基于深度信息的动态手势识别算法

针对目前手势识别方法计算复杂、特征量提取不可靠等问题,提出基于Kinect传感器深度信息快速动态手势识别算法。通过Kinect的深度摄像头获取深度图像,利用阈值分割法对深度图像进行预处理;结合深度信息,利用OpenCV函数库来提取前景;选用动态时间规整(dynamic time warping)算法计算测试行为模板与参考行为模板之间的相似度以实现样本的分类;最终结合OpenNI和OpenCV,在VS2010环境下实现了该算法。与其他算法相比,该算法改进动态手势特征的提取方法和分类过程,能够快速跟踪手部,有效分割手势。实验结果表明,本方法对具有时空特性的动态手势有很高的识别率,在不同光照和复杂背景下具有较好的鲁棒性。     

基于蚁群算法的多光谱遥感图像分类

该文应用蚊群算法和支持向量机实现多光谱遥感图像分类.首先提取出多光谱遥感图像的光谱特征、纹理特征和形状特征,然后利用蚁群优化算法从提取出的多维特征空间中选择最优的特征子集向量,最后将特征子集作为支持向量机分类器的输入量实现分类.实验结果显示,较传统的K均值方法文章给出的方法能够提高遥感图像的分类精度.     

在线聚类的网络流量识别

针对网络流量在线识别的难题,提出一种聚类算法和在线流量识别方案.以网络数据流的若干初始数据包作为子流,提取子流的统计特征,应用基于滤波器算法的属性相关性算法提取子流最佳特征子集,并提出基于密度的在线带噪声空间聚类算法对子流特征向量进行聚类,采用优势概率业务实现聚类和应用类型的映射.实验结果表明,该方案具备识别新应用类型和加密数据流的功能,且能实现在线的网络流量分类.     

基于多尺度CNN特征的国画图像分类算法

为了捕获国画图像的局部表现手法而实现风格分类,提出一种基于多尺度卷积神经网络(Convolutional Neural Network, CNN)特征的国画图像分类算法。该算法先对AlexNet网络模型进行改进,得到精简AlexNet网络模型以降低网络深度与参数规模。然后采用非对称空间分块方法对训练样本进行数据扩充,训练具有特征提取能力的CNN网络模型,以提取国画图像的多尺度CNN特征。最后,采用前向搜索选择方法对多尺度CNN特征进行选择降维,再结合支持向量机(Support Vector Machine, SVM)分类器实现国画图像自动分类。对比实验结果表明,多尺度CNN特征较之全局CNN特征分类精度提高了2.12%,且所提算法在分类精度方面均高于其他图像分类方法。     

一种高分辨率影像道路中心线提取算法

针对传统道路提取算法欠缺几何特征的考虑以及中心线提取不光滑的问题,提出一种基于形状特征和多元自适应样条回归(MARS)的遥感影像道路中心线提取算法.算法首先改进了传统的长宽比指数,然后利用该指数对遥感影像分割结果进行滤波,提取线性特征;在此基础上,结合光谱特征从线性特征中提取纯净道路段,最后利用多元自适应样条回归算法提取道路中心线.采用Matlab语言编程实现道路提取算法,并采用3幅高分辨率遥感影像对算法进行了验证.试验结果表明:改进后的长宽比指数可以有效地提取线性特征;同时,相比于传统的道路中心线提取算法,利用多元自适应样条回归算法提取的中心线更加光滑.     

一种机械零件图像边缘特征的提取方法

为了在嵌入式系统中实现对零件的有效分类,针对机械零件边缘特征比较明显的特点,提出了一种机械零件图像边缘特征的提取方法.首先采用Kirsch算子提取零件二值图像的边缘,然后以零件质心为中心将边缘图像划分为若干个子区域,并对各子区域分别计算出其修正的归一化中心矩,并将以此形成的行向量作为零件分类识别的特征.实验分析中采用K均值聚类算法对提取的零件边缘特征进行分类,实验结果验证了该方法的有效性.     

基于象素主轴方向灰度变化特征的特征点检测算法

针对当前大多数特征点检测算子定位不够精确的问题,提出了基于象素主轴方向灰度 变化特征的特征点检测算法.与多数特征点检测算法采用x、y方向梯度作为特征不同 ,该算法设计了新的特征提取方法作为检测核心:首先计算象素的主轴方向,在主轴和副轴上, 分别提取各自正负半轴共4个方向的局部灰度变化特征;再根据4个特征的组合情况,参考象 素类别分类表判断象素所属类别.不仅如此,该方法还可以进一步扩展到边缘、峰、谷等其 它图像特征检测的应用中.对人工合成图像和复杂自然图像的实验结果表明,该算法能够实 现各种类型特征点的准确检测和精确定位.该方法具有旋转和尺度不变性,为计算机视觉领域特征点检测提供了一种新的检测方法.     

基于多属性特征胎记的软件盗版检测

针对传统单属性特征在抗攻击性和检测率方面的不足,提出了基于分类多属性特征的软件盗版检测算法。通过对等价语义变换后的软件集合进行静态分析、提取过滤、分割和度量,最后按相似度构造分类器,在低开销下综合判别未知软件版本信息。给出了算法的描述,刻画了算法的实现过程,实验结果表明,该算法在提高判别的鲁棒性、可信度和抗攻击方面具有适用性,与同类方法比较也具有明显优势。     

基于融合图像特征的角点提取方法

基于图像边缘的角点提取往往对噪音敏感,提取精度较高但运算量大,而基于图像灰度的角点提取易于实现但提取效果不佳.因此提出一种融合图像边缘特征和图像灰度特征的角点检测方法.首先在一较低尺度用Canny算法求出所有边缘点,然后求出每一边缘点的曲率值并求出初始角点集,利用Harris算法通过实验在一较优尺度下对初始角点进行筛选并确定最终的角点集合.所提方法融合图像角点提取的两大特征,可以有效改进在单一特征提取下的不足.通过对比实验,该算法明显地提高了图像角点检测性能.     

一种采用类电磁机制算法的线性分类方法

根据最优超平面和类电磁机制算法的思想,提出了一种组合优化线性分类方法.该方法利用样本训练提取样本个体的类别特征,寻找到将类别分类的最优超平面,设计并实现了一种采用改进的类电磁机制算法的组合优化线性分类方法.试验取得了很好的分类效果,证实了组合优化线性分类方法的可行性.