基于概率统计直方图的压缩域说话人识别

压缩域说话人识别算法(Compressed-domain automatic speaker recognition,CD-ASR)即从压缩语音数据中直接提取压缩参数进行说话人识别,无需参数译码和波形合成.本文提出了基于概率统计直方图的VoIP压缩域说话人识别算法,包括矢量量化统计直方图和高斯混合模型统计直方图两种方法.在给出了G.729,G.723.1(6.3 kb/s),G.723.1(5.3 kb/s)压缩码流的压缩域特征提取方案后,分别以矢量量化统计直方图和高斯混合模型统计直方图作为识别模型进行说话人识别.实验结果表明,概率统计直方图法比在压缩码漉中提取同样识别参数的GMM模型,识别率有很大提高.     

基于数学形态学的甲骨拓片字形特征提取方法

甲骨拓片字形特征提取是对计算机辅助进行甲骨拓片复原、识别和断代等工作都非常关键的第一步。为了尽可能准确地把甲骨拓片从背景噪声中分离出来,首先对原始甲骨拓片图形进行预处理,然后再应用数学形态学方法对甲骨拓片进行图像处理和分析,提取出12项指标用于表现甲骨拓片字形特征,并构造了一个基于数学形态学方法的甲骨拓片字形特征提取系统。通过对《甲骨文合集》实验数据进行基于字形特征的甲骨拓片图像匹配验证,实验结果表明 数学形态学处理方法能有效地提取出较好地反映甲骨文字的笔画形态和结构的字形特征。     

基于特征融合的被动声纳目标识别

在被动声纳目标的分类识别中,不同的特征提取方法提取的特征反映了噪声信号不同的特性,一般情况下,很难做出某种方法优劣的判断.如何把这些不同的特征提取方法提取的特征矢量融合起来,对被动声纳目标分类识别非常有意义.在应用数据融合的方法对基于倒谱的特征提取方法、基于局域判别基的特征提取方法和基于听觉响度特征提取方法提取的特征矢量进行融合.提出了基于正态分布的概率密度函数的确定基本概率赋值的方法,利用三种特征提取方法对水声目标噪声信号进行特征提取,对提取的特征矢量进行融合,并进行分类实验,结果表明,特征融合使分类过程中的不确定性样本数减少,从而相应地提高目标分类的正确概率.     

粒子群优化人体星形骨架特征矢量量化

实现了人体星形骨架特征提取,并利用粒子群优化骨架特征矢量的量化。星形骨架通过连接人体质心点到人体四肢及头部端点实现,是一种快速骨架提取技术。把质心点和端点连接,人体星型骨架可以用一个五维矢量Si表示,Si∈Rn,Rn是星型骨架特征空间。时序图像中的人体动作可以用星型骨架序列表示的特征矢量序列S代替。最后用粒子群优化S的特征量化过程,生成特征码本G。     

显著度可控的DEM地形特征线提取

目的 基于数字高程模型（DEM）的地形山脊线和山谷线提取对地形模型简化、基于样本的地形合成和地形地貌研究有重要意义,针对许多传统算法无法对所提取特征线的显著度进行方便准确的控制,以及不支持环形特征线提取的问题,提出一种新的显著度可控的DEM地形特征线提取算法。方法 首先利用全局断面扫描算法提取特征点并计算各特征点的显著度,然后根据特征点的特征方向进行特征延伸以增强特征连通性,接着采用改进的Hilditch细线化算法对特征点集合进行细线化处理,之后为相邻特征点添加特征边,构成特征图,利用环路检测与破环算法检测特征图中的环路,并破除冗余小环路,最后根据分支显著度的相似度和分支方向一致性进行特征图分解,计算分解得到特征线的显著度并筛选得到最终特征线。结果 使用真实DEM数据提取最显著的若干条特征线,与现有的基于特征显著度的地形特征线提取算法进行对比,本文算法对特征图的分解能够更准确地提取主干特征线,而基于显著度的特征线筛选控制也更加准确合理。对提出的环路检测与破环算法进行实验验证,该算法能保留大的山脊线环路,破除小的冗余环路。结论 实验结果表明,本文算法能有效实现显著度可控的山脊线和山谷线自动提取,提取结果与人眼观察结果基本一致,同时能够支持含有环形特征的地形。     

对步态空时数据的连续特征子空间分析

提出一种基于空时特征提取的人体步态识别算法。连续的特征子空间学习依次提取出步态的时间与空间特征：第一次特征子空间学习对步态的频域数据进行主成分分析,步态数据被转化为周期特征矢量;第二次特征子空间学习对步态数据的周期特征矢量形式进行主成分分析加线性判别分析的联合分析,步态数据被进一步转化为步态特征矢量。步态特征矢量同时包含运动的周期特征以及人体的形态特征,具有很强的识别能力。在USF步态数据库上的实验结果显示,该算法识别率较其他同类算法有明显提升。     

仿生优化算法用于保持特征的地形绘制

针对原始的geomipmapping算法在地形网格简化过程中不考虑地形特征,容易造成实时绘制失真度较大的问题,提出一种保持地形特征的简化算法.该算法采用免疫粒子群网络算法提取山顶点,采用蚁群聚类算法提取山脊线;对于提取出的地形特征点所在的地形块,根据特征等级不同程度地提高绘制分辨率,对不包含特征点的相对平坦区域降低绘制分辨率;并提出了针对保持地形特征的geomipmapping算法的裂缝消除机制.实验结果表明,文中算法在保持geomipmapping算法效率的基础上保留了地形特征信息,有效地减轻了地形绘制失真,并在一定程度上减轻了视点移动过程中的视觉突跳现象.     

保持物理特征的三维标量场拓扑简化

针对现有三维标量场拓扑简化方法,在简化的同时可能丢失部分有意义的物理特征问题,提出并实现了一种保持物理特征的三维标量场拓扑简化算法,采用为应用定制的物理判据分类标量场区域,将标量场重要特征检出和拓扑简化关联起来。结合Morse理论在次要物理特征所在区域构造Morse-Smale复形,并通过对复形上一系列临界点对的删除,达到简化和平滑函数拓扑特征的目的。实验结果验证了该方法的可行性。     

分形算法在BP网脉象识别系统中的应用

首先介绍了传统人工脉象识别的缺点,而后介绍了现代脉象分类的优点和当今主要特征提取方法,针对其提取特征的特点提出了利用分形理论提取脉搏信号的分数维,以此作为波形的重要特征,用于脉象分类识别。利用这些特征矢量在BP神经网络系统中对实测的脉象数据进行了分类,取得了令人满意的分类正确率。     

基于DCT域奇异值分解的图像检索技术

提出一种在DCT域获取图像的代数特征--SV特征矢量进行图像检索的方法.在图像解压到量化的DCT域时,提取粗糙纹理矩阵Ⅰ,对Ⅰ进行奇异值分解,根据图片库的特点选取部分或全部奇异值表征图像的纹理特征,试验了该特征提取技术在图像检索中的应用.     

基于双向最大相关与视差约束的特征点匹配

提出一种基于双向最大相关与视差约束的特征点匹配方法,首先利用双向匹配策略来提高匹配精度,然后基于视差约束条件进一步剔除误匹配点,实验证明该算法不仅简单高效而且匹配精度高。     

一种基于预测的实时人脸特征点定位跟踪算法

当前的人脸特征点定位跟踪方法因其计算量大,实时特性欠佳。给出了一种基于改进Viola-Jones算法和Kalman滤波器预测机制的定位及跟踪算法。该算法通过使用改进的Viola-Jones算法对本次人脸特征点进行定位,同时使用Kalman滤波算法对特征点下次出现位置进行预测,缩小了下一帧特征点定位过程中特征点的搜索范围,因而缩短了定位搜索时间。实验结果表明该方法在保证定位准确性和鲁棒性的同时明显增强了算法的实时性。     

纹理约束下的人脸特征点跟踪

将Lucas-Kanade光流跟踪算法与人脸特征点定位的统计模型DAM(direct appearance model)在Bayesian框架下结合起来,提出了视频中人脸特征点定位与跟踪的一种混合模型方法.利用Lucas-Kanade算法预测人脸特征点的位置,充分利用了帧间的相关信息,提高了跟踪的速度.通过DAM中纹理对形状的约束,在提高跟踪精度的同时增强了整个算法的鲁棒性.实验表明,这种方法可以很好地适应人脸的多种运动,可用于人脸识别或3D人脸建模.     

一种基于小波的三维扫描线数据处理算法

从三维点云数据中提取实物的边界特征点，在以计算机视觉为基础的数字化曲面重建过程中有非常重要的意义。为提高精度，重建之前，必须对通过各种方法获得的大量原始散乱数据进行除噪及精简处理。基于此，提出了一种基于小波变换的激光测量扫描边界特征点提取算法，我们通过严格的理论推导，构造了一种类似mexh小波的小波基来对两种边界特征点进行检测。多次实验结果显示：该算法有效地避免了噪声和冗余数据的干扰，较精确地定位到了边界特征点，通过重建原始数据，准确地提取了三维实体的外型轮廓，同时也为实现冗余数据的精简提供了一种新的思想。     

一种间接提取轮廓特征点的算法

该文提出了一种间接提取轮廓特征点的新算法,该算法通过对轮廓点序列在不同方向进行分解以简化运算。文中给出了算法的原理、数学基础及实现过程。最后实验表明,该算法不仅计算量小,易于实现,对特征点的定位也很准确。     

基于区块特征融合的点云语义分割方法

为降低室外大规模点云场景中多类三维目标语义分割的计算复杂度,提出一种融合区块特征的语义分割方法。采用方形网格分割方法对三维点云进行区块划分、采样以及组合,求取简化的点云组合区块集,将其输入至区块特征提取和融合网络中从而获得每个区块的特征修正向量。设计点云区块全局特征修正网络,以残差的方式融合特征修正向量与原始点云全局特征,修正因分割造成的错误特征。在此基础上,将方形网格分割尺寸作为神经网络的参数引入反向传播过程中进行优化,从而建立高效的点云语义分割网络。实验结果表明,反向传播算法可以优化分割尺寸至最佳值附近,所提网络中的全局特征修正方法能够提高语义分割精度,该方法在Semantic3D数据集上的语义分割精度达到78.7%,较RandLA-Net方法提升1.3%,且在保证分割精度的前提下其点云预处理计算复杂度和网络计算时间明显降低,在处理点数为10万~100万的大规模点云时,点云语义分割速度较SPG、KPConv等方法提升2~4倍。     

基于匹配质量提纯的改进D-Nets算法

针对基于特征的图像配准在较大仿射变形以及存在相似目标情况下适应性不佳的问题,为减少算法的时间开销,提出一种基于匹配质量提纯的改进描述网（D-Nets）算法。首先,通过FAST算法检测特征点,并根据Harris角点响应函数以及网格划分相结合的方式进行筛选;然后,在计算直线描述子的基础上构建哈希表和投票表决,从而得到粗匹配对;最后,采用基于匹配质量的提纯方法剔除误匹配。针对牛津大学Mikolajczyk标准图像数据集进行了实验,结果表明：提出的改进D-Nets算法在尺度、视差和光照变化较大的情况下平均配准精度为92.2%,平均时间开销为2.48 s。与尺度不变特征变换（SIFT）、仿射-尺度不变特征变换（Affine-SIFT）、原始D-Nets等算法相比,提出的改进算法与原始算法的配准精度基本相当,但速度最高可提升80倍,并具有最佳鲁棒性,显著优于SIFT、ASIFT算法,非常适于图像配准应用。     

基于共面二点一线特征的单目视觉定位

研究了根据点、线混合特征进行单目视觉定位问题,在给定物体坐标系中共面的两个特征点和一条特征直线的条件下,根据它们在像平面上的对应计算相机与物体之间的位姿参数。根据三个特征之间的几何位置关系,分两种情况给出问题求解的具体过程,最终将问题转换成求解一个二次方程问题,真实的工件定位实验验证了方法的有效性。该结果为应用单目视觉进行工件定位提供了一种新方法。     

一种基于小波的轮廓特征提取算法

从大量含有噪声的3维点云数据中提取实物的边界特征,在以计算机视觉为基础的数字化曲面重建过程中有非常重要的意义。为提高重建精度,需要首先对大量原始散乱数据进行除噪及精简处理,但常规的数据处理方法由于没有区分噪声和特征点,因而使重建精度大大降低。为了准确的进行轮廓特征提取,提出了一种基于小波变换的激光测量扫描表面轮廓特征提取算法,并通过严格的理论推导,构造了一种类似m exh小波的小波基用来对两种边界特征点进行检测。多次实验结果显示,该算法不仅有效地避免了噪声和冗余数据的干扰,较精确地定位到了边界特征点,而且通过重建原始数据,较准确地提取了3维实体的外形轮廓,同时也为实现冗余数据的精简提供了一种新思想。     

基于多尺度特征提取的均值漂移目标跟踪算法

为在图像对比度较低、相似目标过多等情况下较好地实现目标跟踪,提出一种基于多尺度特征提取的均值漂移跟踪算法.前一帧目标区域的特征点经匹配得到后续帧目标区域的特征点,利用所得特征点集的中心坐标修正均值漂移搜索窗位置,以此为约束条件,减小均值漂移迭代产生的偏差.实验结果表明,该算法可以提高跟踪精度、鲁棒性及实时性.