基于特征级数据融合木材纹理分类的研究

为了提高对木材纹理识别的精度,提出了一种基于融合灰度共生矩阵与高斯-马尔可夫随机场纹理参数的特征级数据融合木材纹理模式识别方法。首先,分别获取了以上两种木材纹理特征参数;然后,使用模拟退火算法将两种不同类型的纹理特征量在特征层上进行了融合。利用融合后的特征对木材纹理样本进行识别,BP神经网络分类器的识别率达到97.00%,表明数据融合后的特征参数对木材纹理识别是十分有效的。     

一种融合两种主成分分析的货币识别方法

为了充分提取货币图像的有效特征,提出了一种新颖的货币识别算法。首先,利用两种主成分分析分别降低原始图像空间的维数;然后,对所得特征参数属性用粗糙集决策表约简原理进行优化;最后,运用典型相关分析原理融合特征级数据,并给出最终识别效果。实验结果表明,该算法在充分提取货币图像特征的基础上,能很好地融合其特征向量,识别性能优于单一的主成分分析方法,且训练样本为20时,识别率可达98.78%。     

彩色自然纹理分类识别的研究

为了建立描述彩色自然纹理的参数体系,选用木材纹理这种典型彩色自然纹理为研究对象,提取了木材图像颜色矩和高斯-马尔可夫特征参数,采用改进的模拟退火算法进行了特征优化筛选及特征级参数融合,得到纹理参数体系并进行分类识别实验,识别率为97.25％,明显高于融合前单参数体系.研究表明用该参数体系对彩色木材纹理进行分类识别是可行的,也可用于与其相近彩色自然纹理的分类识别.     

融合理论在步态识别中的应用研究

近年来,基于信息融合理论的步态识别已成为生物特征识别领域最为活跃的研究方向之一。从特征级融合和决策级融合两种层次,多特征融合、多模态融合以及多视角融合3个方面对融合理论在步态识别中的应用进行了综述。进一步,为了研究融合理论对步态识别算法性能的影响,提出一种融合了静态形体特征和动态模型特征的步态识别算法。通过在CMU步态数据库上的详细实验比较和分析,研究了不同融合策略以及步速变化对步态识别算法性能的影响。     

空间目标融合识别算法及实验研究

提出了基于红外与可见光图像的空间目标融合识别算法。算法针对空间目标的物理特征,利用红外和可见光图像提供的互补信息进行空间目标融合识别。方法以空间卫星为识别目标,采用不变矩和仿射不变矩来描述目标特征,提出了基于红外和可见光的特征级和决策级融合识别方案,并进行了半物理仿真实验和分析。实验证明这两种基于红外和可见光的融合识别算法可明显改善目标识别的精度和可靠性。     

基于全局与局部特征融合的人脸识别方法

针对现有预处理算法存在的缺陷及单一人脸特征在识别中的局限性,本文在基于双眼独立动态阈值的人脸预处理方法的基础上,研究全局特征PCA、2DPCA与局部特征LBP、Gabor,分析对比这几种特征的识别效果及适用情况;根据对这几种特征的研究分析,采用特征融合的方式对PCA和LBP特征进行融合;实验结果验证了在ORL库和ESSEX库上采用决策级融合的识别率优于特征级融合及单一特征的识别率。      

基于分布式传感器信息融合的辐射源识别

针对辐射源识别中基本概率赋值函数(BPAF)获取的难题,提出基于模糊集、灰关联分析和特征参数相似度的3种BPAF获取法,推演了获取BPAF的数学关系,建立了基于分布式传感器数种基本概率赋值获取法的信息融合辐射源识别模型,利用该模型进行了识别实验.识别过程中进行了多周期时域融合与分布式传感器窄域融合,并在不同信噪比下与模板匹配法作识别率比较.实验对比结果表明,分布式传感器信息融合识别法是有效的,辐射源平均识别率超过90%.     

基于典型相关分析特征融合的人脸表情识别方法

针对目前大部分人脸表情识别算法中仅提取图像的某一类特征,导致特征参数不能全面反映脸部情感信息的问题,提出了一种基于特征融合和离散隐马尔可夫模型（HMM）识别的人脸表情识别方法。对同一个图像序列分别使用离散小波变换(DWT)和标准正交非负矩阵分解(ONMF)提取纹理信息,使用改进的主动表观模型(AAM)提取几何形变信息,再使用高维小样本下典型相关分析(CCA)对提取的两种特征进行特征融合,最后使用离散HMM来进行表情分类识别。实验结果表明,经过特征融合后,在较少特征向量维数下该方法能够达到较高的识别率和较快的识别速度。     

基于皮肤电信号与文本信息的双模态情感识别系统

人机交互离不开情感识别,目前无论是单模态的情感识别还是多生理参数融合的情感识别都存在识别率低,鲁棒性差的问题.为了克服上述问题,故提出一种基于两种不同类型信号的融合情感识别系统,即生理参数皮肤电信号和文本信息融合的双模态情感识别系统.首先通过采集与分析相应情感皮肤电信号特征参数和文本信息的情感关键词特征参数并对其进行优化,分别设计人工神经网络算法和高斯混合模型算法作为单个模态的情感分类器,最后利用改进的高斯混合模型对判决层进行加权融合.实验结果表明,该种融合系统比单模态和多生理参数融合的多模态情感识别精度都要高.所以,依据皮肤电信号和文本信息这两种不同类型的情感特征可以构建出识别率高,鲁棒性好的情感识别系统.     

基于神经网络的多元特征融合身份识别系统

从信息融合的角度出发，利用神经网络的方法将语音信号、人脸图像等多元特征数据信息有机地结合起来，设计并实现了一种基于神经网络的智能融合身份识别系统。系统利用改进的线性预测和轮廓检测等方法，求出3类特征参数，并将它们进行关联，最后利用RBF人工神经网络进行融合识别。实验表明，与传统的单一特征识别系统相比，该方法具有更好的识别效果。     

基于高斯混合模型的非母语说话人口音识别

针对云南境内白族、纳西族、傈僳族3个典型的少数民族及汉族普通话语音,采用了高斯混合模型来训练每个民族的口音模型,并用少量的测试语音来获得较为满意的口音分类识别率,目的在于探索降低非母语口音话者语音识别错误率的有效途径.该文通过实验给出,对云南民族口音汉语普通话口音识别,当混合数为16,语音特征采用39维MFCC及其一阶、二阶差分参数时,口音识别正确率可达90.83%.     

文本无关发音质量评估系统中声学模型的若干研究和改进

在无关的发音质量评估系统中,需要先识别出待测语音的说话内容,才能进行准确评估。真实的评测数据往往有很多不利的因素影响识别正确率,包括噪声、方言口音、信道噪声、说话随意性等。针对这些不利因素,本文对声学模型进行了深入的研究,包括:在训练数据中加入背景噪声,增强了模型的抗噪声能力;采用基于说话人的倒谱均值方差规整(SCMVN),降低信道及说话人个体特性的影响;用和待测语音相同地域的朗读数据做最大后验概率(MAP)自适应,使模型带有当地方言口音的发音特点;用自然口语数据做MAP自适应,使模型较好地描述自然口语中比较随意的发音现象。实验结果表明,使用这些措施之后,使待测语音的识别正确率相对提高了44.1%,从而使机器评分和专家评分的相关系数相对提高了6.3%。     

小语料库重庆话语音识别的研究

随着计算机技术的发展,人工智能产品已经开始广泛地应用在各个领域。利用地区方言与人工智能产品进行交流成为了人机交互技术领域一个重要的研究方向。地处西南的重庆市为国家定位的国际大都市,世界各种文化伴随着人流汇聚于此。承载着重庆本土文化的重庆话作为重庆地区的主要交流语言,研究重庆话语音识别在推动人工智能产品本土化有着积极的作用。本文以重庆话为研究对象,建立了重庆话和重庆话口音的普通话小语料库,搭建了以HMM为声学模型的语音识别系统,分别以重庆话和重庆话口音的普通话作为声学模型去分别识别重庆话和带重庆话口音的普通话。实验表明,重庆话和重庆话口音的普通话声学模型去识别对应语音的正确识别率均为100%;重庆话声学模型识别重庆口音的普通话的正确识别率达到78.89%,重庆话口音的普通话声学模型去识别重庆话的正确识别率达到91.67%。     

结合非线性全局特征和谱特征的脑电情感识别

针对现有表征情感信息的脑电信号的非线性特征提取不完善的问题,将相空间重构技术引入情感脑电的识别中,提取了在相空间重构下基于轨迹的描述轮廓的三种非线性几何特征作为新的情感脑电特征。结合脑电信号的功率谱熵以及非线性属性特征（近似熵、最大Lyapunov指数、Hurst指数）,提出了基于主成分分析（PCA）的非线性全局特征（非线性几何特征+非线性属性特征）和功率谱熵的融合算法,以支持向量机（SVM）为分类器进行情感识别。结果显示,非线性全局特征能更有效地实现情感识别,二分类情感识别率约90%左右。基于PCA的融合情感特征相比单一特征能达到更佳的情感识别性能,四分类实验中平均识别率可达86.42%。结果表明,非线性全局特征相比非线性属性特征情感识别率有所提高,非线性全局特征以及功率谱熵的结合可以构造出更佳的情感脑电特征参数。     

一种改进的特征提取方法在语音识别中的应用

针对梅尔频率倒谱系数(MFCC)参数在噪声环境中语音识别率下降的问题,提出了一种基于耳蜗倒谱系数(CFCC)的改进的特征参数提取方法.提取具有听觉特性的CFCC特征参数;运用改进的线性判别分析(LDA)算法对提取出的特征参数进行线性变换,得到更具有区分性的特征参数和满足隐马尔可夫模型(HMM)需要的对角化协方差矩阵;进行均值方差归一化,得到最终的特征参数.实验结果表明:提出的方法能有效地提高噪声环境中语音识别系统的识别率和鲁棒性.     

基于特征提取和RBF神经网络的ECT流型辨识

针对传统ECT流型辨识方法效率低的问题,提出了一种基于特征提取和径向基函数神经网络相结合的ECT图像流型辨识的方法,该方法通过对各种特征参数的定义,完成对ECT系统测得的电容值进行特征提取,然后将提取的特征值作为RBF神经网络的输入完成流型辨识。仿真和实验结果表明,与基于BP神经网络的图像流型辨识方法相比,该方法具有识别速度快和效率高等优点,为ECT图像流型识别的研究提供了一个新的思路。     

虚拟环境中的人脸姿态交互方法

提出一种基于面积比的人脸姿态估计方法,先分析人脸姿态发生变化时特征点之间形成的三角形的面积变化,再应用BP神经网络对位置参数和人脸姿态参数的关系进行学习,从而对人脸姿态进行估计,最后将该方法应用于虚拟环境的漫游中。实验结果表明,采用该方法对人脸转动进行估计,采用的特征点比较少,具有较高的识别率和稳定性。     

HOG在人脸识别中的性能研究

介绍梯度方向直方图(HOG)人脸识别算法,设计基于脸部识别技术人脸库的HOG人脸识别实验,以测试不同HOG参数对人脸识别的影响,从而进行最优参数设置。实验结果表明,HOG特征在行人检测和人脸识别上对梯度方向空间和区间的选择是一致的,不同分块模式对人脸识别的影响与行人检测不同,HOG特征描述子用较少的特征维数就能有效地表达人脸,采用块内标准化方式后,识别性能有大幅度提升。     

基于特征识别的3维人脸动画模型自动构造

针对3维人脸动画应用中,需要手工事先标定肌肉模型的控制点、工作区域和设置各种计算参数,造成工作量大、修改困难、移植性差等弊端,提出自动构造各种肌肉模型及确定它们计算参数的方法。研究工作包括:综合运用法向量变化率、高斯曲率、高斯纹理模型等参数研究3维人脸几何及纹理特征的快速检测方法;设计基于邻域生长和候选点聚类分析的识别算法来识别人脸五官部位的特征点;在此基础上,自动确定各种肌肉模型的位置结构、工作区域和计算参数,实现人脸动画所需的肌肉模型构造和装配的自动化。应用工作结果表明,基于特征识别的3维人脸动画肌肉模型自动构造方法移植性好、精度较高,提高了动画建模工作的效率。     

边缘检测结合高斯平滑的鱼雷声谱图识别方法

鱼雷的识别预警是一个复杂的特征信息融合过程,其关键是提取鱼雷目标的特征成分。鱼雷目标与非鱼雷目标辐射噪声声谱图的存在差异性,针对声谱图特征提取方法开展研究,通过定义目标辐射噪声的声谱图直纹特征量,提出了一种基于图像边缘检测理论的鱼雷目标辐射噪声声谱图特征提取方法,并将该方法应用于鱼雷目标分类识别研究。实测信号分析表明,该方法可以有效提取鱼雷目标辐射噪声的声谱图特征,将鱼雷目标与非鱼雷目标进行区分,为鱼雷目标的综合识别预警提供一种可靠的特征信息参考。