中心投影变换及其在二值图像检索中的应用

图像的形状是描述图像的重要视觉和语义特征,可通过图像中像素点的区域分布表现出来。本文针对二值图像,运用中心投影变换,使二维的图像模式转化为基于角度的一维模式,该一维模式表示图像在等角距的各个方向上的投影,在此基础上实现二值图像的检索。实验结果表明,中心投影是图像的一个全局特征,中心投影交换能有效地刻画二值图像的形状信息,检索结果及排列顺序与主观判断很一致。     

基于Gabor小波与分形维的人脸情感特征提取

提出一种基于Gabor小波变换与分形维的人脸情感特征提取算法,对包含情感信息的静态灰度图像进行预处理,对表情子区域实行Gabor小波变换,提取情感特征矢量,对人脸兴趣区图像求盒维数和差分分形维数,将经过Gabor小波变换所得的特征矢量和分形维数作为所提取的特征。分析比较了不同测试者7种基本情感的识别效果,实验表明该方法能有效提取与情感变化有关的特征。     

Feature extraction using wavelet and fractal

In this paper, we are investigating the utility of several emerging techniques to extract features. A novel method of feature extraction is proposed, which includes utilizing the central projection transformation (CPT) to describe the shape, the wavelet transformation to aid in the boundary identification, and the fractal features to enhance image discrimination. It reduces the dimensionality of a two-dimensional pattern by way of a central projection approach, and thereafter, performs Daubechies' wavelet transform on the derived one-dimensional pattern to generate a set of wavelet transform sub-patterns, namely, curves that are non-self-intersecting. The divider dimensions are computed from these curves with a modified box-counting approach. These divider dimensions constitute a new feature vector for the original two-dimensional pattern, defined over the curve's fractal dimensions. We have conducted several experiments in which a set of printed Chinese characters, English letters of varying fonts and other images were classified. Based on the Euclidean distance between the different feature vectors, the experiments have satisfying results.     

一种多尺度高光谱影像小波分形维特征计算方法

提出了一种基于高光谱曲线小波分形测度的高光谱影像多尺度分形维特征分析方法。对高光谱影像的光谱响应曲线的小波域高频和低频系数统计特性、分形特征进行了分析,提出以小波低频分形维表征原始光谱曲线分形特征,以小波系数高频分形维表征高光谱细节特征方法,设计了基于高光谱曲线小波分形维的多尺度特征计算算法,实验结果表明,小波分形维值可有效表征丰富的光谱特征,可用于高光谱影像特征提取和分类。     

基于分形特征的二值图像检索方法的研究

论述了基于分形特征的二值图像检索方法。图像的内容由4种特征来描述:图像分形维数、图像分形矢量、边界分形矢量和骨架分形矢量。实验表明该方法计算简单、有效,匹配快速,检索结果比较理想,只要查询图像在图库中,就一定能通过该方法检索出来。另外,该方法还具有一定的鲁棒性,证明这种检索方法是具有较大实用意义的。     

基于分形维数的雷达信号脉内调制方式识别

分形维数是分形理论中的重要参数,其中盒维数可以描述分形信号的几何尺度信息,信息维数描述分形信号在平面空间上的分布信息。因此利用分形理论从信号中提取盒维数和信息维数作为分类特征,这种特征可包含信号幅度、频率和相位的变化规律,并集中了不同调制信号之间的差异信息。通过计算若干种常见脉内调制雷达辐射源信号的盒维数与信息维数,表明了分形维数在分类意义上是有效的特征。并由分类识别的仿真实验验证了基于分形维数进行的分类具有较高的识别率。     

一种基于局部极大模和分形的混合编码方法

在分析分形理论和小波变换模极大值用于图象压缩方面优缺点的基础上 ,根据它们的特点 ,综合利用两种方法的优点 ,弥补它们不足 ,提出了一种基于小波变换极大模和分形的混合编码方法 .该方法先利用小波局部模极大值提取的图象边缘特性来进行图象编码 ,然后用分形的自相似性对图象的误差图进行压缩 ,以获得高压缩比和质量好的恢复图象 ;同时还简单进行了理论阐述和给出了具体算法的步骤 .实验结果表明 ,采用此方法压缩后的图象不仅视觉效果好、无方块效应 ,而且边缘无振荡现象、图象清晰无模糊 ,压缩比高 .     

基于连续小波变换和分形理论的水下回波特征提取

提出了一种水下回波特征提取方法。该方法利用连续小波变换和分形理论从水下回波包络中提取分形维,并作为水下目标分类的特征矢量。对实测的4类不同沉积物回波数据进行特征提取与分类,结果表明:该方法能可靠地区分不同类别的海底底质类型,具有较高的正确识别率。     

基于毯子维和缺项的虹膜特征提取算法

虹膜特征提取是虹膜识别的一个关键环节。文中提出一种毯子维和缺项相结合的虹膜特征提取算法。利用虹膜纹理的自相似和丰富的变化细节所具有的分形几何特性,采用纵向扩展毯子维表达不同分辨能力下虹膜纹理的变化及其辐射排列特点。通过引入缺项进一步提取不同纹理和分形表现却具有相同分形维数的虹膜特征。两者的结合能够更加全面地反映虹膜纹理的细腻变化。将归一化虹膜图像灰度值的毯子维及缺项用于虹膜分类,提高对虹膜的分类能力。针对CASIA-IrisV3-Interval数据库的仿真结果表明,纵向扩展毯子维结合缺项能够有效、快速提取虹膜的纹理信息,所获得的特征具有高的虹膜识别性能。     

模糊非相关判别转换及其应用

线性判别分析是一种特征提取和维数缩减的方法,广泛应用于人脸识别,语音识别和手写字母识别等领域。但是许多线性判别分析都是“硬”线性判别分析,每个数据点都严格地属于这一类或那一类。在非相关判别转换(UDT)基础上,提出了模糊非相关判别转换(FUDT)。FUDT是利用模糊集理论的有监督学习方法,其判别向量满足广义瑞利商方程,同时也满足样本到模糊非相关优化判别向量上的投影是非相关的。通过FUDT和UDT对公共数据库MSTAR的实验结果可看出,FUDT在处理SAR图像的特征提取方面优于UDT。     

小样本情况下Fisher线性鉴别分析的理论及其验证

线性鉴别分析是特征抽取中最为经典和广泛使用的方法之一。近几年,在小样本情况下如何抽取F isher最优鉴别特征一直是许多研究者关心的问题。本文应用投影变换和同构变换的原理,从理论上解决了小样本情况下最优鉴别矢量的求解问题,即最优鉴别矢量可在一个低维空间里求得;给出了特征抽取模型,并给出求解模型的PPCA+LDA算法;在ORL人脸库3种分辨率灰度图像上进行实验。实验结果表明,PPCA+LDA算法抽取的鉴别向量有较强的特征抽取能力,在普通的最小距离分类器下能达到较高的正确识别率,而且识别结果十分稳定。     

分块小波特征结合BP神经网络的虹膜识别方法

在对虹膜特征提取时,绝大多数方法是直接对虹膜归一化后的增强图像进行某种变换,为降低虹膜特征维度,同时保证识别效率,提出了对归一化虹膜径向折叠分块、环向周期分块再进行haar小波变换的方法,降低了虹膜区域对噪声的敏感性,在减少虹膜特征维度的同时,保证了虹膜有效特征不被中和。为进一步克服虹膜识别中对旋转的敏感性,采用了周期延拓的小波变换方式提取高频信息。最后利用BP（Back Propagation）神经网络的分类方法,将小波变换后的高频信息直接作为分类器的输入,进一步提高了虹膜识别正确率。实验表明,提出的方法特征点数低至120,正确识别率可达到99.48%。     

基于分形维数的纹理图像分割

纹理图发割过程一般分为特征抽取和特征划分,文中提出一种新的基于分形维数的纹理图像分割方法,在特征抽取上,以分形作为纹理特征,运用图像变换的思想,结合差分盒计数和基于分形布朗自相似模型的分形估计方法。     

一种基于分数维的虹膜识别方法

提出了一种基于极值加权平均分数维特征提取的虹膜识别方法. 针对亚洲人虹膜纹理反差弱的特点, 设计了高分辨率虹膜采集设备; 利用形态学和圆形边缘检测算子定位虹膜, 并将虹膜纹理映射到极坐标空间; 定义了一种新的图像分数维---极值加权平均分数维, 用于提取虹膜特征; 最后, 利用相关分类器对虹膜特征矩阵进行匹配识别. 试验表明极值加权平均分数维能很好地提取虹膜特征, 系统识别率高, 速度快.     

基于MFCC与分形维数混合参数的语音识别

针对语音气流中具有混沌特征,而分形可以定量地分析混沌现象,故分形可用来分析语音信号。语音波形具有分形特征,将分形用于改善语音识别技术更好地表现语音的特征,避免传统的分段线性处理所产生的局限性。将传统特征参数MFCC与分形特征结合起来,组成混合参数用于语音识别。实验结论显示,基于MFCC与分形维数混合参数的语音识别方法要好于使用单一MFCC参数的语音识别方法。     

Partial discharge pattern recognition of power cable joints using extension method with fractal feature enhancement

This paper proposes a new partial discharge (PD) pattern recognition using the extension method with fractal feature enhancement. First, four common defect types of XLPE power cable joints are established, and a commercial PD detector is used to measure the PD signal by inductive sensor (L-sensor). Next, the feature parameters of fractal theory (fractal dimension and lacunarity) are extracted from the 3D PD patterns. Finally, the matter-element models of the PD defect types are built. The PD defect types can be directly identified by the degree of correlation between the tested pattern and the matter-element based on the extension method. The extension method needs representative features to define the interval of the matter-element. In order to enhance the extension performance, we add fractal features that are extracted from the PD 3D patterns. To demonstrate the effectiveness of the extension method with fractal feature enhancement, the identification ability is investigated on 120 sets of field-tested PD patterns of XLPE power cable joints. Compared with the back-propagation neural network (BPNN) method, the results show that the extension method with fractal feature enhancement not only has high recognition accuracy and good tolerance when random noise is added, but that it also provides fast recognition speed.     

基于二维Gabor小波与SPP算法的人脸识别研究

稀疏表示近年来在模式识别领域已经取得了成功的应用,如目标探测和分类。稀疏保留投影（ SPP）算法是基于稀疏表示理论所提出的一种特征提取方法,目标是获得一个线性投影空间,使得样本之间的全局重构关系得以在低维空间保留。 SPP算法无需选择任何模型参数,具有很强的适应性,其灵活性及有效性在人脸识别中得到了详细的验证。文中结合二维Gabor小波与SPP算法用于人脸识别系统,二维Gabor小波主要用于提取人脸图像特征,SPP对图像特征进行降维。最后,在ORL人脸数据库上的实验表明,该算法较传统方法以及单独使用SPP算法的方法有较好的识别结果。     

一种基于分形时变维数的非平稳时间序列相似性匹配方法

随机非平稳时间序列在时空动力学演化过程中呈现出非线性特征和分形特征,传统相似性查询的维数约简方法导致时间序列的非线性和分形这些重要特征消失,序列相似性匹配的局部误差也就会增大．该文提出了序列分形时变维数的概念,给出了时变Hurst指数的小波估计式和算法;提出了一种新的序列相似性判别标准．新方法在某一分辨级水平上进行曲线形状相似性查询和度量的同时也进行维数曲线的度量和匹配．用仿真算例对方法的有效性进行了验证。     

Evolutionary model selection in a wavelet-based support vector machine for automated seizure detection

Support vector machines (SVM) have in recent years been gainfully used in various pattern recognition applications. Based on statistical learning theory, this paradigm promises strong robustness to noise and generalization to unseen data. As in any classification technique, appropriate choice of the kernels and input features play an important role in SVM performance. In this study, an evolutionary scheme searches for optimal kernel types and parameters for automated seizure detection. We consider the Lyapunov exponent, fractal dimension and wavelet entropy for possible feature extraction. The classification accuracy of this approach is examined by applying the MIT (Massachusetts Institute of Technology) dataset and comparing results with the SVM. The MIT-BIH dataset has the electrocardiographic (ECG) changes in patients with partial epilepsy which two types ECG beats (partial epilepsy and normal). A comparison of results shows that performance of the evolutionary scheme outweighs that of support vector machine. In the best condition, the accuracy rate of the proposed approaches reaches 100% for specificity and 96.29% for sensitivity.     

基于小波变换和分形维数的车牌汉字识别

提出一种基于小波变换与分形维数的车牌汉字识别方法.对字符图像进行预处理和小波变换,应用改进的微分盒维法计算图像分形盒维值,并构造特征向量,利用支持向量机分类器对字符进行分类与识别.实验结果表明,该方法对模糊字符的识别具有鲁棒性,可提高汉字识别率.