视频文字信息检查工具的设计与实现

针对某些特定视频中,画面文字信息经常包含较为敏感文字信息,导致信息泄露,设计实现了一种视频画面中的文字的检测识别系统,对视频画面中的文字标语、文字条幅,新闻画面中的文字导语等信息进行识别与比对。采用基于双阈值的视频镜头分割算法,根据颜色直方图信息提取关键帧,采用最大稳定极值区域算法提取图像中稳定区域,通过聚类和级联分类器实现文字区域提取,最后将文字区域分割后进行OCR识别,实验表明,设计的系统针对复杂背景中的文字能够达到较高的检测识别率。     

高维空间L1范数约束的一类数据稀疏距离测度学习算法与应用

现有一类分类算法通常采用经典欧氏测度描述样本间相似关系,然而欧氏测度不能较好地反映一些数据集样本的内在分布结构,从而影响这些方法对数据的描述能力.提出一种用于改善一类分类器描述性能的高维空间一类数据距离测度学习算法,与已有距离测度学习算法相比,该算法只需提供目标类数据,通过引入样本先验分布正则化项和L1范数惩罚的距离测度稀疏性约束,能有效解决高维空间小样本情况下的一类数据距离测度学习问题,并通过采用分块协调下降算法高效的解决距离测度学习的优化问题.学习的距离测度能容易的嵌入到一类分类器中,仿真实验结果表明采用学习的距离测度能有效改善一类分类器的描述性能,特别能够改善SVDD的描述能力,从而使得一类分类器具有更强的推广能力.     

基于计算机视觉的微球缺陷检测及分类方法

惯性约束聚变试验中,对大批量的聚变靶球的表面质量进行检测和分类是一项重要的工作。传统的人工检测分类方法效率低,精度差,难以满足实际需要。提出了一种基于计算机视觉的缺陷检测及分类方法。该方法在获取待测微球的显微图像之后,通过设置兴趣区域提取圆内部的像素点,并以此绘制灰度直方图。然后计算其累积分布函数,经归一化处理之后对分布函数进行分段线性拟合。最终根据拟合后的分布函数,提出均匀性和透光性两个参数用于定量表示微球的表面质量,很好地实现了光滑、粗糙和畸形三种类型的微球的分类。实验结果表明,该检测分类方法的准确率均在90%以上,处理1280960分辨率的包含20个微球的图像平均只需300 ms,准确高效,可扩展性强。     

基于BP网络分类器的交通标志识别

针对中国全部3大类116个交通标志,即禁令标志、指示标志、警告标志,用BP网络实现分类功能.实验中使用了3种测试集,即加高斯噪声、水平扭曲和日本交通标志实景图,对BP网络的分类性能进行了测试.实验结果表明:用BP网络实现交通标志粗分类功能的效果是比较理想的,对交通标志的颜色失真和形状失真均具有较好的容错性和鲁棒性.     

基于计算机视觉的微球缺陷检测及分类方法

惯性约束聚变试验中,对大批量的聚变靶球的表面质量进行检测和分类是一项重要的工作。传统的人工检测分类方法效率低,精度差,难以满足实际需要。提出了一种基于计算机视觉的缺陷检测及分类方法。该方法在获取待测微球的显微图像之后,通过设置兴趣区域提取圆内部的像素点,并以此绘制灰度直方图。然后计算其累积分布函数,经归一化处理之后对分布函数进行分段线性拟合。最终根据拟合后的分布函数,提出均匀性和透光性两个参数用于定量表示微球的表面质量,很好地实现了光滑、粗糙和畸形三种类型的微球的分类。实验结果表明,该检测分类方法的准确率均在90%以上,处理1280960分辨率的包含20个微球的图像平均只需300 ms,准确高效,可扩展性强。     

基于大数据的配电网馈线故障智能识别定位方法研究

配电网故障识别、分类与定位对快速隔离故障和保证电网安全运行具有重要意义。以大数据驱动法为基础,提出了最少测量单元选择和区域最佳节点选择两种算法,两种算法基于分类特征评估法,在节点的选择策略上有所不同。分别使用决策树分类器和随机森林分类器验证算法性能,在仅使用7%的节点数据时算法1的最高准确率达91%,算法2使用16%节点数据的最高精度达到85%。实验结果表明,提出的算法无需使用全部节点的数据,可以在系统观测性较低的情况下,实现配电网馈线故障线路智能识别定位,具有测量节点数量少、准确率高等优势。     

基于机器学习的烟雾检测算法去除固定干扰

烟雾是早期火灾最为突出的视觉表现,因此检测火灾烟雾在日常防火应用中具有重要的意义。针对目前视频烟雾检测算法中误报率高,适应性差等特点,在实施基本烟雾检测算法并在其基础上提出基于机器学习的视频烟雾去干扰方法,能很大程度上去除固定干扰物的干扰,提高了烟雾识别的正确率。实验证明,该算法可以较好、较快地检测出烟雾,并做出早期的预警工作,且具有检测精确等优点,很方便在现实中推广使用。     

动态视频序列下的坦克车体姿态识别

敌方坦克的姿态信息是装甲分队武器目标分配的重要依据,但目前坦克火控系统中并没有姿态识别的模块,为此提出一种基于压缩跟踪和级联分类器的动态视频序列下坦克车体姿态识别方法。将压缩跟踪算法的输出作为级联分类器的输入,缩小姿态识别的范围并减小分类器对不同环境中负样本的依赖;将坦克车体姿态分为12组,训练了12个分类器,在训练中引入了车体的轮廓信息;将多个级联分类器串联工作,识别坦克车体的多个姿态。对比了检测不同姿态的分类器的识别效果,结果表明级联分类器能以一定的精度对在真实环境中的坦克姿态进行识别。     

自适应增强方法在光谱自动分类中的应用

针对活动星系核(AGN)光谱中发射线的不同特征,在恢复到静止系状态后的光谱上截取具有有效特征的波段范围,采用自适应增强(Adaboost)的方法,对宽线和窄线AGNs进行特征融合的分类实验,经分析,确定了以Hα和[NⅡ]发射线为主的波段为宽线和窄线AGNs光谱的主要区别特征。再单独对Hα和[NⅡ]发射线为主的波段,用自适应增强的方法对其进行光谱分类。自适应增强方法在训练过程中不断地加入“弱分类器”,直到达到某个预定的足够小的误差率或一定的循环次数,最后构成的总体分类器的分类判决由这些“弱分类器”各自的判决结果的投票来决定。此方法不需要事先调节参数,且“弱分类器”的分类结果只需好于随机猜测,算法简单。实验证明,对于单独采用以Hα和[NⅡ]发射线为主的波段,自适应增强方法能达到较好的分类效果,从而可有效地应用于大型光谱巡天所产生的活动星系核光谱的自动分类中。     

遥感影像分类方法研究进展

遥感影像分类是遥感信息提取的重要手段,是目前遥感技术中的热点研究内容.分类方法是遥感影像分类的重要内容,有效地选择合适的分类方法是提高分类精度的关键.随着遥感技术的发展,传统的非参数分类方法已经难以满足分类精度需求,基于智能算法的非参数分类方法得到了迅速发展,并在遥感影像分类中发挥着重要作用.近年来,组合分类器由于能够...