小波变换在基于动物叫声的物种识别系统中的应用

本文所研究的基于动物叫声的物种识别系统,是在孤立词识别系统的理论基础之上,对传统的MFCC参数作适当的改进,提出了基于小波变换的WTMFCC参数。此参数比传统的MFCC参数具有更好的灵活性和鲁俸性,可以根据不同的统和模型,调整其加权值,从而提高识别率,获得更好的识别效果。     

基于自适应正则化的东北虎重识别方法

随着东北虎数量不断减少,识别单只老虎进而做出保护和追踪变得很有意义,故采用了一种基于局部分块和自适应L2正则化方法的东北虎重识别网络模型（part-based convolutional baseline-adaptiveL2,PCB-AL2）以解决在自然环境下东北虎重识别困难等问题。自适应L2正则化因子通过反向传播进行自适应更新,这是通过将正则化因子作为可训练的变量来实现的。针对老虎依靠身体条纹分辨的特点,采用一种双分支网络结构：局部分支和全局分支,网络依靠局部特征指导全局特征学习。实验结果表明,在ATRW数据集上与PPbM-a、PPbM-b以及PPGNet对比得出结论,在单摄像头环境下mAP达到了92.1%,跨摄像头环境下mAP达到75.1%。     

实木地板缺陷形态学分割与SOM识别

针对实木地板的活节、死节、虫眼、裂纹缺陷在线检测速度慢及准确率低的问题,提出在提取R分量图像基础上,利用数学形态学优选缺陷种子点,设计缺陷图像快速增长策略,完成图像缺陷的快速分割;给出了以缺陷面积、边缘灰度均值、内部灰度均值、长宽比为特征的特征提取方法与步骤;构建了基于自组织映射(SOM)神经网络的缺陷辨识模型。实验结果表明:R分量可以准确表征缺陷信息;基于形态学的缺陷分割与SOM网络的缺陷辨识具有快速性和准确性,缺陷分割用时18.8 ms,缺陷分类用时4 ms,平均辨识准确率在89%以上,可以满足木地板缺陷在线检测的速度和准确率要求。     

基于声音信号的特征提取方法的研究

主要介绍了利用MATLAB语言对声音文件的采集、调入和一些基本处理方法，对预处理过程及特征参数的选取做了详细的说明，并着重介绍了线性预测系数（LPC）及其倒谱系数（LPCC）和梅尔频率倒谱系数（MFCC），且对它们进行了比较。