基于多特征在线模板更新的鲁棒目标跟踪算法

在Mean-shift算法框架下提出一种基于多特征在线模板更新策略的鲁棒目标跟踪算法．首先,针对目标与背景色彩相似引发的跟踪漂移现象,提取照度不变性色彩特征与旋转不变性LBP纹理特征提取算法,并通过引入BWH算法实现多特征融合;其次,在传统的Mean-shift算法收敛条件上增加了直方图相似度校验,以避免陷入局部最优解．此外,还提出了基于直方图差异空间分布图的遮挡现象检测算法,从而提升了模板在线更新算法的准确性．实验结果表明,本文方法对于复杂动态场景、遮挡现象以及目标自身形变具有较强的鲁棒性和较高的准确性．     

SIFT特征在图像配准过程中的应用研究

针对现有基于特征的图像配准方法所存在的特征提取的多样性和相似度计算的复杂性等问题,提出了一种基于SIFT特征的图像配准方法．首先利用SIFT算法提取出图像的特征点,用欧式距离比进行特征匹配,然后利用图像位置的先验条件,采用RANSAC算法去除误匹配,最后计算出待配准图像和基准图像间的变换关系参数．实验结果证明了该算法的有效性．     

一种新的多标记特征提取方法

针对已有多标记特征提取方法并未充分利用特征信息的问题,提出了基于希尔伯特-施密特独立标准和主成分分析的多标记特征提取方法．该方法通过使标记与降维后特征之间希尔伯特-施密特范数达到最大,以充分利用标记知识;同时利用主成分分析,以尽量减少特征提取过程中的协方差信息损失．通过在Yahoo数据集上的实验表明,该算法的性能优于主成分分析和当前3种主要的多标记特征提取方法,验证了该算法的有效性．     

机械故障诊断的稀疏特征提取方法

针对旋转机械的周期性稀疏故障特征提取问题,提出了一种周期重叠簇稀疏信号优化特征提取算法．该算法根据机械故障诊断周期性特征提取问题构造了有效的稀疏优化目标函数,该目标函数中的正则项(惩罚函数)选用非凸惩罚函数来增强周期性特征的稀疏性,并且证明了非凸可控化参数在一定约束条件下可以保证目标函数整体为凸．基于优控极小化方法求解所构造的优化问题,推导出高效的快速迭代收敛数值算法,该求解算法最终收敛于优化问题的全局最优解．将所研究的周期重叠簇稀疏信号优化特征提取算法应用于仿真信号,定量分析了其相对于对比算法的优越性．最后,将所研究的周期重叠簇稀疏信号优化特征提取算法应用于轴承故障特征提取中,结果表明,该算法其可以有效地提取稀疏微弱故障特征．     

二同构扩展数字集成电路规律性提取算法

针对目前集成电路具有高度的规律性的特点,提出了一种新的数字集成电路规律性结构提取算法,可自动对电路中一些重复出现的电路结构进行识别和提取．通过对两两相连的标准单元进行特征提取比较并产生二同构子电路,对出现频数较高的二同构子电路进行扩展产生电路结构模板,进而提取所有与该模板相似的电路结构．在算法运行过程中,通过不断地删除已经匹配的顶点,可加快程序运行的速度．该算法已应用于实际工程项目中,改变了传统的手动分析整理的局面,降低了大规模集成电路逆向分析中电路整理的难度,提高了工作效率．     

基于神经网络的发票文字检测与识别方法

针对发票识别无法提取发票中被印章遮挡住的文本信息,提出了一种基于神经网络的发票文字检测与识别方法。首先使用轻量级深度神经网络检测出印章区域,利用区域的颜色信息分离印章和区域内文字信息,其中分离到的印章包含被印章覆盖的文字。然后对于印章,通过色彩阈值设定的方式提取被印章覆盖的字符。最后将区域内的文字和印章覆盖的文字合并,实现去除印章的目的。实验表明:算法有效减少计算量。算法在发票印章区域内文字检测准确率提高了53%、识别准确率提高了20%,实验证明了本文算法的可行和有效性。     

LMD与优化OMP算法的滚动轴承故障诊断方法研究

针对K-SVD算法在构建字典时字典原子易受噪声干扰混入虚假原子,正交匹配追踪(OMP)算法不易区分相似原子以及迭代终止条件难以确定问题,提出一种基于局部均值分解(LMD)与优化OMP算法的故障特征提取模型。该模型首先采用LMD算法分解信号,根据皮尔逊相关系数法选取最优PF分量作为样本信号构建字典;然后在OMP算法基础上引入Jaccard系数和峭度最大准则,解出稀疏系数并重构信号;最后进行仿真和实验数据分析。结果表明,基于LMD与优化OMP的故障特征提取模型对滚动轴承故障特征提取效果有改善。     

结合紧密度和分散度的近邻亲和相似度函数

针对传统距离或相似度度量未考虑个体样本对整体样本集影响的情况,对K近邻算法提出了一种相似度改进策略．首先提出了一种新的亲和距离函数,以样本对整体样本集的紧密度和分散度为关注点;其次在亲和距离函数的基础上,提出了一种新的基于紧密度和分散度的亲和相似度函数,并将其作为K近邻算法相似度度量函数;最后通过理论分析及18个数值类型UCI数据集,以5交叉验证模式对所提出亲和相似度函数与传统距离和相似度函数进行验证对比．实验表明,所提出方法是一种有效的相似度策略,且与高效索引算法相结合,可降低在大规模数据集的分类时间．     

核化空间深度间距的特征提取方法

针对传统的特征提取方法对于不同分布特征的数据集获得的特征提取效果不佳的问题,提出了结合深度函数的特征提取新方法。通过对传统欧式距离特征提取方法的研究,算法利用核化空间深度函数的思想根据数据集中各个数据特征之间的关系来衡量距离,能更有效地把握数据间距的特征,提取出相似的特征来判断出同类和异类。最后,采用对6个标准UCI数据集进行了3种不同维度和3种不同运行次数的仿真实验,对提出的算法进行了充分验证,实验结果表现该方法有良好的适应性。因此,核化空间深度间距的特征提取方法可以获得较好的特征提取效果,为Relief算法的研究提出了新的思路。     

一种新的纹理特征提取算法

为了提高纹理特征提取的效率,提出一种基于傅里叶变换的纹理特征提取算法。该算法先将图像进行傅里叶变换,然后把图像傅里叶域分割为12个扇形区域,提取扇形区域中的纹理特征,并使用Caneberra距离函数计算两幅图像的相似度。与现有算法相比,本算法对纹理特征提取具有较高的效率和准确率。     

印章网络管理系统的设计与实现

介绍了印章网络管理系统的设计 ,采用了一种新型的印鉴制作、生产、识别及安全管理模式 ,论述了计算机印鉴图象识别方法 ,并提出了一种既能保留图象边缘又能进行图象平滑的预处理算法以及提取标准和待识别印鉴特征点集的方案。     

雷达抗欺骗式干扰信号特征提取方法

欺骗式干扰由于与雷达回波特征相近,对军用雷达造成严重威胁,迫切需要研究雷达抗欺骗式干扰新方法。为了分析提取欺骗式干扰和目标回波信号之间的不同特征,从而实现雷达抗欺骗式干扰,该文通过对欺骗式干扰和目标回波数学模型进行分析和仿真,比较了欺骗式干扰和目标回波在幅度起伏、高阶累积量和双谱特征方面的不同特征;并提出了特征提取方法,定义3组特征因子,构建了抗欺骗式干扰特征参数集。通过仿真和外场试验的数据对部分特征进行了验证。     

基于楔环结构的彩色印章检测和对齐方法

基于外轮廓骨架线套位法，实现了不同类型印章（圆章、方章、椭圆章）的快速检测算法.算法对彩色模板印章进行属性分析，对彩色票据图像进行颜色规范化，并抽取印泥颜色从而简化票据图像.对检测到的候选印章子图和模板印章计算FFT变换的幅度谱图像，进而构造对应于楔环结构的幅度谱特征矩阵.通过错位对齐两个幅度谱特征矩阵计算最小幅度差，由粗索到细索两个步骤可精确恢复两枚印章的相对旋转角度.在空域上用多分辨率局域平移枚举法，恢复两枚印章的相对平移.实验结果表明，该算法能处理背景复杂和多噪声的图像，具有极高的检测率和精确度.     

基于边缘方向直方图的印鉴鉴别方法

提出一种基于边缘方向直方图的印鉴鉴别方法。经过Canny边缘检测算子提取待检的纯印鉴图像的边缘像素点,计算边缘像素点的法向量方向角并量化为边缘方向直方图,采用循环移位最小值计算直方图的相关性进行印鉴图像匹配。实验结果证明,该算法具有旋转不变性和尺度不变性等优点,并具有一定的鉴别能力。     

自封闭式高压闸门水封的试验研究

考虑橡胶材料具有超弹性、大变形等特点,根据伸缩式止水水封的受力特点,利用力学基本原理,设计出一种利用水库库压自行封闭的高压闸门水封,并结合某一大型水电工程进行了试验研究.指出了高压闸门水封水密性的变化规律和封头间隙对此的影响,给出了自封闭式水封在不同库压水平下的安全余量.试验结果表明:在高压闸门上使用自封闭式水封是可行的.这为自封闭式水封的工程应用提供了有益的试验依据.     

管道漏磁图像的卷积核信息熵相似度约束方法

为了提高卷积神经网络中卷积核对管道漏磁图像的特征学习能力,提出一种基于信息熵相似度约束的卷积核优化方法.建立一种信息熵相似度约束规则,通过判定条件对权值相近或相似度过高的卷积核进行优化.搭建实验平台并建立样本数据库进行实验,该方法可优化其特征提取能力,得到具有区分目标和背景语义信息能力的优化卷积核.结果表明,优化卷积核对目标具有较强的特征提取能力,能提高网络分类准确率和工作效率,实验结果与理论分析具有很好的一致性.     

某混沌实时判定系统中特征提取的原因分析

研究混沌判定方法,对进行混沌分析与控制具有重要意义。基于信息论、控制论、数据挖掘的一些基本原理和方法,描述了某混沌实时判定系统的结构与功能模块。为满足该判定系统原理及功能的要求,需要进行时间序列的特征提取。以Logistic系统为例进行了实验研究,应用小波包分析、小波包能量进行了特征提取,分析了进行特征提取的原因与必要性。实验结果表明,特征提取模块是整个判定系统的关键模块,小波包能量可以作为该系统中特征提取的方法。     

基于Gabor及深度神经网络的葡萄种子分类

种子成熟度需要受过长期训练的专家通过肉眼进行观察和判断。为了改变传统人工经验判断的方式,该文提出了一种基于Gabor小波特征提取及深度神经网络的葡萄种子图像分类识别算法,以便实现高效、准确的分类识别效果。首先,利用背景差分法在背景图像中分割出兴趣目标,从而完成图像的预处理。然后,通过改进的Gabor小波特征提取,使得Gabor滤波后的图像具有更多的细节纹理信息。最后,将深度卷积神经网络和提取到的纹理特征信息相结合进行分类。实验结果表明,基于机器学习的葡萄种子成熟度识别是切实可行的。且相比于其他类似分类算法,本文算法的图像分类精度有了一定的改善。     

一种面向弱纹理图像的特征点描述子

现有的大多数特征点提取算法适用于处理纹理丰富的图像,而对于弱纹理图像则无法提取有效的特征点. 对此,提出了多邻域结构张量特征(MNSTF)算法. 基于一系列固定的邻域和图像结构张量,通过表达局部图像的结构和纹理信息,解决了弱纹理和无纹理场景下特征点提取和匹配等相关问题;同时,通过计算邻域之间的相对方向,实现了MNSTF算法特征描述子的旋转不变性. 实验结果表明,MNSTF算法在经过旋转的弱纹理图像测试集上的特征点匹配准确率达到了99.9%以上,验证了其良好的适用性、旋转不变性和鲁棒性.