提出了基于高帽变换的板形识别算法和基于对比思想的板形识别算法。根据上述方法进行了板形识别系统的硬件、软件设计,实际应用表明,该方法可以有效地识别出常见的板形。