基于不变矩和SVM的圆形交通标志识别方法研究

针对道路交通标志的自动识别问题,通过不变矩和支持向量机(SVM)方法对圆形标志图像识别方法进行研究。首先根据交通标志的颜色和形状信息对采集到的原始图像进行颜色分割、形态学去噪和形状检测等处理,获得图像中包含交通标志的区域。然后分别对标志图像进行Hu矩和Zernike矩的特征值提取,将特征值输入SVM中进行训练并采用网格搜索法对SVM进行参数优化,最后使用优化后的支持向量机方法实现交通标志的识别。实验表明,与现有的其他交通标志识别算法相比,采用高阶Zernike矩与优化后SVM的识别方法有更好的识别效果。     

基于ICA的仿射不变Zernike矩的交通标志识别

针对在复杂的交通环境下,摄像机获取的交通标志会受到拍摄环境、自然环境等影响而存在不同程度的几何失真。提出了一种基于ICA的仿射不变Zernike矩特征交通标志识别方法,根据交通标志的形状坐标在仿射变换之前x、y方向是相互独立的,经过独立成分分析(ICA)得到只发生旋转和镜像变换的交通标志,然后提取Zernike矩特征进行识别。实验结果表明该方法可以极大提高Zernike矩特征提取的准确度和交通标志的识别效率。     

Zernike矩及它们的应用

Zernike矩是以Zernike多项式为核函数的矩,Zernike多项式构成了一个完备正交集。Zernike多项式的正交性使得Zernike矩互相独立,使它在特征表达能力和低的噪声敏感度方面具有较大的优越性。     

基于Tamura-HOG纹理特征与矩特征融合的配网电缆终端故障诊断方法

针对现有的配网电缆因局部放电随机且复杂导致故障诊断尚存不足的问题,本文提出了一种融合局部放电谱图的矩特征、Tamura纹理特征和方向梯度直方图特征的特征提取方法。该方法从形状特征、全局和局部方向纹理特征3方面更加全面地表达局部放电谱图特征,对局部放电谱图的矩特征、Tamura和方向梯度直方图纹理特征进行提取与融合,结合自适应提升算法、后馈神经网络和支持向量机算法均可以实现识别准确率较高的故障诊断效果。然后,将本文方法与后馈神经网络、支持向量机及卷积神经网络、栈式自编码器深度学习算法进行识别对比,结果表明,自适应提升算法的识别准确率最高、耗时最短,具有良好的通用性和稳定性,为配网电缆的故障诊断提供了新的方法。     

基于FPGA的快速图像纹理特征提取方法的研究

图像特征的一个重要分支就是纹理特征,它体现了不同图像和物体的形态、大小、分布、方向等重要参数,对图像特征识别起到决定性因素。但是纹理特征提取的过程十分复杂且计算量巨大,为了解决这个难题,提出了一种在现场可编程逻辑门阵列(FPGA)平台下实现纹理特征提取新方法。首先对基本图像特征算法做了并行化的优化,从算法的数值范围和表示精度两个角度,做了相应的分析和误差控制,从而适应FPGA的运行。然后对FPGA的数据流传输提出了一个高效率的解决办法,该方法对其中的主要模块采用了流水线优化,并采用寄存器配置模式,从而在线地修改参数,适应不同的图像大小和卷积核等环境变量。结果表明,在同等功耗条件下,可以达到10倍于CPU的性能,达到了快速提取特征的目的。     

不变矩目标特征描述误差分析和基于上层建筑不变矩的舰船识别

不变矩用于各种目标识别的特征描述，受到了广泛的注意，许多作者研究了基于不变矩描述的飞机、桥梁、建筑物和舰船等目标的识别[1，2，3]。CHO－HUAKTENetal．[5]在理论上研究了连续图象由于空间离散化和亮度量化引起不变矩误差即不变性降低的问题，本文进一步从理论和实验两方面分析了引起目标描述不变矩误差并从而限制目标正确识别概率的其它因素。为克服上述问题，本文提出了用于舰船目标识别的上层建筑不变矩描述，并在具有1440幅舰船图象的目标库上，进行了舰船识别仿真，统计分析和识别结果均表明，上层建筑不变矩较之传统的不变矩描述，具有强得多的鉴别两类目标的能力，从而极大地提高舰船的正确识别率。     

Zernike矩与粗集预处理的神经网络在数字识别中的应用

针对无指针式表盘的数字判读问题,提出一种基于Zemike矩和粗集预处理的神经网络数字识别方法。该方法首先利用Zemike矩的旋转不变性特征提取数字图像特征,再对所提取的Zemike矩进行基于粗集的特征约简,约简后的信息输入到训练好的神经网络进行识别。通过实际的表盘分割截取的带旋转的数字识别中试验,结果表明该方法具有识别率高,速度快的特点,具有较高的实时价值。     

基于极半径不变矩的平面单足足迹识别

采用极半径不变矩作为描绘子对平面单足足迹进行粗匹配实验。设计了“距离排序法”作为粗匹配的分类器。使用极半径不变矩的5维特征值作为描绘子识别实验结果为在排除83％前嫌人员的条件下,识别准确率为86％。实验的结果表明使用极半径不变矩作为描绘子进行的粗匹配比使用足长与足宽的粗匹配的识别准确率和前嫌人员排除率都更高。     

基于改进不变矩的发电机组轴心轨迹识别

在发电机组状态检修系统中,转轴轴心轨迹是诊断机组状态的一个重要特征。Hu氏不变矩是图形图像识别中的重要工具。详细分析了离散状态下的Hu氏不变矩应用的局限性,提出了改进方法,并对发电机组发生故障时几类典型轴心轨迹的自动识别进行了仿真试验,结果表明该方法有效、简单可行。     

当今图像特征提取技术的发展

本文介绍了颜色特征的提取和纹理特征的提取在应用中作用以及特征含义。纹理和颜色相似,在图像中也是一种非常重要的视觉特征,在很多相关系统中得要广泛的运用。     

基于Gabor原子的雷达辐射源信号无意调制特征提取

针对雷达辐射源的个体差异,提出一种雷达辐射源信号无意调制特征提取方法。该方法在过完备Gabor原子库基础上,采用匹配追踪（matching pursuit）方法对具有相位噪声的常规雷达辐射源信号进行时频原子分解,得到表示常规雷达辐射源信号无意调制特征信息的最佳Gabor原子,将最佳Gabor原子时频参数以及重构信号和原始信号的相似度作为个体特征参数。．实验结果表明,提取的个体特征参数可以有效地表示常规雷达辐射源信号的无意调制。     

基于点扩散函数特征优化融合的水下目标识别

人类对水下世界探索的热情推动了水下成像及监测系统研究的发展.然而由于水介质光学属性及复杂水下环境的影响,常用的陆地成像及配套算法很难实现理想的效果.因而可以采用设备更新或算法优化两条策略使水下成像监测系统能够适应水下的光学环境.考虑到设备更新在水下场景中实施的困难和较高的资源消耗,沿用传统陆地的光学成像设备进行水下图像数据采集,并利用点扩散函数优化及多信息融合的策略来优化水下成像监测系统所用的目标识别算法,解决水下光学成像中由于散焦、目标移动、前后向散射噪声等所造成的图像目标细节模糊、对比度差等问题,提高水下自主航行器对水下目标的识别能力.     

基于差值信号的故障特征提取及应用

以电路软故障作为研究对象,提出了一种基于差值信号做故障特征的方法。首先将被测电路中各状态的信号波形的数据与标准信号波形的数据作差值,差值作为新的数据组,再进行小波包变换提取特征向量,经主元分析后选取具有代表主要信息的作为综合特征向量,最后送到分类器进行诊断。实验结果表明此方法可以有效地将电路软故障区分开来。     

尺度及旋转不变纹理图像检索

针对图像检索时常见的尺度及旋转问题,本文提出了一种基于双树复小波变换的尺度及旋转不变纹理图像检索方法.对图像进行尺度变化的预处理,对原图像和变化后的图像分别进行DT-CWT后,提取纹理特征并插值为特征矩阵;分别在尺度维和旋转维上进行FFT消除尺度和旋转变换影响,得到尺度和旋转不变的特征向量;采用Canberra距离进行相似性度量.通过对尺度及旋转变化的纹理图像库的实验表明,该方法对图像的旋转和尺度变化具有较好的鲁棒性.     

采用仿射不变矩的谐振接地系统故障选线方法研究

对谐振接地系统单相接地故障特征的分析表明,单相接地初始阶段故障线路与健全线路间的零序电流波形相似度低于各健全线路间的零序电流波形相似度,且故障初始时刻故障线路与健全线路的零序电流极性相反,高阻接地时该结论仍成立。仿射不变矩恰能反映各零序电流波形的整体形状特征和极性关系,且不受波形平移、旋转和缩放等仿射变换的影响,抗干扰能力强。对从各故障暂态零序电流波形图中提取的仿射不变矩特征量进行谱系聚类分析,并计算聚类有效性指标,选取聚类有效性最高的聚类树实现故障选线。各种故障工况的大量仿真表明,该选线方法适应性好,可靠性高。     

一种新特征提取方法在无线监测中的应用

提出了1个特征提取技术,解决识别的时间问题,同时,在新的特征技术中,识别率也有一定的提高.在模式识别系统中,识别的对象需要1个规范化的光栅图像,必须有足够的代表性、差异性等特点进行分类,以便达到很好的识别率.尤其在无线监测中,涉及的数据量比较大,响应比较慢.提出了在无线监测中快速响应的区域分块算法,并采取区域特征提取的方式来提取动、静态的图像,实验证明此方法可大大缩短了响应时间,优于以前的全局特征分析方式.对于动态图像特征的提取有一定的指导意义.     

一种基于LabVIEW8．2提取ECG特征点的新方法

文章讨论运用LabVIEW8.2中新增的"Waveform Peak Detection.vi"来获取ECG中各特征点的实用方法,该方法与传统法相比,无须再遍历检测整个时域内的所有信号样本,采用先抽取ECG波形中一定阈值范围内的所有波峰点和波谷点,再从抽取出来的波峰/波谷点序列中检测识别出ECG特征点的方法,实验结果说明,这种方法具有使用数据量少、检测速度快、直观、简便、检出识别率高、抗干扰较强的特点,体现了新技术与传统算法完美结合的优越性。文章所讨论的信号处理方法还可为一维时域信号特征点的检测分析提供借鉴。     

基于人脸比例特征提取与匹配的身份鉴别

针对人脸识别身份鉴别中的小样本问题,提出基于人脸比例特征提取与匹配的身份鉴别方法。首先基于图像灰度分布统计特征方差分析为阈值对图像进行二值化处理,然后基于主动形状模型算法实现人脸检测与特征点定位,构建脸型、鼻型、眼型共7项人脸比例特征并作为身份鉴别特征向量,最后利用基于层次分析法的相似度匹配模型实现身份鉴别。在Yale和MD图像集上的测试表明,所提方法适用于复杂背景下人脸面部特征的提取和身份鉴别应用。     

基于特征提取和多示例学习的图像区域标注

随着web2.0的不断发展,在Flickr等图像共享网站中越来越多的用户在上传图像的同时提供了标注,因此如何确定这些已有的标注在图像中的相关性区域成了一个热门的研究问题。提出了一种基于图像低层视觉特征和多示例学习方法的图像区域标注方法,文中的方法首先对图像进行分割,对分割后的图像区域提取低层视觉特征作为它的区域特征,最后通过多示例学习问题的多样性密度算法思想来对图像进行区域标注。实验中对已被标注的大量数据集进行分析,正确率达到了85%,与已有的图像区域标注方法相比,在区域标注的正确率上有着明显的改善。     

一种基于对齐度的多约束车辆特征匹配方法

针对基于双目立体视觉的汽车辅助驾驶系统,研究了一种基于对齐度的多约束快速匹配算法。对齐度准则利用图像对间的交互方差作为相似测度,不需要两幅图像的灰度线性相关性并且不受图像灰度差异的影响,比相关度准则有更强的适用性。确定左右两幅图像中的路面区和目标车辆后,采用Harris算子提取出目标车辆的特征点。匹配前利用角点的特征值约束去除不易匹配角点,然后采用对齐度准则进行匹配,最后根据视差梯度约束去除误匹配。实验结果表明了该方法的可靠性,能够获得较满意的检测结果。