嵌入自联想神经网络的高斯混合模型说话人辨认

该文提出了一种嵌入自联想神经网络的高斯混合模型,它充分利用了神经网络和高斯混合模型各自的优点,以最大似然概率(ML)为准则,把它们作为一个整体来进行训练。训练过程中,高斯混合模型和神经网络的参数交替更新。由于神经网络起到了数据整形的作用,因而提高了类内数据的相似性。实验结果表明,采用该文提出的模型在各种信噪比情况下的识别率都比基线系统有所提高,最高能达到19%。     

基于混合高斯模型的运动车辆检测方法

针对目前在车辆检测中广泛应用的混合高斯模型(G MM)存在的缺陷,提出了一种改进的GMM运 动车辆检测方法。对于GMM运行过程中“鬼影”长期存在的缺陷,通过采用新 的权值和方差更新方 法,加速“鬼影”的消除,改善其车辆检测性能;对于传统的GMM对所有像素 点均采用固定分布 数建模造成的内存空间浪费,通过设定一个分布数上限值,对未达到上限值的像素 点采用分布数 自适应变化的方法,有效地减少模型总分布数,节约内存空间。实验结果表明,改进后的GM M在“鬼影”的消除和计算速度上具有较大的优势。     

基于高斯混合模型的纹理图像的分割

文章提出了使用高斯混合模型对纹理图像分割的方法。该模型考虑到图像纹理的特点，使用二状态的高斯混合分布来对图像各纹理类像素的分布进行拟和。首先对待分割的各类像素寻找与之匹配的最佳模型参数，然后再进行分割。最后，对分割结果进行多尺度综合，得到了各尺度的分割结果。实验表明该算法不仅能够较精确地定位各纹理区域，而且还有运算速度快的优点。     

期望最大(EM)算法及其在混合高斯模型中的应用

将期望最大(EM)算法应用于混合高斯模型中，通过对算法的介绍及其分析，得出EM算法是参数估计的一种有效算法，他大大降低了计算复杂度，但性能却与最大似然估计相近，具有很好的实际应用价值。     

基于块模型的混合高斯模型运动目标检测方法

文中针对传统混合高斯模型(GMM)运动目标检测方法计算量大、时间复杂度高的缺点,提出一种利用块模型的混合高斯模型运动目标检测方法。该改进算法利用分块处理技术为每个块建立一个模型,同时利用概率更新策略对块模型进行更新,充分利用图像像素间的空域信息,大量减少算法的计算量和存储空间,提高了算法的运行效率。应用这种改进算法,对分辨率不低于CIF(352×288)的监控视频进行检测,结果表明:当块大小值设置为3×3时,检测效果与传统混合高斯模型的检测效果基本一致,而改进算法的平均耗时减少了46.16%,存储空间减少不低于54.15%。     

高斯混合模型的遗传分基融合算法

作为分析数据的一种有效工具,高斯混合模型被广泛地应用到信号与信息处理领域中.然而,如何从数据中直接来确定模型中高斯分量的个数仍然是一个非常困难的问题.针对这一问题,本文提出了一种遗传型分裂融合优化算法,称之为分基融合算法.该算法以传统的EM算法为基础,通过类似遗传算法的随机分裂与融合操作,能够自动确定混合模型中高斯分量的数目.同时,它还能够估计出各个高斯分量的详细参数.实验表明,这种分基融合算法能够对于一般混合高斯数据建立合理的模型.     

基于统计的车牌字符识别

车牌字符分割后的字符识别是车牌识别系统的技术关键,目前字符识别的主流技术方法为基于字符特征提取的神经网络识别。目前国际上对字符识别技术有了较为成熟的研究成果,但是,这些技术尚不能对中国机动车牌中的汉字部分进行识别。本文将对车牌的汉字识别技术提出基于统计的识别方法,并对汉字的特征提取提出相应的技术方案。     

用于高斯混合模型参数估计的EM算法及其初始化研究

基于有限混合模型的聚类是一种重要的聚类分析方法,而EM算法是混合模型参数估计的重要方法.传统的EM算法对初始聚类中心比较敏感,因此如何选取初始值成为运用EM算法实现高斯混合模型聚类中的一个重要问题.本文提出一种基于网格的聚类算法来初始化EM算法,旨在改善EM算法的初始敏感性,使其达到更佳的聚类效果.此算法根据网格单元密...     

WAVE协议栈下基于高斯混合模型的无线定位研究

无线定位是车联网中各应用的基础,对实时性和精度要求更高。基于此,本文提出了一个在WAVE系统下基于混合高斯模型的位置指纹定位算法。该算法由离线训练和在线定位两部分组成,采用GMM对离线训练阶段的指纹数据库进行聚类建模处理,并在定位阶段对结果采用多点均值方法,不仅降到了系统定位误差,也减少了定位阶段的运算量,提高了定位的实时性。实验结果表明,该算法有较好的定位精度和实时性,为WAVE环境下的快速定位进一步研究提供有效参考价值。     

高斯混合模型在海面运动目标检测中的应用

针对海面背景图像的特点,利用高斯混合模型参数估计方法,建立了象素点背景模型并用于海面运动目标的检测。提出的基于变化检测的高斯混合模型参数估计方法与EM算法估计的模型参数极为相似,但前者大大节省了建立背景模型所需的内存空间,建模速度大约是后者的两倍。视频流实验验证了算法的有效性。     

车牌实时识别方法的研究

介绍了基于图像分析的车牌实时识别的过程，提出了图像预处理、车牌提取、二值化、字符分割、识别理解等研究方法，通过实验仿真取得了令人满意的结果。     

基于改进BP神经网络的车牌字符识别

在分析了BP网络学习算法的缺陷的基础上引入动量项和遗传算法对BP网络学习算法进行改进,大大提高了BP网络的收敛速度.对车牌字符图像进行分割并利用sobel算子进行边缘检测来提取字符特征.然后利用改进的BP网络来自动识别车牌字符,提高了识别的速度和正确率.     

基于图像理解的LPR系统研究

设计了一种基于图像理解的智能车牌识别系统,利用水平和垂直投影进行车牌区域定位。通过基于垂直投影和模板匹配的字符分割方法有效地解决了背景变化、车牌尺寸变化、字迹模糊等问题,在对120幅472×332大小的车辆图像采用基于模板匹配的ORC识别方法,在Hausdorff距离分类器上进行了相关匹配测试实验。识别率达96.7%,识别时间稳定在0.3~1.2 s之间。     

基于支持向量机和核主成分分析的车牌字符识别

给出了一种结合核主成分分析(KPCA)和支持向量机(SVM)进行车牌字符识别的新方法.该算法通过KPCA进行字符的特征提取,并利用SVM分类器完成字符的识别.实验证明,KPCA在高维空间具有较强的特征选择能力,SVM的识别率也明显高于BP神经网络.     

一种基于SVM的改进车牌识别算法

提出了一种基于支持向量机(SVM)的改进车牌识别方法。对细化处理后的字符采用网格、水平投影与垂直投影密度的特征提取方法,保证了字符整体与局部特征,同时也使特征向量集的维数充分低。结合3种特征提取方法得到的特征向量集,采用 SVM进行车牌号码识别。对于易混淆字符,提出了根据各自的特征进行2次识别的算法,该算法有效解决了易混淆字符误识别的问题。实验结果表明,该算法鲁棒性好、抗干扰能力强、识别率达到了98.58%。     

车辆牌照字符识别算法的设计

对当前典型的车辆牌照字符识别算法进行了研究和分析,在此基础上提出一种新型算法,通过提取一些具有表征性的字符结构特征构建合理的判决树进行有效识别.采用车牌识别系统中分割出的一些数字和字母进行识别仿真,实验结果表明该算法简单、快速、高效,在复杂的噪声环境下同样具有较高的识别率.     

图像处理技术的车牌识别系统研究

车牌识别系统在汽车运行实践对汽车的智能通行起到了显著的效果,所以积极的推广和利用车牌识别系统现实意义显著。从现实分析来看,车牌识别系统的具体利用会受到多种因素的影响,比如识别符号设计、感应系统等,所以为了更好的应用车牌识别系统,文章对基于图像处理技术的车牌识别系统进行分析与研究,旨在明确系统构成与应用,从而是实际利用提供帮助和指导。     

基于TMS320DM642的汽车牌照识别系统设计

介绍了用TI公司的TMS320DM642高速定点DSP实现汽车牌照自动识别的系统设计，提出了一些实用算法并给出了基于DSP的程序优化方法。     

基于Blackfin561的嵌入式车牌识别系统

介绍了一种基于双核DSP Blackfin561的嵌入式车牌识别系统。讨论了系统的硬件结构和软件实现流程,以及基于Hpofield神经网络进行车牌识别的方法及过程。首先对视频图像进行解码,以获取图像的亮度信号;然后通过图像处理方法对图像进行调整、定位、分割等处理;最终运用Hopfield神经网络识别出车牌上的字符信息。