基于边界矩和改进FCM聚类的水下目标识别

水下目标的识别是水下机器人对环境动态感知、快速定位与跟踪视觉目标的关键, 本文针对水下成像的特殊性以及成像环境的复杂性,旨在设计一种快速、准确的目标识别系统以指导水下机器人进行下一步的任务. 首先, 综合运用一些流行的算法, 简要介绍了一种有效的边界分割算法; 然后通过对边界矩的分析和修正, 构造了具有平移、旋转及比例变换不变性的仿射变换; 最后详细描述了改进的FCM聚类识别的设计理念. 通过对实测的4类物体组成的水下目标的识别实验, 证明了所提水下目标识别系统可以用于水下目标识别, 并且具有较高的鲁棒性和实时性.     

基于可视化仿真的水电工程施工进度分析与控制研究

对基于可视化动态仿真的水电工程施工进度分析与控制进行了研究,提出了基于GIS的施工进度可视化动态仿真方法,实现了施工进度仿真建模、计算及结果的可视化;提出了结合柔性网络计划技术的进度分析与优化方法,包括工期分析及资源优化,在此基础上提出了基于可视化动态仿真的施工进度实时管理与控制方法;进行了实例分析,其成果在工程施工进度管理当中的成功应用表明所提方法具有可行性和优越性.     

安全禁止标志识别率与标志特征关系研究

为提高安全标志有效性,需要对安全标志五维特征与标志识别率关系进行研究。选取50名安徽工程大学在校学生为试验对象,40个禁止安全标志为试验材料,研究安全标志的五维特征与标志识别率的关系,建立安全标志识别率与标志五维特征的多元线性回归方程模型。结果表明:标志的熟悉性对标志识别率影响最大,其后依次为简明性、具体性、语义相关性、明确性。此外,回归模型中,常数项为正值,说明仍有其他因素影响标志识别率,有待进一步研究发现。     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

智能诊断中诊断知识的实时自学习方法

模拟人类专家诊断知识积累过程,提出一种基于模式比较和更新的诊断知识实时自学习模型,以实现智能诊断系统知识库知识的实时积累和更新。用非正态分布假设检验算法实现待确定知识故障模式与正常模式的实时比较,用样本含量估计算法作为有效模式比较所需故障样本量确定的理论依据,用实时模式更新算法实现诊断知识模式与设备的实际运行情况一致。实际测试数据分析表明该模型有利于实现新知识的积累和诊断知识贴近实际设备的实际情况。     

基于二维非参数化判别分析的人脸识别

基于二维线性判别分析和非参数化判别分析的思想,提出了一种新颖的用于人脸识别的特征提取方法--二维非参数化判别分析方法. 该方法解决了传统判别分析方法中的小样本问题与高斯分布假设问题. 可以准确、高效地实现人脸识别. 通过在ORL标准人脸数据库上的实验结果表明,算法相对于传统线性判别分析方法有显著优势.     

基于互补子空间线性判别分析的人脸识别

基于随机子空间,提出了一种用于人脸识别的互补子空间线性判别分析方法. 与Fisherface和零空间线性判别分析相比,该方法同时在主元子空间和零空间中进行判别分析,并在特征层融合这两个子空间的判别特征. 根据最适宜的零空间状态构建随机子空间,随机子空间的融合在决策层进行. 多个人脸数据库上的实验结果表明,本算法能够有效地解决线性判别分析中的小样本规模问题.     

手背静脉特征提取算法

提出一种基于有限Radon变换(FRAT)的手背静脉识别新方法.在考虑手背静脉图像"线状"特点的基础上,先将手背静脉图像"分块",再对分块后的图像进行FRAT变换,并提出一种向量非均衡分布可得最大值的方法,提取手背静脉图像纹理特征,最后通过特征匹配进行分类识别.结果表明:与传统的Hough变换和离散Radon变换相比,新方法提高了目标直线特征的检测速度;在有800个样本的数据库上进行实验,获得了96.5%的识别率,表明了算法的有效性.     

曲线识别的变形匹配法的实现

用于识别平面开曲线的变形匹配法具有很好的性能,它在汉字识别中具有潜在的重要应用。用C语言实现了变形匹配法。本文主要介绍如何解决该算法的程序实现中的关键技术问题,包括曲线的表示、噪声的抑制和变形匹配。希望以此推动变形匹配法的应用。     

基于Gabor小波和LPP的浮选过程泡沫纹理特征提取及应用

针对Gabor小波进行特征提取时易造成维数灾难和识别效率不高的问题,提出一种基于Gabor小波滤波和局部保持投影(LPP)降维算法相结合的泡沫纹理特征提取方法.首先,利用Gabor滤波器获得原始泡沫图像5个尺度和8个方向的高维特征描述向量;然后,利用LPP算法得到降维特征向量;最后,利用此降维特征向量通过反向传播(BP)神经网络进行不同工况下泡沫类别的识别,进而指导实际矿物浮选生产.实验结果表明,相对于传统的GLCM方法和Gabor小波纹理特征提取方法,该方法可有效降低泡沫纹理特征向量维数并具有更高的识别效率.