基于点击数据的图像识别

随着细粒度图像分类研究的不断深入,用户点击数据逐渐被人们当成可靠的语义特征。由于用户点击数据集规模巨大且存在大量冗余,直接使用点击特征进行识别也存在诸多挑战。该文提出利用文本聚类降低文本空间并优化原始点击特征,从而建立精简的文本空间来表征图像,该方法能更好地合并语义相近的文本。在微软发布的Clickture-Dog大数据集上进行的大量实验表明,点击向量特征优于传统图像的视觉特征,图像识别任务中的准确率也更高;基于视觉相似度的传播算法能帮助提高点击特征的表征能力;在大规模文本聚类中,基于稀疏编码的聚类方式识别率达到了58.24%。     

分数阶PI^λD^μ控制器的一种状态空间实现

首先回顾了分数阶微积分、分数阶系统和分数阶PI^λD^μ控制器的数学描述,对于一类分数阶SISO被控对象,提出了一种基于整数阶微分算子的分数阶PI^λD^μ控制器的S平面状态空间实现。同时,在Matlab Simulink仿真平台实现了基于Oustaloup连续滤波器法的分数阶微分算子和该状态空间实现,并基于遗传算法整定了状态空间参数。仿真结果验证了该状态空间的有效性与正确性。     

分数阶PIλDμ控制器的一种状态空间实现

首先回顾了分数阶微积分、分数阶系统和分数阶PIλDμ控制器的数学描述,对于一类分数阶SISO被控对象,提出了一种基于整数阶微分算子的分数阶PIλDμ控制器的S平面状态空间实现.同时,在Matlab Simulink仿真平台实现了基于Oustaloup连续滤波器法的分数阶微分算子和该状态空间实现,并基于遗传算法整定了状态...     

基于信号空间的最佳FIR分数延迟滤波器的设计方法

分数延迟滤波器广泛用于通信,语音处理,回声消除等。该文基于信号的多分辨空间一般模型,由尺度函数给出最优FIR分数延迟滤波器的设计方法,并进行数值试验证实其有效性。     

基于深度学习的CT图像识别方法的研究

随着我国社会不断向前进步,人工智能技术越来越先进,图片识别技术发展也快越来越快,其能够有效改变传统图片处理方式,而且采用智能大数据技术,可以提高图片识别准确度。文章主要分析基于深度学习的CT图像识别方法研究,首先简述深度学习与CT技术图像分析特点;其次,分析深度学习的几种方法,并总结分析深度信念网络模型的整体构建步骤;然后总体讨论深度学习在医学方面的应用,主要包括图像分类、检测及分割等;最后,总结CT图像分在未来的研究与应用及其挑战等。因此,文章结合深度学习系统对CT图像识别方法进行分析论述,具有一定的重要意义。     

一种基于卷积神经网络的配电网主站告警窗口的图像识别方法

随着配电网拓扑结构与设备规模的不断扩大,配电网主站中集聚了海量告警信息,亟需高效计算能力进行识别与分析。本文以配电网信息物理主站系统的强大硬件系统为依托,基于卷积神经网络的先进事件处理能力,形成了告警图像智能分析技术,实现告警信息在线综合处理、显示与推理,支持汇集和处理。以实际主站告警业务为例,对大量告警信息进行精准识别,实现对图像数值分析、阈值对比、趋势分析,对异常状态进行自动预警,实时对电网运维人员进行故障告警推送。基于实际配电网实景场景验证了设备识别与缺陷识别的准确性,支持实现配网运行监控、故障处理的一体化运行。     

一种机器人室内场景图像识别方法

为了对现有机器人的物体识别进行优化和改进,提出了一种新的权重计算方法进行室内场景图像识别.该方法通过对输入场景的转换获取无向带权图,在表面法方向的基础上,使用表面凹凸度这一指标来进行表面粗糙度综合判定,取代了传统的布尔判定,大大提升了抗噪性能,避免出现错误传递放大的情况.基于快速图像分割算法及时识别未知物体.实验结果表明:提出方法的鲁棒性及抗噪能力均较强,优于单纯基于法方向的方法.与基于深度学习与推测的同类方法相比,所提方法性能更好,更适用于实际识别.     

基于神经网络的图像识别

神经网络图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发展起来的一种新型图像识别技术。在进行图像识别之前需要利用数字图像处理技术进行图像预处理以及特征提取。本文选取字符图像0~9作为识别目标,对图像预处理过程进行了叙述,并在此基础上选取字符图像矩阵每行的与每列的黑色像素点之和以及图像欧拉数这两个特征作为BP神经网络的输入样本。经实验仿真表明图像的平均识别率为89%,这表明图像预处理的结果和提取的特征是合适的、有效的,设计的BP网络也较好的完成了模式分类识别工作。     

基于不同隐马尔科夫模型的图像识别方法

为了更详细地研究隐马尔科夫模型在图像识别中的应用,以指纹识别为例,纵向总结了几种基于隐马尔科夫模型的指纹图像识别算法,包括一维隐马尔科夫模型、伪二维隐马尔科夫模型、二维模型及一维模型组。分别从时间复杂度、识别精确度等方面总结出这四种隐马尔科夫模型在图像识别时的优缺点,得出不同待识别图像适合使用的识别模型的结论。     

基于标志物识别的机器人自我定位算法研究

针对特定环境下清扫机器人自我精确定位问题,提出一种基于图像处理技术的标志物识别算法,进而基于标志物位置信息的定位算法研究,可实现室外环境下清扫机器人的自我实时定位。该识别算法主要通过标志物的选定以及结合室外环境下标志物的颜色及边缘特征研究实现,获得了室外环境下标志物准确识别以及基于标志物的自我精确定位的实验效果。     

基于HALCON与SURF的多特征融合条烟识别系统

烟草物流中心工作量大,枯燥单一,导致分拣过程中经常出现多拿、少拿以及错拿等错误分拣现象,这极大的影响了分拣的效率,甚至导致一些不必要的损失。针对此现象,设计了一种基于HALCON与SURF的多特征融合条烟识别系统。不但提出了新的条烟图像特征描述方法,同时针对分拣生产线的特点,对识别策略进行了相应的改进设计。实验表明,此方案具有较好的应用前景。     

基于BF592的指纹识别系统设计

介绍了ADI BF592处理器,以及以DSP为结构搭建嵌入式识别的一种设计方法。传统指纹识别平台通常采用CPU实现识别算法,但在功耗和移动性方面不能满足市场需要。随着DSP芯片在图像处理领域的广泛应用,采用DSP指纹识别系统是今后指纹识别技术的发展方向。充分利用DSP的结构,开发出了一套小型的指纹识别硬件设备,在功耗和便携性方面满足目前的市场要求。     

基于图像识别的向日葵叶部锈病诊断探究

本文主要以向日葵叶部绣病为主要研究对象,以MATLAB为平台,设计了基于图像识别的向日葵叶部锈病诊断方案。首先,将自然光照条件下采集到的向日葵叶部病害图像进行预处理,再分别利用病斑的颜色特征及纹理特征,经过对特征参数的深入研究,对向日葵叶部病害进行了较准确的识别诊断。     

基于随机森林的雷达信号脉内调制识别

针对雷达信号脉内调制识别算法存在着准确率低的问题,提出一种新的雷达脉内调制类型自动识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征构成融合特征,然后将融合特征输入随机森林分类器,实现信号的分类识别.仿真实验中对8种常见的不同调制类型的雷达信号进行识别,提出的算法在信噪比为-2 dB时识别准确率可以达到90％以上,验证了该方法的有效性.     

基于正则化零空间鉴别分析的人脸识别

提取有效的特征对高维数据的模式分类起着关键 作用,针对现有故障特征维数过高的问题,本文提 出了一种基于正则化零空间线性鉴别分析(Exponential Regularized Null Space Linear Discriminant Analysis, ERNSLDA)的特征提取方法。零空间线性判别分析已经在数据降维和特征提取上展现出良好 的性能,在 本文中,首先对类内样本矩阵进行正则化处理,避免小样本问题,其次对判别准则进行指数 化处理。所提 方法集成了NSLDA和RLDA在模式识别上的优势,有效地提高了人脸识别的精度,在ORL和YALE 数据库上的仿真实验证了本文所提方法的有效性。     

基于多特征融合的弱小运动目标识别

利用单个特征识别强噪声中的弱小运动目标,常因所提取的目标特征与噪声特征易混淆而导致高的虚警率.提出一种新的基于多特征融合的弱小运动目标识别方法.分析了弱小运动目标的连续相关性、面积及质心位置偏移这三个特征的可靠性及提取方法,对获取的特征值进行归一化后采用多特征融合的方法构造更具有鲁棒性的联合特征,确定了以具有最大多特征融合值为真实目标的决策方法.通过与采用单一特征的目标识别方法进行比较,证明了提出的多特征融合方法能更准确地识别弱小运动目标.     

激光视觉焊缝跟踪图像处理与坡口识别

针对激光引导焊缝跟踪过程中坡口图像特点,首先对图像进行Radon变换,检测出激光条纹所在位置;然后对变换后图像进行处理,消除噪声对应的信息,保留激光条纹所对应的信息,再进行Radon逆变换复原图像,可较好地消除噪声;最后,采用OTSU法对图像进行分割,并识别出坡口区域。该方法效果较好,抗干扰性较强,耗时较少,适合于激光视觉焊缝跟踪过程。