基于特征融合的人耳识别

分析Zernike矩人耳特征提取和非负矩阵分解（NMF）人耳特征提取的利弊。将线性判别分析的思想融入到NMF算法中,对传统的NMF方法进行改进。介绍一种融合特征人耳识别方法：将Zernike矩和传统非负矩阵分解融合提取人耳特征,得到一个分类能力更强的人耳特征矩阵,并采用BP神经网络进行分类识别,实验结果表明,应用融合特征方法提取人耳图像特征,可以提高识别效果。     

人机自然交互过程中情态的识别与融合

人机自然的交互过程中,在传递交互内容的显性信息同时也伴随有关于情态的隐性信息,即通过语言表达的情感和通过人脸显现的表情.本文阐述了情态识别的研究意义和实用价值;给出了考虑显性信道和隐性信道的识别构架;讨论和评价了一些识别人脸表情的途径与方法;研究了情态识别融合问题,并给出了一些在实验室中得到的结果.     

图像特征融合在人脸识别中的应用研究

主成分分析(PCA)和线性判别分析(LDA)是基于全局结构的特征提取方法,局部保持投影(LPP)和正交拉普拉斯脸(OLF)是基于局部结构的特征提取方法,全局结构特征的弱点是忽略了局部结构特征,局部结构特征的弱点是忽略了整体结构.基于此提出了一种全局与局部结构图像特征融合(GLSF)的提取方法,将PCA和LDA的提取结果融合到LPP中,既描述了全局结构,又考虑了局部结构.在ORL及Yale上的实验结果表明,GLSF方法比PCA,LDA,LPP,OLF等方法具有更高的识别率.     

一种基于动态反馈的人脸识别融合方法

提出了一种基于动态反馈的融合加权主成分分析（WPCA）和加权线性判别分析（WLDA）的人脸识别方法 （DFWPCA＋WLDA）。该方法首先进行主成分分析（PCA）降维得到投影矩阵,然后通过不断的反馈信息得到权值,从而加权协方差矩阵,优化投影矩阵,最后采用加权线性鉴别分析（LDA）进一步提取分类特征。动态反馈能很好地利用样本的有用信息,加权LDA还能做到更好的分类。在ORL和YALE人脸库上的实验表明,该方法有效且性能优于PCA＋LDA和WPCA＋WLDA。     

Decision Fusion With Confidence-Based Weight Assignment for Hyperspectral Target Recognition

Conventional hyperspectral image-based automatic target recognition (ATR) systems project high-dimensional reflectance signatures onto a lower dimensional subspace using techniques such as principal components analysis (PCA), Fisher's linear discriminant analysis (LDA), and stepwise LDA. Typically, these feature space projections are suboptimal. In a typical hyperspectral ATR setup, the number of training signatures (ground truth) is often less than the dimensionality of the signatures. Standard dimensionality reduction tools such as LDA and PCA cannot be applied in such situations. In this paper, we present a divide-and-conquer approach that addresses this problem for robust ATR. We partition the hyperspectral space into contiguous subspaces based on the optimization of a performance metric. We then make local classification decisions in every subspace using a multiclassifier system and employ a decision fusion system for making the final decision on the class label. In this work, we propose a metric that incorporates higher order statistical information for accurate partitioning of the hyperspectral space. We also propose an adaptive weight assignment method in the decision fusion process based on the strengths (as measured by the training accuracies) of individual classifiers that made the local decisions. The proposed methods are tested using hyperspectral data with known ground truth, such that the efficacy can be quantitatively measured in terms of target recognition accuracies. The proposed system was found to significantly outperform conventional approaches. For example, under moderate pixel mixing, the proposed approach resulted in classification accuracies around 90%, where traditional feature fusion resulted in accuracies around 65%.     

决策层信息融合的神经网络模型与算法研究

本文对信息融合问题中决策层融合方法进行了分析与比较,提出了一种新的决策层信息融合算法,即改进型ＡＲＴ２神经网络融合算法,该融合算法在综合大脑对多源信息融合的特点和优势基础上,提出了将信息进行匹配和调和相融合的处理方式。对实际的决策层信息融合目标识别问题,该算法具有弹性去除信息间相关性以及合理处理矛盾信息的能力。同时,ＭＡＲＴ神经网络模型通过自适应地调整网络参数,对信度的增长有较好的控制能力。     

灰局势决策方法在决策层融合目标识别中的应用

本文提出了一种基于灰局势决策的决策层融合目标识别算法,并利用各子源传感器判决结果包含的动态信息,通过计算灰关联系数对各类目标进行了加权处理。实验中利用上述方法对五类目标雷达观测数据的分类结果进行了融合,其结果表明该方法的目标识别性能与子源传感器相比得到了有效地提高。     

Target-Centered Models and Information-Theoretic Segmentation for Automatic Target Recognition

We present an approach to automatic target recognition (ATR) from synthetic aperture radar (SAR) imagery which combines advantages of both model-based and template-based approaches. Prior observations are used to estimate the statistical properties of reflectance over regions in the training scene. These target-centered statistical models can then be used to estimate the statistical properties of sensor output for arbitrary pose. Two-sided hypothesis tests which are maximally powerful at the most likely alternative are developed in a information-theoretic framework to address target model segmentation and confuser rejection. Segmentation of target from clutter is performed in the target-centered coordinate system using all prior observations to produce a consistent segmentation over all poses. We present performance and computation complexity results as a function of segmentation threshold, confuser-rejection threshold, and operating conditions for publicly available SAR data.     

基于多层聚焦Inception-V3卷积网络的细粒度图像分类

细粒度图片具有结构多变、背景干扰大、类间差异小、类内差异大等特点,准确地定位与提取判别性局部特征至关重要.本文提出一种多层聚焦卷积网络,通过首层聚焦网络能够准确、有效地聚焦于识别局域并生成定位区域,根据定位区域对原图像分别进行裁剪和遮挡后输入下一层的聚焦网络进行训练分类.其中单层聚焦网络以In-ception-V3网络...     

基于多类特征融合的步态识别算法

步态识别作为一种新兴的生物认证技术,是指通过人的走路姿势来识别人的身份。由于步态受到很多因素的制约,基于单个特征识别率很低,而且不同的特征其特征类型和度量尺度不同。本文提出一种将人体轮廓特征、肢体角度特征、反射对称特征相融合的方法,得到一个联合特征矢量,并采用最近邻模糊分类器进行识别。实验结果表明,本文算法可以解决不同类别的特征融合问题,具有较好的识别性能。     

基于异质传感器的空间目标融合识别系统设计

在空间目标识别中有电磁、光度、红外、无线电等多种传感器信息可以利用,不同类型的传感器获得的信息在时域、频域和特征域上的冗余和互补,可以提高识别的正确率,扩展识别的时间和空间覆盖范围,而对于复杂的空间目标识别问题,不可避免的要用到多种分类方法,这些分类器的自动优化组合是融合识别获得良好性能的关键.本文分析了空间目标分布式传感器信息处理系统中的单传感器优缺点,并设计了基于多级增强融合结构的空间目标融合识别方案,给出了其系统级融合的软件设计.该方案能根据不同传感器和分类器的性质自动的对其进行优化组合,充分开发多分类器系统的潜力、提高异质多传感器融合识别的效率和稳健性.     

GMD-SDDBHMM语音识别模型和分类训练方法

本文将混合高斯分布应用于一种非齐次隐含马尔可夫模型——简化的基于段长分布的隐含马尔可夫模型。新模型使语音识别率得到了改善。由于通常的模型训练方法训练时间太长，本文提出了一种分类训练方法，在不降低最终模型性能的前提下，使训练可以分布式完成。     

基于多特征融合的运动对象识别算法

为提高视频检索的准确率,提出了一种基于多特征融合的视频运动对象识别算法。该算法首先使用基于背景帧构造及关键帧截取的方法提取视频中的运动对象的区域;然后分别提取运动对象的局部特征SURF描述子和全局特征如颜色直方图、边缘直方图等,并使两者融合为统一的特征向量;最后使用支持向量机对特征进行学习和识别,用以识别视频对象。实验证明该算法有效地提高了视频中运动对象识别的准确率。     

基于特征融合的步态识别

基于人行走时下肢关节角度变化包含丰富的个体识别信息的观点,提出了一种利用下肢关节角度进行识别的方法。利用下肢关节角度来表征步态运动的动态特征,并用主分量分析进行特征提取来表征步态的静态特征,其次融合步态运动中的静态特征和动态特征,采用对小样本具有很好分类效果的支持向量机进行分类识别。对算法进行MATLAB仿真,结果表明所用方法具有较高的识别性能。     

辐射源识别中的决策融合方法研究

信息融合技术在辐射源识别中发挥着重要的作用,是对辐射源作出正确判断的关键步骤;本文将多元决策的信息融合方法应用于辐射源识别中,给出了多级融合和决策的识别决策方案及算法。     

一种用于ISDN视听业务的加密板

日本NTT实验室开发的用于ISDN视听业务的加密板,符合国际电信联盟(ITU—T)的H.233建设。本文首先概述H.233建议,然后描述视听业务加密板的建立过程、结构及FEAL加密处理器的特点。     

Speech Recognition Experiments with Silicon Auditory Models

We have developed a real-time system to transform anaudio signal into several specialized representations of sound.The system uses analog circuit models of biological auditionto compute these representations. We report on a speech recognizerthat uses this system for feature extraction, and we evaluatethe performance of this speech recognition system on a speaker-independent13-word recognition task.     

基于G2的数据融合与目标识别系统

随着现代战争的规模日趋庞大,作战环境日趋复杂,多传感器数据融合技术已成为必然的发展趋势。介绍一种基于D S证据理论的目标自动实时识别系统。系统采用有反馈的全并行融合系统结构,以分级式D S证据推理为数据融合算法,最终实现一个图形化的目标识别系统。仿真结果表明系统可以快速准确地对多个目标进行识别。     

基于异类传感器信息融合的平台识别算法

从实用角度出发分析了相关滤波法、目标识别法和D-S证据理论等方法在异类传感器信息融合的不同层次的使用,综合以上方法实现对雷达侦察辐射源、通信辐射源、激光辐射源和雷达航迹的信息融合,最终合成平台信息,用于完成平台识别.     

基于数据融合的识别方法研究

D-S证据理论是一种适用于不确定决策问题和风险型决策问题的决策方法,它满足比概率论更弱的公理系统,不要求事先给出先验概率,因而具有比贝叶斯方法更广泛的应用范围。将其引入模式识别领域中,并结合神经网络容错能力强,自适应学习等一系列优点,对待识别的手写体数字进行统计和结构等多方面的特征提取后,分别经过神经网络分类器得到相应的结果,并应用D-S证据理论对各种结果进行数据融合,从而实现了数字各方面特征的优势互补,进一步提高手写体数字的识别率。