融合多特征的人脸检测方法

针对复杂环境下基于肤色模型的人脸检测误检率较高以及Adaboost算法对高分辨率图像时间效率低,提出了一种新的结合肤色模型和皮肤纹理特征以及Adaboost级联分类器的人脸检测方法,并改进了基于纹理刷色阶偏差法的皮肤纹理特征提取方法。该算法充分融合了肤色模型简单快捷、皮肤纹理突出的特性以及Adaboost级联分类器检测率高等优点。实验表明,该方法检测率高且有较好的鲁棒性。     

基于双稀疏域联合求解的高精度光谱恢复算法

基于压缩感知的光谱成像系统需要合适的算法解码采样数据才能得到最终的光谱成像数据,传统单稀疏域变换算法会带来光谱细节损失等问题。针对该问题,本文提出了利用双稀疏域联合求解的方法（JDSD）,将信号分解为低频部分和高频部分,并针对不同频率信号特点分别进行稀疏恢复,进而解码求解以实现高精度恢复信号。在数据验证中,首先利用OMP算法在频域内对光谱信息轮廓进行恢复,利用IRLS算法在空间域内对光谱细节进行补偿,分析了不同稀疏变换对于参数设置的影响,测试了不同算法组合的JDSD对于测试数据的恢复结果。对于500种光谱数据仿真测试表明,双稀疏域联合求解可将光谱恢复保真度大大提升,20%采样率情况下,SAM和GSAM指标由传统方法的0.625和0.515分别提升为0.817和0.659,80%采样率情况下,SAM和GSAM指标由传统方法的0.863和0.808分别提升为0.940和0.897。JDSD算法可以使得光谱吸收峰等细节特征得到高精度保持,对于基于光谱的特征分析、物质识别等应用具有十分重要的意义。     

一种基于自组织神经网络的语音识别系统

建立了一种基于自组织神经网络的语音识别系统。对语音信号进行了预处理,提取了语音信号的线性预测系数、线性预测倒谱系数和Mel倒谱特征系数,建立了基于自组织神经网络的识别判决模型。深入分析和改进了自组织神经网络的分类聚类能力,通过加强训练和设定阈值函数的方法,有效地确定了边界神经元的归属,划分出了合理的输出模式类。验证了自组织神经网络适合于处理孤立词语音识别,并具有快速性和结构简单等特征。MATLAB仿真实验表明,语音识别率达到96%。     

基于二次网格的字符图像特征提取方法

为了提高字符识别率,克服传统字符特征提取方法复杂、计算量大等问题。文中提出了一种基于二次网格化的字符特征提取方法。将字符二值图像划分为4个网格,提取出字符轮廓的曲率特征;并将字符图像划分为32个网格,依次提取出各自网格的占空比、质心、散度3组特征。该方法兼具结构特征与统计特征的优点,对笔画结构相近的字符较易于区分,该方法抗干扰能力强,且足够稳定。通过对1 500张字符二值图像进行实验,其结果表明,该方法对字母与数字的识别准确率达到了97%以上,相较于其他特征提取方法有大幅提高。     

基于深度帧差卷积神经网络的运动目标检测方法研究

复杂场景中的运动目标检测是计算机视觉领域的重要问题,其检测准确度仍然是一大挑战.本文提出并设计了一种用于复杂场景中运动目标检测的深度帧差卷积神经网络（Deep Difference Convolutional Neural Network,DFDCNN）.DFDCNN由DifferenceNet和AppearanceNet组成,不需要后处理就可以预测分割前景像素.DifferenceNet具有孪生Encoder-Decoder结构,用于学习两个连续帧之间的变化,从输入（t帧和t+1帧）中获取时序信息;AppearanceNet用于从输入（t帧）中提取空间信息,并与时序信息融合;同时,通过多尺度特征图融合和逐步上采样来保留多尺度空间信息,以提高网络对小目标的敏感性.在公开标准数据集CDnet2014和I2R上的实验结果表明：DFDCNN不仅在动态背景、光照变化和阴影存在的复杂场景中具有更好的检测性能,而且在小目标存在的场景中也具有较好的检测效果.     

特征选择验证方法：原理、应用及最新进展

随着电磁建模技术的发展,计算机电磁建模与仿真验证得到了国内外相关研究领域的广泛重视。近年来,定量评估电磁建模数据差异的特征选择验证( FSV )方法迅速成为研究热点,并被IEEE1597.1&1597.2标准确立为电磁建模与仿真验证的核心算法。介绍了FSV方法的基本原理和验证流程、在电磁建模与仿真验证中的典型应用以及最新的研究进展,深入剖析了FSV方法的研究热点与发展趋势,旨在为国内相关领域学者提供参考。     

基于小波域隐马尔科夫树模型的图像分割

改进了传统的基于小波域隐马尔科夫树模型的图像分割方法.由于传统方法均为直接选择小波子带系数作为训练特征,不能直接得到像素级分割结果;同时传统方法在后融合方面对所有尺度均采用同一种上下文背景,而忽略不同尺度上初分割类标志图的特点.因此,本文在粗分割阶段首先处理了训练时参数设置的问题,并选取了更能表征纹理的特征,能直接得到像素级分割结果;在多尺度融合阶段,充分利用不同尺度上类标志图的特性,不仅考虑粗尺度信息对融合结果的影响也考虑了细尺度信息对结果的影响.实验表明本文算法的视觉效果好干与本文进行比较的Choi提出的HMTseg以及孙强提出的WD-HMTseg遥感图像分割算法.     

基于遥感影像中电磁特性的地物提取方法

电磁特性数据是电子信息装备内场仿真试验不可或缺的数据资源,为了克服传统电子信息装备仿真试验中的电磁特性数据获取方法的不足,提出了从遥感影像中大批量获取大区域范围的电磁特性数据的新方法.首先依据不同地物的电磁特性规律对某一地域的地物进行了分类,从多尺度分割概念和基于异质性最小的区域合并算法两个方面.深入研究了针对地物分类的面向对象多尺度分割算法,并结合实践对算法进行了应用.由于遥感影像的真实性.保证了电磁特性数据提取的准确性与可靠性,实践证明此研究为大批量获取电磁特性数据提供了一种有效的方法和思路.     

融合光谱和空间信息的黄河主溜特征提取

本文基于多光谱遥感图像,提出了一种融合光谱特征和空间信息的主溜特征提取方法.将遥感影像的两大表现形式--光谱和空间信息结合,利用像元及其邻域的关系来描述其空间结构,用方向线来描述黄河主溜,从而确定其位置和走向.实验结果表明,该方法可有效地提取出黄河主溜特征.     

一种新的二维特征抽取算法及应用

二维主成分分析方法是直接利用二维图像来构建方差矩阵的。为了充分利用样本类别信息,文章以类间散布矩阵特征向量作为投影方向进行特征抽取。首先用2DPCA先作一次横向压缩,对抽取出的特征矩阵再用2DPCA作一次纵向压缩。与传统二维主成分算法比较,极大压缩了特征的维数,加快了分类速度,提高了识别率。用ORL人脸数据库进行了实验验证,证明了本方法的可行性。