排序方式: 共有61条查询结果,搜索用时 15 毫秒
1.
传统声纹识别方法过程复杂,模型识别准确率低,是声纹识别应用发展的关键问题。利用深度学习具有自主特征提取及分类的特点,结合卷积神经网络(CNN)和长短期记忆网络(LSTM),提出一种结合的网络模型学习声纹识别特征及对其进行身份认证。将原始语音转换为固定长度语谱图,顺序进入CNN、LSTM,结合网络进行训练以及声纹特征学习。通过对比CNN、LSTM以及DNN网络,验证CNN-LSTM网络在声纹识别中具有较少迭代次数情况下高准确率的特性。经实验结果可以得出,语音空间特征及时序特征均是声纹识别中重要的影响因素,实验中的CNN-LSTM网络模型准确率达到95.42%,损失低值达到0.097 3。该方法有利于实际声纹识别的应用。 相似文献
2.
3.
4.
提出了双树复小波变换域尺度内和尺度间复系数相关性图像去噪新方法。该方法利用双树复小波变换的多方向性和平移不变性对图像进行多尺度分解,采用邻域复系数微分窗对其高频方向子图进行尺度内复系数相关性建模,并按最小错误率贝叶斯决策规则进行分类和状态标识;再把复系数尺度内状态标识与复小波域隐马尔可夫树相结合,从而实现降噪功能。实验结果表明,该方法在峰值信噪比指标上优于传统的滤波方法,能有效地抑制噪声的同时,对图像边缘具有较好的保护能力。 相似文献
5.
该方法利用四树复小波包变换具有的移不变性、良好的方向选择性和对高频信号的细致分析能力等特点, 把含噪图像分解成低频逼近子图和若干高频方向子图; 在保留低频逼近子图复系数不变的同时, 利用复系数层间相关性的强弱把高频方向子图分为主要类和次要类. 对主要类和次要类复系数分别进一步采用非高斯双变量模型和零均值高斯分布模型进行噪声抑制. 实验结果表明, 无论是峰值信噪比(PSNR)指标, 还是在视觉效果上, 本文方
法的去噪性能均好于传统的双树复小波变换去噪、四树复小波包变换去噪和小波域高斯尺度混合模型去噪, 在有效抑制噪声的同时, 具有很好的图像边缘和细节保护能力. 相似文献
6.
运用C#处理Oracle数据库图片 总被引:3,自引:1,他引:2
闫河 《电脑编程技巧与维护》2010,(2):54-58
图片处理是数据库系统开发中经常涉及的技术。分析总结了在Oracle数据库中对大数据类型(LOB)的支持,介绍使用C#.NET开发工具处理图片的方法,以期在数据库操作中对大数据类型进行快速的处理。 相似文献
7.
8.
针对传统Canny算子不能有效滤除图像在解码处理和传输过程产生的椒盐噪声、无法保留边缘细节的问题,提出强噪声下Canny算子图像边缘检测算法。依据椒盐噪声的极值性、灰度差值性,将像元点划分为噪声点、疑似噪声点;根据分类之后的像元点自适应地改变滤波器窗口的大小和权值,在降低噪声影响的同时能较好地保留图像细节。引入8个方向模板的Sobel算子计算梯度幅值以提高滤波后的边缘定位效果。使用迭代自适应阈值算法与Otsu算法选择最佳阈值,实现阈值自适应设定,提高边缘连接效果。实验结果表明:图像去噪后的结构相似度为0.949,峰值信噪比相较于传统算法提升了10.97 dB。边缘评价指标提高27.2%,F1值提高了34.6%。该算法能有效去除椒盐噪声,具有更好的边缘细节保护能力。 相似文献
9.
声发射检测技术作为大型常压储罐底板的在线检测技术,其检测结果受传感器布置高度、频率范围、背景噪声高低、定位声速设定等诸多因素的影响。针对两种不同高度的传感器布置方式,通过断铅标定和现场检测分析传感器布置高度对声发射检测结果的影响,结果表明:传感器布置高度为300mm和600mm时,实测结果未见明显异常,其误差满足工程检测的要求;将传感器布置在高处的方式容易采集衰减程度小的信号,有利于长距离检测,而将传感器布置在低处的方式更易采集衰减程度明显的信号。 相似文献
10.