用Joint变换实现特征识别

本文利用Joint变换的相关性质,首次分析了多特征信号的并行识别,实验证实了分析的正确.     

调制无线电信号的分形特征研究

调制方式的不同以及信号受到功率放大器的非线性变换决定了调制无线电信号的形状存在着差异,提取这些差异特征是信号识别的基础. 基于分形理论提取信号特征是一种新的方法,本文模拟了在不同信噪比条件下,通过计算调制无线电信号的方差分形维以及Mandelbrot奇异分形维谱,将信号的调制特征以及非线性变换特征投射到分形特征空间. 数值仿真结果表明,不同调制方式、非线性变换对应了分形特征空间中的不同位置. 这些结果表明分形理论能够有效提取无线电信号的调制特征以及功率放大器的特征,对信号的调制方式以及个体特征识别具有一定 关键词： 无线电 信号 分形特征 识别     

空变菲涅耳联合变换相关器

提出了菲涅耳联合变换相关器(Fresnel Joint Transform Correlator,FnJTC)结构,给出了数学推导过程,并通过计算机模拟验证了可行性及其与传统相关器所不同的相关特性。在相关过程第一阶段中,菲涅耳联合变换相关器对输入的联合图像作菲涅耳变换,代替了传统联合变换相关器(JTC)的傅里叶变换。与传统相关器相比,菲涅耳联合变换相关器是空变系统,相关峰值依赖于输入参考图像与目标图像的相似性、两图像之间的相对位置及参考图像(或目标图像)的线性相位调制。     

应用联合分数傅里叶变换相关器识别多个物体

通过理论分析和计算机仿真研究了联合分数傅里叶变换相关器对多个物体的识别.结果表明联合分数傅里叶变换相关器与基于傅里叶变换的联合变换相关器相比有了较大的改善,提高了目标探测的灵敏性.     

傅里叶-梅林变换(FMT)在畸变-不变图像识别中的应用

针对尺度缩放和角度旋转变化目标相关识别率低的问题,在联合相关识别中加入傅里叶-梅林变换方法.采用傅里叶-梅林变换(FMT)中的对数极坐标变换、梅林变换、傅里叶变换具有的旋转、尺度、平移(RST)不变性,可以提高JTC图像识别的性能,实现畸变-不变图像的识别.利用联合变换相关器对角度旋转0°～40°、尺度变化0～20%的目标进行计算机仿真实验.实验结果表明:在JTC中采用FMT可以实现畸变-不变图像的识别.     

基于高光谱成像技术和MNF检测苹果的轻微损伤

苹果损伤是一种发生在水果采摘和产后处理阶段的不可避免的主要缺陷。为了快速有效地识别苹果的轻微损伤,以具有代表性的双色红富士苹果为研究对象,提出了一种以高光谱成像和最低噪声分离(MNF)变换的苹果轻微损伤识别检测方法。首先,使用高光谱成像系统获取苹果的可见-近红外波段(400~1 000 nm)的图像,对比发现全波段的最低噪声分离变换比主成分分析(PCA)变换可获得更好的识别效果;其次,利用I-RELIEF算法对正常表皮和损伤区域的光谱进行分析得出权值系数图,依据该系数曲线挑选出了5个特征波段(560,660,720,820和960 nm);最后,特征波段和最低噪声分离变换开发了损伤苹果的识别检测算法。利用该算法对80个正常苹果和含有不同时间阶段轻微损伤的苹果进行试验,损伤识别总体正确率为97.1%,试验结果表明,利用该方法和选取的特征波段可以快速有效地识别苹果的早期轻微损伤,为利用多光谱成像技术和最低噪声分离变换在线检测苹果轻微损伤奠定了基础。     

时频-Radon变换在激光微多普勒效应特征提取中的应用

鉴于激光微多普勒效应探测运动目标复合振动的重要性,利用离散小波多分辨分析对激光微多普勒效应探测运动目标复合振动的实验数据进行分解,研究不同尺度下的信号特征。将Radon变换与时频分析结合在一起,对实验所得信号在时频域中进行分析,结果表明:时频-Radon变换适合于微多普勒信号的识别,应用该方法能够抑制多分量信号时频分布产生的交叉项干扰,有效地提取微动目标的特征,为目标特征的识别、分类和探测提供了便利。     

基于结构张量的变分多源图像融合

提出了可以保持源图像特征和细节信息的基于结构张量的变分多源图像融合算法. 首先叙述基于结构张量的融合梯度场, 然后测量每幅源图像的特征图, 根据特征图为源图像的每个梯度构造一个权值, 将携带明显特征的梯度在融合的梯度场中凸显出来, 从而使源图像的特征和细节得到保持, 最后应用变分偏微分方程理论从目标梯度场重建出融合的图像. 实验结果表明, 本文算法融合图像的灰度平均梯度和信息熵均高于小波变换算法、塔分解法和直接梯度融合算法, 视觉效果上,融合图像很好的保留了源图像的特征和细节, 为图像目标检测和识别提供了高质量的图像信息. 关键词： 图像融合 梯度场 结构张量 变分法     

一种自适应的Gabor图像特征抽取和权重选择的人脸识别方法

 为了克服光照、表情变化等因素对人脸识别的影响,本文提出了一种自适应的Gabor图像特征抽取和权重选择的人脸识别方法.该方法首先把每幅人脸图像经过Gabor小波变换后得到的40个不同尺度和方向下的图像都看作是独立的样本,再把不同人脸中的同一尺度和方向的变换结果进行特征重组,得到40个独立地新特征矩阵.为了增强对光照、表情变化的鲁棒性,每一新特征矩阵的识别贡献被本文所提出的自适应权重方法计算得到.其次,对每一新特征矩阵采用离散余弦变化进行降维,并采用了鉴别力量分析方法来选取最有鉴别力的离散余弦变换系数作为特征向量.最后,抽取线性鉴别分析特征进行识别.大量的实验证明了本文所提方法的有效性.     

多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具.本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘|然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频多尺度Zernike矩纹理特征,并将二种纹理特征融合.最后在边缘图像中映射种子像素点,利用纹理和颜色特征欧氏距离,对彩色图像采用区域生长和区域合并的方法进行分割.实验结果证明:该算法将图像空间域的颜色特征与非采样Contourlet变换域的多尺度边缘和纹理特征恰当结合在一起实现彩色图像无监督自动分割,与传统算法相比有更高的准确性和鲁棒性.     

实现光学多特征图形识别的一种方法

本文提出从输入图形和参考图形的互相关阵决定输入图形在Schmidt正交化基函数(标准图形)上的投影,从而为多特征图形的识别提供了一种新方法,实验结果与理论相一致。 关键词：     

Robust Vehicle Speed Measurement Based on Feature Information Fusion for Vehicle Multi-Characteristic Detection

A robust vehicle speed measurement system based on feature information fusion for vehicle multi-characteristic detection is proposed in this paper. A vehicle multi-characteristic dataset is constructed. With this dataset, seven CNN-based modern object detection algorithms are trained for vehicle multi-characteristic detection. The FPN-based YOLOv4 is selected as the best vehicle multi-characteristic detection algorithm, which applies feature information fusion of different scales with both rich high-level semantic information and detailed low-level location information. The YOLOv4 algorithm is improved by combing with the attention mechanism, in which the residual module in YOLOv4 is replaced by the ECA channel attention module with cross channel interaction. An improved ECA-YOLOv4 object detection algorithm based on both feature information fusion and cross channel interaction is proposed, which improves the performance of YOLOv4 for vehicle multi-characteristic detection and reduces the model parameter size and FLOPs as well. A multi-characteristic fused speed measurement system based on license plate, logo, and light is designed accordingly. The system performance is verified by experiments. The experimental results show that the speed measurement error rate of the proposed system meets the requirement of the China national standard GB/T 21555-2007 in which the speed measurement error rate should be less than 6%. The proposed system can efficiently enhance the vehicle speed measurement accuracy and effectively improve the vehicle speed measurement robustness.     

基于Map-Reduce并行构架和AE的大数据指纹监控识别算法

传统的指纹识别监控方法在应用到以海量、在线和增量为特征的大数据环境中时,不能自动高效地进行识别,且识别率和识别精度都不高。由此设计了一种基于Map-Reduce并行框架和AE的大数据智能监控指纹识别算法。首先,描述了Hadoop和Map-Reduce实现并行计算的原理;然后,设计了基于AE和BP神经网络的识别模型,采用AE进行指纹图像自动特征提取,并提出了一种基于比较差异算法对AE进行参数初始化的训练算法,采用BP神经网络进行具体识别;最后,将识别过程分解为Map函数和Reduce函数,并对函数的具体功能进行了详细定义。在Map-Reduce并行框架下对FVC2004中的指纹数据库进行实验,实验结果表明了文中方法能自动、高效地进行指纹识别,与其他方法相比,具有识别效率高和识别精度高的优点,具有较大的优越性。     

A Mach–Zehnder joint transform correlator with the simulated annealing algorithm for pattern recognition

A non-zero order joint transform correlator based on a Mach–Zehnder system is presented for optical pattern recognition. The reference function is yielded by simulated annealing algorithm. Additionally, in order to achieve global convergence, the cost function should be set appropriately. The reference function is successful for pattern recognition.     

False learning function of an acoustic signal classifier

In works on statistical pattern recognition that use learning and examination, results of the learning depend not only on the feature efficiencies, but also on the proportion between the capacity of the decision rule, length of the learning sample, and number of features. It is usually difficult to calculate the recognition errors, which connect these basic quantities for a particular classifier, while the calculations are approximate and do not clearly characterize the results obtained in the process of the study.The purpose of this work is to develop a simple, clear, and efficient technique for the experimental estimation of the expected classification errors of the recognition engine employed in learning. The algorithm produces a sample of random noise segments, which is included in the recognition algorithm instead of the features of real signals. Portions of this uniform sample imitate different classes. The false learning function is produced as a result of a successive increase in the number of random features used in the recognition. The corresponding growth of the probability of recognizing artificial classes in such a false learning depends on the length of the learning sample and on the capacity of the decision rule employed.The main result of this work is the false learning function proposed for any particular classifier. The function is obtained for the same length of the learning sample as that of the one used to recognize real signals. The validity of results obtained in real signals can be estimated by comparing this function with experimental signal recognition probabilities with the same number of features.The simple false learning function is useful to characterize the validity of any experimental results on the statistical signal recognition in acoustics, seismoacoustics, and hydroacoustics; in speech recognition; in medical and industrial diagnostics; in radar; and in other fields.     

Feature extraction for sound source material recognition with impact sounds

Sound source recognition is a part of environmental sound recognition,which is one of the most important research areas in pattern recognition.Impact sounds carry much physical information associated with the sound sources,which makes impact sound based sound source recognition an important approach to improve recognition performance.In this study,the impact sound continuum synthesized with a ball-plate collision model is used for material recognition of the impacted plates.The basis function learning method and time-frequency representation methods,including the short time Fourier transform and the wavelet packet transform,are applied into classification and the recognition results are compared.The result shows that the features obtained by using the basis function learning perform better for material classification of the impacted plates than that by using the short time Fourier transform and the wavelet packet transform.This demonstrates the high efficiency and superiority of this method in material recognition of sound sources.     

利用冲击声辨识声源材料的特征提取

声源辨识属于环境声识别的范畴,是模式识别的一个重要研究方向。冲击声携带了大量的声源物理信息,因此利用冲击声提取特征进行声源材料辨识是提高声目标识别分类性能的重要途径。对球-板撞击物理模型合成的冲击声连续统,提出使用基函数学习法提取目标特征,同时利用短时傅里叶变换和小波包变换进行特征提取,以此为基础完成被击平板的材料识别。研究结果表明,利用基函数学习法获得的特征,对于冲击声分类的效果明显优于短时傅里叶变换和小波包变换方法,说明利用该方法进行冲击声声源材料辨识的可行性和优势。      

云计算环境下人脸表情智能识别改进技术研究

随着人脸识别技术的开发,对于如何提高人脸表情智能识别改进技术的研究也越来越多;如何提高人脸识别的准确度和完整度是当前发展的主要需要,而计算机云计算功能在人脸识别中的应用在一定程度上解决了此问题;通过改进细菌觅食算法,再将其应用到主要成分分析算法对图像基本特征进行提取分析;通过以上的算法输入计算机网络云储存当中,实现云计算技术在人脸识别中的应用;文章将通过对于算法部署函数的办法进行图片解析工作,并且利用智能人脸识别软件对图像进行抽丝、分类、匹配等工作进行功能状态进行测试;实验结果表明利用云计算技术通过连接网络云计算系统可以对目前的人脸识别以及分类做到更高的准确性和适应性。     

基于径向基函数的多目标旋转不变分类及其光电实现

提出利用径向基函数构造广义判别函数及神经网络模型，显示了模式识别与神经网络之间的密切联系.利用此函数和模型实现了多目标的面内(二维旋转)、面外(三维空间旋转)旋转不变识别，计算机模拟表明，对于旋转不变识别这是一个很有效的方法.一个光电混合系统被提出实现此旋转不变识别方法. 关键词：     

基于光学相关的多目标检测

运用傅里叶变换相关识别技术实现了无畸变、有平移多目标的检测。在此基础上讨论了图像边缘信息和非边缘信息对相关性能的影响。运用分数傅里叶变换相关识别技术实现了目标图像存在尺度、旋转畸变而无平移变化时的目标检测。结果表明,分数傅里叶变换的级次选择对目标图像的旋转和尺度畸变有一定的补偿作用。在分数傅里叶变换相关中,通过简单的级次调节可实现一定范围内的旋转、尺度畸变不变识别。