基于小波域层次Markov模型的图像分割

针对两个状态的有限高斯混合模型逼近小波系数的不足和小波域隐马尔可夫树标号场相互独立的缺点,提出了一种基于小波域层次马尔可夫模型的图像分割算法,这种模型用有限通用混合模型逼近小波系数的分布,使有限高斯混合模型只是其一种特殊情况;在标号场的先验模型确定上,利用马尔可夫模型描述标号场的局部作用关系,给出标号场的具体表达式,克服了小波域马尔可夫树模型标号场相互独立的不足,然后利用贝叶斯准则,给出相应的分割因果算法。该模型不仅具有空域马尔可夫模型有效的递归算法的优点,同时具有小波域隐马尔可夫树模型中的马尔可夫参数变尺度行为。最后用真实的图像和合成图像同几种分割方法进行了对比实验,实验结果表明了本文算法的有效性和优异性。     

基于小波域隐马尔可夫模型的小波隐写分析

基于精确描述图像小波系数间统计特性的小波域二维隐马尔可夫模型(HMM)参数集合,提出一种针对小波域信息隐藏算法的新型隐写分析技术。通过使用二维HMM对小波系数进行建模,对生成的HMT森林在隐写前后的参数集合构造隐写分类特征,采用SVM分类器进行隐写判别。实验表明该方法适用于小波域隐写术的检测,对小波域QIM、MFP和BPCS隐写有较好的检测性能。     

二值图像中的安全隐写

隐秘信息的安全性和容量是信息隐藏研究的热点之一.基于K-L散度和Cachin的安全性定义,提出了一种二值图像的安全隐写算法.首先阐述了批量隐写的安全模型,通过对二值图像批量隐写的分块之间的关系分析,形式化证明了该模型在一定条件下的理论安全性.其次,说明了大尺寸二值图像的隐写与提取隐秘信息的算法.该算法对大尺寸二值图像进行分块,采用混沌映射进行分组,把隐秘信息批量隐写到分块之中,并实现可逆提取.实验的结果和分析表明了该算法的有效性,对批量隐写研究具有一定的理论意义.     

基于马尔可夫随机场的低分辨率车牌图像复原算法*

由于采集到的车牌图像分辨率较小,为获取高分辨率的图像,提出基于马尔可夫随机场模型的车牌图像超分辨率复原算法。首先对图像进行分块;然后利用马尔可夫随机场对这些分块进行建模,通过模型学习训练库中高低分辨率图像的关系,预测待复原的低分辨率车牌图像的高频细节信息。实验结果表明,本算法对车牌图像取得较好的复原效果,算法复原的超分辨率车牌图像更接近于真实图像,具有更高的峰值信噪比。     

基于马尔可夫模型和支持向量机的JPEG图像隐写分析

提出了一种新的针对JPEG图像的通用隐写分析方法，利用马尔可夫模型，挖掘量化后的分块DCT系数中低频系数的相关性，提取出360维特征，然后采用支持向量机（SVM）分类方法进行识别。对四种公认的安全性较高的JPEG嵌入方法F5、Outguess、MB1和MB2进行隐写分析。在CorelDraw图像库的实验结果显示：该方法的检出率高、稳定性好且运算速度快。     

基于EM的隐马氏过程随机迭代算法及其在生物序列启动子识别中的应用

随着后基因组时代的到来，如何去揭示序列背后隐藏的生命信息已成为当前生命科学探讨的主题。而控制基因表达的正是启动子序列，如何去识别和预测序列的启动子区域是基因研究的重点课题。隐马尔可夫模型是最近几年研究基因最主要的模型。本文首先探讨了EM算法并提出了随机迭代算法，在初始状态分布和散发矩阵都随机假设，而转移矩阵由序列计算出的奈件下时人类启动子序列进行识别，平均识别率达到了92．05％。改进了多分类问题中的“投票策略”，提出了“一票决定”算法，使算法次数由O（N2）降到了O（N），由此对多个DNA家族进行分类，正确率达90．73％。从结果上看，在两类问题上，支持向量机比隐马尔可夫模型优越，但在处理多分类问题上隐马尔可夫模型却比支持向量机有更强的分类能力。     

基于小波变换和隐马尔可夫模型的人脸识别方法

提出了基于小波变换和隐马尔可夫模型的人脸识别方法。对原始图像采用小波分解后,原始图像被分解到不同的频带上。利用小波理论分析可知,在每一级分解中,低频子图像包含了原始图像的主要描述信息,而其他3个高频子图像包含的信息较少,对模式分类的作用也较小,所以可忽略不计。该算法首先对图像进行3级小波分解,然后把3个不同分辨率的低频子图像由小到大排列成树状结构,形成低频小波树。接着利用主元分析对每个小波树枝进行去相关、降维,形成特征小波树枝,并把它作为观测向量对隐马尔可夫模型进行训练,把优化的模型参数用于人脸识别,实验结果表明,该方法识别率较高,具有很好的发展前景。     

基于加权观测的隐马尔可夫模型

针对隐马尔可夫模型无法融合分类结果权值的问题,文中提出加权观测隐马尔可夫模型(WOHMM),并给出模型中概率计算、参数学习、序列标注三个基本问题的解决算法.使用公开数据集对参数学习和序列标注问题进行仿真实验,结果表明,WOHMM的参数学习算法能得到更接近真实值的模型参数,序列标注算法的效果较优.     

基于多模板隐马尔可夫模型的文本信息抽取算法

由于训练数据来源的多样化,难以通过学习得到最优的模型参数,因此提出了一种基于多模板隐马尔可夫模型的文本信息抽取算法。该算法首先利用文本排版格式和分隔符等信息,对文本进行分块;然后在分块的基础上,对训练数据进行聚类以形成多个形式的模板（多模板）,并对多模板数据训练得到隐马尔可夫初始概率及转移概率参数;最后,用被训练的数据统一训练释放概率参数,结合初始概率、转移概率以及释放概率参数对文本信息进行抽取。实验结果表明,该算法在精确度和召回率指标上比简单隐马尔可夫模型具有更好的性能。     

基于图像分块的改进Fisher人脸识别算法

二维方法用于图像矩阵特征提取,虽然速度快,但影响了分类速度。针对二维线性鉴别分析（Two-Dimensional Linear Discriminant Analysis,2DLDA）的特点,研究了一种基于图像分块的改进Fisher人脸识别算法,该算法首先对人脸图像进行压缩降维处理,得到相应的特征矩阵,然后利用改进Fisher算法对特征矩阵进行类间离散度矩阵和类内离散度矩阵的计算,该算法充分考虑了类别信息,避免了传统Fisher算法造成的小样本问题,有效提高了分类速度。基于ORL（Olivetti Research Laboratory）与Yale人脸数据库的实验结果证明了该算法的有效性。     

基于隐马尔可夫模型的车牌自动识别技术

本文基于隐马尔可夫模型（HMM）提出了一种车牌字符识别的新方法,用二维隐马尔可夫模型（2D－HMM）方法来识别车牌中的汉字,用伪二 维隐马尔可夫模型（P2DHMM）方法来识别车牌中的英文字符及阿拉伯数字。该算法适用于不同的字符大小、字符倾斜,污损等情况,抗噪声能力强。字符识别正确率达94％以上,具有实用技术的指标。     

A new approach based on a discrete hidden Markov model using the Rocchio algorithm for the diagnosis of heart valve diseases

Abstract: Application of the Doppler ultrasound technique in the diagnosis of heart diseases has been increasing in the last decade since it is non‐invasive, practicable and reliable. In this study, a new approach based on the discrete hidden Markov model (DHMM) is proposed for the diagnosis of heart valve disorders. For the calculation of hidden Markov model (HMM) parameters according to the maximum likelihood approach, HMM parameters belonging to each class are calculated by using training samples that only belong to their own classes. In order to calculate the parameters of DHMMs, not only training samples of the related class but also training samples of other classes are included in the calculation. Therefore HMM parameters that reflect a class's characteristics are more represented than other class parameters. For this aim, the approach was to use a hybrid method by adapting the Rocchio algorithm. The proposed system was used in the classification of the Doppler signals obtained from aortic and mitral heart valves of 215 subjects. The performance of this classification approach was compared with the classification performances in previous studies which used the same data set and the efficiency of the new approach was tested. The total classification accuracy of the proposed approach (95.12%) is higher than the total accuracy rate of standard DHMM (94.31%), continuous HMM (93.5%) and support vector machine (92.67%) classifiers employed in our previous studies and comparable with the performance levels of classifications using artificial neural networks (95.12%) and fuzzy‐C‐means/CHMM (95.12%).     

DHMM在机械设备音频识别中的应用

为了对现场机械或设备进行监控、诊断和识别,以音频为监控手段,引入矢量量化（VQ）算法并建立机械设备音频的离散隐Markov模型（DHMM）。特征参数采用MFCC,码书设计采用Linde-Buzo-Gray（LBG）算法;推导出Baum-Welch算法参数重估的多观察序列的最简标定形式;分析了多种HMM类型,提出了适合机械设备音频的HMM。实验在22种音频中进行,识别准确率在97%以上,证明了方法的有效性。     

一种改进的DHMM语音识别算法的DSP 实现

对多种隐马尔可夫模型算法进行了分析对比,在此基础上设计了一种改进的离散隐马尔可夫模型(DHMM)算法,并将此算法成功运用到了DSP嵌入式语音识别系统中.该系统采用上述算法完成了对非特定人的孤立词语音识别.该系统以ADSP-BF531语音处理专用DSP为核心,并辅以大容量的SDRAM和ROM为扩展,具有小型、高速、可靠、鲁棒性好、扩展性强等多个优点;可应用于许多特定场合,有很好的市场前景.试验结果表明,该系统对非特定人的孤立词的综合识别率在94%以上.对该系统应用的改进的DHMM算法,硬件的实现过程以及其实际应用效果等进行了详细阐述.     

依存分析和HMM相结合的信息抽取方法

信息抽取是文本信息处理的一个重要环节,当前的信息抽取研究工作大多针对半结构化的文本。针对自由文本,提出一种依存分析和HMM相结合的文本信息抽取算法,该算法在运用依存分析对句子进行浅层句法分析的基础上制定相应规则,形成输入序列,结合HMM易于建立、适应性好、抽取精度较高的优势,实现自由文本的信息抽取。实验结果表明,新的算法在召回率、准确率和正确率指标上均有良好的性能,说明了算法的有效性,为文本信息的抽取提供了新思路。     

基于音频信号的轴承故障诊断方法

介绍了一种基于隐马尔可夫模型的轴承故障音频信号诊断方法。通过对轴承音频信号的 Mel 频率倒谱系数特征提取,分别采用离散 HMM 和连续高斯混合密度 HMM 两种方法进行建模与诊断研究。与 CGHMM 方法相比,DHMM 方法运算速度快,但诊断精度低。而从总体上来看,两种方法都具有运算速度快,诊断精度高的优点。结果表明,本文方法具有很好的应用前景。     

Biomedical system based on the Discrete Hidden Markov Model using the Rocchio-Genetic approach for the classification of internal carotid artery Doppler signals

When the maximum likelihood approach (ML) is used during the calculation of the Discrete Hidden Markov Model (DHMM) parameters, DHMM parameters of the each class are only calculated using the training samples (positive training samples) of the same class. The training samples (negative training samples) not belonging to that class are not used in the calculation of DHMM model parameters. With the aim of supplying that deficiency, by involving the training samples of all classes in calculating processes, a Rocchio algorithm based approach is suggested. During the calculation period, in order to determine the most appropriate values of parameters for adjusting the relative effect of the positive and negative training samples, a Genetic algorithm is used as an optimization technique. The purposed method is used to classify the internal carotid artery Doppler signals recorded from 136 patients as well as of 55 healthy people. Our proposed method reached 97.38% classification accuracy with fivefold cross-validation (CV) technique. The classification results showed that the proposed method was effective for the classification of internal carotid artery Doppler signals.     

基于鱼群算法的图像阈值分割*

本文提出了一种基于鱼群算法的二维阈值图像分割的新方法。传统的二维Otsu方法考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法。针对Ostu方法的计算量大、运行时间长的缺陷,采用鱼群算法来搜索最优二维阈值向量,通过鱼群追尾行为获得最优阈值。实验结果表明,所提出的方法不仅能得到理想的分割结果,而且分割速度快。     

改进人工蜂群算法在二维Otsu图像分割中的应用

为了迅速准确的分割图像,通过对传统蜂群算法选择蜜源方式和缺陷蜜源的调整,提出了一种基于改进的人工蜂群算法分割二维Otsu图像的新方法. 此方法把图像阈值由人工蜂群算法中的蜜蜂表示,通过引领蜂、侦查蜂和跟随蜂之间的信息共享和分工协作来求出最佳阈值,成功解决了传统二维Otsu图像分割计算量大、运行时间长的缺陷. 实验结果表明,所提出的算法不仅能得到理想分割结果,而且分割速率快.     

人工蜂群算法改进DHMM的语音识别方法

针对离散隐马尔可夫(Discrete Hidden Markov Model,DHMM)语音识别系统中LBG算法对初始码书的依赖性和易陷入局部最优解的问题,采用人工蜂群(Artificial Bee Colony,ABC)算法对语音特征参数进行矢量量化,从而得到最优码书,提出了ABC改进DHMM的孤立词语音识别方法。先提取语音信号的特征参数,然后用ABC算法中每个食物源表示一个码书,以人工蜂群进化的方式对初始码书进行迭代而获得最优码书,最后把最优码书的码矢标号代入DHMM模型进行训练和识别。实验结果表明,ABC改进的DHMM语音识别方法与传统的LBG及粒子群优化初始码书的LBG的DHMM语音识别方法相比具有较高的识别率和较好的鲁棒性。