基于NSCT和仿生模式的人脸图像识别方法

针对现有的人脸图像识别算法准确度不高的问题,提出了一种基于非下采样Contourlet变换(NSCT)和仿生模式的人脸图像识别的方法。对人脸图像进行NSCT分解,并将分解后的各系数矩阵转化为能量特征,利用仿生模式识别算法实现对人脸图像的识别。使用UMSIT、Yale和ORL人脸库进行实验,且设计了无拒识和有拒识两组方案,实验结果表明:与传统方法相比,利用基于非下采样Contourlet变换和仿生模式的人脸图像识别的方法能够获得更高的正确率,而有拒识的方案能够获得更好的综合性能。     

仿生模式识别的两个关键技术问题研究

 同类事物特征在高维空间中形成的复杂几何形体的局部连续(连通)方向和通路的确定问题,以及找到满意的该复杂几何形体的覆盖体,判断高维空间一点是否在该覆盖体内的问题,是在传统的数学分析框架内的不适定难题.本文用高维空间点分布分析方法给出了解决以上两个仿生模式识别的关键技术问题的有效方法.本技术方法能将同类相近样本归于一个连通几何形体内,能把不同类的相近样本归于不同几何形体内,从而实现具体事物的精准识别.     

基于神经网络的人脸自动识别

该文应用神经网络技术构建了一个完整的人脸识别系统。首先使用基于眼睛位置估计的方法从人脸图像中分割出对识别有意义的纯脸,然后使用自组织映射进行特征压缩,提取有效的鉴别特征。最后使用基于知识的模糊神经网络进行分类。在NUSTDBII人脸数据库上的实验得到了令人满意的结果,并且表明该方法对人脸的姿态及表情有一定的不敏感性。     

基于仿生模式识别与传统模式识别的 人脸识别效果比较研究

本文实现了一种基于仿生模式识别的人脸识别系统,并将其识别效果同最近邻分类器与不同核函数的SVM进行了分析比较.以ORL人脸库为识别对象,针对有"拒识"的情况下,通过改变不同识别算法的可调参数,在保证参与训练人的正确识别率在大致相同水平的条件下,分析了参与训练人的错误识别率(错识别为参与训练的其他人)与未参与训练人的错误接受率(错识别为参与训练的某人)的优劣.比较结果表明,基于仿生模式识别的方法明显优于其它模式识别方法.     

基于仿生模式识别的DOA估计方法

该文就仿生模式识别(拓扑模式识别)在非感性抽象对象的信息处理方面的应用作了一些探索,提出了一种基于仿生模式识别的DOA估计方法。这种方法的建模过程是用在实际环境下采集的训练样本构造人工神经网络模型,对环境的适应能力较强,且这种方法的计算量较小,可以实现系统实时处理。实验结果表明：在信噪比为20 dB和0 dB时,该方法的正确估计率可达100%;在信噪比降为-20 dB时,该方法仍有83%的可识别率。     

基于仿生模式识别思想的时间序列匹配

仿生模式识别是模式识别理论的一种新模型,它的出发点是要"认识"事物而非"区分"事物,理论的基点在于它确认了样本点在特征空间的连续性.本文根据仿生模式识别的基本思想,提出了一种时间序列匹配的新方法.该方法利用同类样本间的连续性规律,将时间序列排序,并在相邻的时间序列之间添加了若干新的时间序列,以增加样本点.对力感键盘按键压力序列进行分类实验的结果表明,新方法优于基于动态时间弯折的传统方法.     

基于掌纹、人脸关联特征的身份识别算法

首先对掌纹、人脸图像进行融合;接着利用小波变换增强融合后图像;然后利用一种新的子空间分析方法--对角离散余弦变换和二维主元判别分析(Diagonal,Discrete Cosine Traasform and Two-Dimensional Principle Component Analysis,Dia-DCT+2DPCA)相结合的算法进行特征提取;最后运用最小距离分类器进行识别.实验结果表明,本文算法有效地提高了身份识别的正确识别率.     

基于仿生模式识别和PCA/ICA的DOA估计方法

本文提出了一种基于仿生模式识别和PCA/ICA的DOA估计方法.这种方法的建模过程是用在实际环境下采集的训练样本构造人工神经网络模型,对环境的适应能力较强;且这种方法采用PCA/ICA进行特征提取,使数据得到有效压缩,可以实现系统实时处理.实验结果表明:在信噪比为20dB和0dB时,该方法的正确估计率可达100%;在信噪比降为-20dB时,该方法仍有83%的可识别率.     

基于认知模拟的多路信息融合系统的研究

本文根据认知科学的理论,同时以神经科学、脑科学等学科的最新研究成果为指导,利用计算机科学、数学及工程科学的方法,提出了一种基于认知模拟的多路信息融合的新方法.根据该方法开发的多路信息融合系统(MIFS),可以较好地模拟人类的感知、认知和思维等功能.     

仿生模式识别(拓扑模式识别)——一种模式识别新模型的理论与应用

本文提出了一种模式识别理论的新模型,它是基于"认识"事物而不是基于"区分"事物为目的.与传统以"最佳划分"为目标的统计模式识别相比,它更接近于人类"认识"事物的特性,故称为"仿生模式识别".它的数学方法在于研究特征空间中样本集合的拓扑性质,故亦称作"拓扑模式识别"."拓扑模式识别"的理论基点在于它确认了特征空间中同类样本的连续性(不能分裂成两个彼此不邻接的部分)特性.文中用"仿生模式识别"理论及其"高维空间复杂几何形体覆盖神经网络"识别方法,对地平面刚体目标全方位识别问题作了实验.对各种形状相像的动物及车辆模型作全方位8800次识别,结果正确识别率为99.75%,错误识别率与拒识率分别为0与0.25%.     

时相调制的循环相关匹配滤波技术研究

针对传统数字调制信号的边带衰减缓慢,造成频谱扩展问题,从相位突变调制出发,提出具有较快边带衰减特性的调制方式——时相调制(TPM)。提出以非平稳信号分析方法分析通信信号,并针对TPM调制的循环平稳特性,利用谱相关分析理论,给出TPM调制的循环相关匹配滤波设计方法,并进行了性能仿真分析。仿真结果表明:与传统匹配滤波方法相比较,循环相关匹配滤波方法能够充分利用TPM信号的循环平稳特性,可以有效提高TPM调制系统信息传输可靠性。     

基于逆滤波器的旋转不变匹配滤波相关识别

提出了用逆滤波器来进行旋转不变匹配滤波相关识别方法 ;采用级联变形滤波器可以实现透射匹配相关峰强度对透射输入能量的优化 ,大大改善相关峰的锐度 ,计算机模拟结果显示 ,对旋转图像 ,在平面内按 0°～ 32°旋转 ,每 4°取一灰度图像的旋转不变匹配滤波相关器 ,具有较好的相关不变识别性能 ,特别是目标图像在部分输入情况下也能较好地识别     

基于改进的循环互相关MUSIC算法的波达方向估计

给出了基于循环互相关运算的信号模型，根据该信号模型，运用改进的循环互相MUSIC算法得到了对具有循环平稳特性的空间源信号波达方向进行估计的有效方法——ICCC-MUSIC算法；定性的分析和仿真实验均表明该方法具有较好的抑制噪声和选择信号的能力，为利用天线阵列提取具有循环平稳特性的源信号提供了较好的实现方法。     

一种抑制符号速率估计背景色噪声的非线性滤波算法

数字调制信号符号速率估计的依据是循环平稳理论,由于信号的符号速率就是其基本循环频率,因此可以通过提取信号非线性变换(例如循环自相关函数)的循环频率获知符号速率.但是,非线性变换不仅能产生对应于符号速率的正弦分量及其各次谐波,还会将信号自身转变成不利于谱线提取的连续有色噪声(其能量主要分布在低频部分).当观察数据长度有限时,自噪声对谱线提取的影响尤其明显.本文深入研究了数字调制信号非线性变换的频域特征,充分利用离散频率分量不同于连续噪声而在其邻域内突起的显著特点,提出一种能够有效抑制背景色噪声的非线性滤波算法.文中详尽的Monte Carlo仿真验证了算法的有效性.     

基于维纳滤波语音增强算法的改进实现

通过对维纳滤波的介绍,实现了基本维纳滤波效果;利用两级维纳滤波和两级滤波器组滤波方法实现了语音增强,达到了良好的效果.     

基于Simulink的匹配滤波器设计与实验

针对“匹配滤波器”教学内容中缺乏相关课程实验与实现的教学环节,基于Simulink仿真平台搭建了二进制确知数字信号的匹配滤波型最佳接收机架构,并采用了四种传输函数进行对比验证。这一实验教学活动的引入有助于增强教学内容的趣味性,激发学生的学习热情,使原本抽象且枯燥的知识点变得具体、生动形象,加深了学生对匹配滤波器原理的理解与应用。     

二维匹配滤波实现多角度SAR成像

 多角度SAR图像能够更全面描述目标不同角度下的特征信息,对目标识别具有重要意义.实现多角度SAR成像需要解决两个问题,一是在多角度测量模式下,传统成像算法的远场条件不能满足,成像散焦严重;二是空间采样不连续使得基于傅里叶变换的成像算法产生很高的旁瓣.本文利用二维匹配滤波函数的聚焦功能实现多角度SAR成像.通过调整成像参考点位置构造二维匹配函数,然后将测量数据用匹配函数进行滤波.与传统SAR成像算法相比,本文提出的多角度SAR成像算法突破了空间采样必须均匀和连续的束缚,更具有普适性.实验结果表明本文算法不仅能够实现多角度SAR成像,提高成像分辨率,而且多角度SAR图像能够描述目标散射特征的空间变化.     

SAR距离向匹配滤波成像算法研究

首先介绍了SAR时域压缩距离成像算法，同时研究了匹配滤波成像算法。经分析表明，由于与信号目标回波进行匹配的信号中不仅包含了相位信息，还包含有幅度信息，所以匹配滤波成像的效果非常理想，并且对噪声干扰也有很好的滤除作用。最后利用模拟试验的方法验证了这一结论。     

利用光折变全息术实现的光学子波变换

提出了用镀膜方法制备Ｈａａｒ模板，用光折变晶体记录子波函数的全息匹配滤波器，在一个无焦成像系统中实现了二维子波变换。给出了简要的理论分析和实验结果。     

基于匹配滤波的有意义图像水印算法

图像隐形水印是解决数字媒体版权保护的有效手段.目前的大多数水印算法采用伪随机序列构成水印,因而只能给出"Yes"(有水印)或"No"(无水印)的回答.嵌入有意义的水印在一些应用场合更加重要,但同时也带来了更多的困难.嵌入有意义的水印必须解决二个问题:(1)嵌入的水印具有一定的数据量;(2)从有失真的水印图像中正确地提取嵌入的水印.本文应用数字通信的理论和方法,提出了一个嵌入有意义字符串的DCT域隐形水印算法.该算法采用BCH编码和匹配滤波来降低误码率.应用所提出的算法,把一个32个字符组成的水印嵌入到256×256的图像中并达到了较好的稳健性.在水印图像信噪比受Gaussian加性噪声干扰下降到26dB时,仍实现了对嵌入水印零错误概率的检测.