基于特征点提取的弯道识别算法研究

针对高速公路弯道处事故率高的特点,研究了一种基于特征点提取的高速公路弯道识别方法,以降低弯道处交通事故发生率。采用Hough变换求出车道线直线方程,根据高速公路的特点建立适当的道路模型,确定对应直线段上的最低点和最高点;分别比较直线段两侧白色像素点的个数判断出曲线道路的弯曲方向,从而进一步确定曲线段上的特征点,同时对车道线候选特征点进行滤波;分段拟合车道线的直线段和曲线段,实现车道线的二维重建。实验表明,能识别不同形状的车道线,具有很高的实时性和准确性,且在不同道路干扰下对连续型分道线和虚线型分道线的检测都有良好的识别效果。     

基于离散余弦变换的数字水印算法

在图像离散余弦变换重要系数的幅度成分中加入水印并利用相关监测器进行监测,以实现对多媒体数字产品的版权保护.实验证明,该算法对通常的图像处理,如剪切、噪声干扰、几何旋转等都具有一定的鲁棒性和不可见性.     

Dirichlet空间D上Toeplitz算子的紧交换子

利用Berezin变换刻画了以L^∞,1中调和函数为符号的Toeplitz算子的紧交换子,得到D上以调和函数为符号的Toeplitz算子的交换子是紧的,并得到了以L^∞,1为符号的Toeplitz算子紧性的充要条件．     

傅里叶变换全息的计算机模拟

傅里叶变换全息图不是记录物光本身,而是记录物光的傅里叶频谱.利用透镜的傅里叶变换性质,将物体置于透镜的前焦面,在照明光源的共轭像面位置就得到物光的傅里叶频谱,再引入参考光与之干涉,在干涉图样中就记录了物光的傅里叶变换光场的振幅和相位的全部信息.利用MATALB语言的强大的快速傅里叶变换和灵活多变的图像处理能力,完整地模拟了傅里叶变换全息的全过程.与实际实验相比较,直观、经济;模拟实验参数可调,现象明显.可以加深对傅里叶变换全息理论的理解.     

基于最优梯度估计及小波变换的指纹图像处理技术

提出了最优梯度估计算法,用于提取指纹图像局部窗口中的纹理梯度特征参数,并在此局部窗口内计算出相应的频率参数。小波滤波器再根据这些特征参数对指纹图像进行自适应滤波,并用滤波后的合成梯度强度对滤波性能进行了衡量。实验结果表明,该算法较好地去除了图像中的噪声,并较大程度地提高了图像的质量。     

基于小波变换的主元分析人脸图象识别

基于小波变换的主元分析人脸图象识别高西奇，周洪祥，何振亚（东南大学无线电工程系，南京２１００１８）人脸图象识别是模式识别领域的一个重要研究课题［１，２］，但是由于人脸虽有固定结构而无固定形状的特殊性，人脸的自动识别非常困难，特别是要求机器在学习之后能...     

基于EEMD和小波包变换的早期故障敏感特征获取

提出一种基于总体平均经验模态分解和小波包变换的方法,进行早期故障敏感特征的获取,构建早期故障诊断模型. 该方法首先应用EEMD对现场采集的振动信号进行分解,分离出不同频率成分的特征信号,选择与原信号相关系数最大的 IMF分量进行信息重构;面向重构的IMF分量采用WPT进行分解,得到各个节点的小波系数;最后使用Hilbert变换提取小波包系数的包络,计算功率谱,准确获得早期故障的敏感特征. 通过对仿真信号的分析验证了该方法对故障诊断的有效性. 将该方法应用于实测的滚动轴承的内圈、外圈和滚动体故障诊断,诊断结果均表明该方法可有效提取早期故障敏感特征,故障诊断快速准确.      

一类离散正交三角变换快速算法

根据离散三角变换的一般形式,在正交条件下,按频域分法提出了一类具有二分结构的快速算法,其运算量为ｏ（Ｎｌｏｇ2Ｎ).这样,离散余弦、离散正弦、离散W变换快速算法就有了一个统一的格式.     

基于HHT和改进PNN的CSI人体动作识别研究

为了有效判别真实摔倒动作与疑似摔倒动作、提高动作识别准确度,提出基于希尔伯特黄变换(Hilbert-Huang transform, HHT)和改进概率神经网络(probabilistic neural networks, PNN)的信道状态信息(channel state information, CSI)人体动作识别算法。对CSI的幅度与相位融合信号进行数据预处理,利用HHT来提取区分人体动作信息的瞬时幅值和瞬时频率作为分类特征构建特征矩阵,在遗传算法(genetic algorithm, GA)优化的PNN神经网络中训练出能有效检测真实摔倒和疑似摔倒动作的GA-PNN人体动作识别模型;利用训练好的识别模型对输入的CSI数据进行摔倒动作的判别。仿真实验表明,提出的算法能有效地检测真实摔倒和疑似摔倒动作,其识别准确度可达到97.18%,且误报率较低。     

基于小波提升分解的带钢表面缺陷检测

针对带钢表面缺陷的特点,提出了一种基于图像处理的快速检测方法.首先,通过分析小波的提升格式,确定了带钢图像的小波提升分解方法.其次,利用DB2小波对带钢图像进行二层提升分解.然后,选取二层水平细节和垂直细节子图进行图像融合.在此基础上,对融合图像进行标准化和维纳滤波.最后通过oust方差法进行分割从而实现对带钢表面缺陷的检测.实验表明,采用此方法能够有效抑制图像背景干扰,实现带钢缺陷的快速检测.