基于改进LLE算法的手势特征提取研究

在人机交互领域中,基于视觉的手势特征提取成为研究的热点,但手势存在较大范围的变化,很难实现对手势的有效分类.研究了一种基于LLE改进算法的手势特征提取方法.先将手势特征数据中的某个数据点与邻近数据点组成局部线性关系,对重构误差进行拉格朗日乘子算法优化处理,求出新的局部重建权值矩阵,为了使局部线性关系能够满足低维度空间,通过求解映射矩阵的方法,将手势特征样本数据的目标特征空间映射到低维度空间中.采用稀疏观察手势描述法对手势特征进行提取,根据手势参数对手势轨迹数据进行归一化处理,为了提高手势特征提取的实时性,采用支持向量分类器的方法将手势从难以分类的空间映射到高维度的手势空间中.实验结果表明,所提方法对手势的查准率和召回率较高,泛化性较好,即使在样本数据很少的情况下,也具有较好的识别效果.     

基于数据挖掘的用户行为特征提取系统构建

为充分缓解电量负荷压力,本文设计了基于数据挖掘的用户行为特征提取系统.按照电力信息提取框架的处置需求,连接用户行为管理模块与电力数据挖掘驱动单元,完成用户行为特征提取系统的硬件环境搭建.采用关联电力用户行为特征树,存储各类待挖掘的电力数据,完成系统的软件环境搭建,结合相关硬件设备结构,完成基于数据挖掘的用户行为特征提取系统设计.实验结果表明,与基于k-means的提取系统相比,应用新型特征提取系统后,电力用户的总负荷水平明显下降,电子转存频率也由47％提升至98％,用户端主体的电量负荷压力得到良好的平均与协调.     

基于滑动窗口的影像中建筑物特征提取方法研究

针对多尺度分割算法在工程项目应用中使用成本高的问题,提出采用基于滑动窗口的影像对象获取方法.将主成分第一分量作为输入,通过灰度共生矩阵计算影像对象纹理特征,并与光谱均值特征构建面向对象的建筑物信息提取方法,将多尺度分割后的预测结果与滑动窗口分割后的预测结果进行对比实验验证.结果表明,滑动窗口提取结果的总体精度比多尺度分割提取结果的总体分类精度高出0.94％,Kappa系数高出0.0125,验证了滑动窗口预测结果的准确性与普适性.     

基于DT-CWT和SVM的踏面旋转不变纹理提取算法

针对列车车轮踏面旋转纹理信息无法准确、有效提取的问题,提出一种基于Radon变换和双树复小波变换（DT-CWT）的列车车轮踏面特征提取方法。首先,对车轮踏面图像进行Radon变换;然后,对变换后的图像进行DT-CWT分解,使用分解后的各层低频子带系数和高频子带系数模的均值和标准方差构造特征向量,将其作为区分列车车轮踏面是否发生损伤的依据;最后,由支持向量机（SVM）进行分类决策。使用动车所采集的图像及人为加噪声后的图像进行分类实验,结果表明,本文使用的Radon和DT-CWT算法能有效地进行旋转不变纹理的提取,SVM分类正确率可以达到95%,可为列车车轮踏面状况检测提供更为准确便捷的方法支撑。     

基于改进迭代最近点算法的接骨板贴合性快捷计算方法

为了快速计算出接骨板在断骨表面的最佳贴合位置,以减少手术中接骨板反复调整的次数,提出了一种基于改进迭代最近点（ICP）算法的接骨板贴合性快捷计算方法。首先,由医生指导在断骨表面选取贴合区域,并利用接骨板表面点的法向量之间的夹角提取接骨板的内曲面点云;然后,在对两组点云模型进行平滑处理并采用格点采样的方式来简化点云模型后,利用点云之间的特征关系进行初始配准;最后,对接骨板内曲面点云模型进行边界及内部特征关键点提取,并采用K-维树（KD-Tree）搜索邻近点,对接骨板的特征关键点和断骨表面选取区域执行ICP精确配准。以胫骨为例进行实验,实验结果表明,所提算法相较于近年所提配准算法在保持较高配准度的同时提高了配准效率,能够实现胫骨不同受损类型与接骨板之间的快速配准,并且对其他受损骨骼具有通用性。     

基于Haar-like和LBP的多特征融合目标检测算法

针对目标检测时Haar-like特征值过多、计算时间长、无法描述目标纹理特征且识别率一般的问题,提出一种基于滑窗原点信息的阈值自调节IHL(Improved Haar-like LBP)特征提取算法.该算法首先构造了 IHL特征编码方法,将Haar-like特征和局部二值LBP特征融合;然后在计算Haar-like型局部二值化特征时,使用高斯矩阵获得符合像素分布规律的自调节阈值;同时在求特征值时引入中心点像素信息,确保提取的特征值的合理性;最后使用AdaBoost训练得到级联分类器,将其载入系统,并在KITTI车辆数据集和INRIA Person行人数据集上进行实验测试.实验结果表明,该方法可在65s内识别1102个行人目标,在114.3s内识别1852个车辆目标,相比传统算法其可以明显加快目标识别的速度,对行人和车辆目标的识别率均可达到94％以上,其检测准确性相比其他方法也有显著提升.     

基于DGA和深度置信网络的变压器内部故障诊断

以油中特征气体组分比值为特征量的故障诊断是变压器内部故障诊断的重要方法,但实际应用中常出现"超码"和"缺码"问题,导致故障诊断精度低.从"信息驱动"的角度,提出一种基于深度置信网络的无监督型变压器故障诊断方法.该方法利用深度置信网络的油溶解气体特征提取,构建多隐含层的深度学习模型,采用无监督特征学习方法,实现在少样本情况下的变压器故障识别问题.算例表明,所提的深度置信网络提高了电力变压器故障诊断的准确率.     

面向复杂形面匹配的边界特征提取方法

针对车身封闭件装配过程中的匹配优化问题,提出一种面向复杂形面匹配的边界特征提取方法.对匹配边界特点进行分析,确定边界点的提取信息、采样间距大小及其搜索邻域.对采样后的点云数据,建立k-d树进行索引.对采样点在搜索邻域内的邻近点建立最小二乘微切平面,利用投影到微切平面局部坐标系内的邻近点分布特性,判断边界特征点及其匹配特征.案例分析验证了该方法在处理复杂形面匹配边界特征点提取时的有效性,在不影响匹配效果的前提下,本文方法可显著提高复杂形面边界特征的提取效率.     

深度连续卷积神经网络模型构建与性能分析

为了提升卷积神经网络特征提取能力,设计了一种基于连续卷积的深度卷积神经网络模型.该模型采用小尺度的卷积核来更细致地提取局部特征,并借助连续的两个卷积层增加模型的非线性表达能力,结合Dropout技术降低神经元之间的相互依赖,利用抑制网络过拟合对模型进行优化.人脸表情、手写数字字符和彩色图像的目标识别实验表明,在图像较为复杂时,该模型在识别的准确性和泛化性能上比手工特征提取方法及一般的2、3层卷积结构具有明显的优势.     

基于图像内容的常见蔬菜病害诊治研究

研究计算机视觉技术在蔬菜病害诊治中的应用,构建黄瓜、番茄等常见蔬菜的病害图片库,对图片库中的图片和待检测图片进行预处理,并使用PCA算法对图像提取特征,得到蔬菜病害的特征库;提取待检测的病害图片的特征,使用余弦相似度与病害特征库比较,检测出病害图像。实验结果表明,将PCA算法应用到蔬菜病害的图像识别,有较好的识别效果。