基于小波变换和样本熵的心音识别研究*

讨论了一种非线性动力学与时频分析结合的心音信号分析方法,首先利用小波变换去除信号中的噪声干扰,然后提取心音信号的样本熵（SampEn）特征值。最后通过支持向量机分类器验证表明,该算法能有效提高心音信号分类识别的准确率,对实现疾病辅助诊断具有很大的价值。     

基于SVM的车型检测和识别算法

根据模式识别理论和支持向量机(SVM)网络技术,对运动车辆的检测和模式识别、分类进行了研究,提出了基于双帧差“或”运算检测法和基于SVM网络的车型识别和分类算法。实验结果表明,所设计的检测方法和SVM模式识别方法能够快速有效地识别车辆类型并正确地进行分类。     

基于灰色理论的车型自动分类识别

在灰色理论基础上提出了一种车型自动分类识别技术.该技术分为二大部分:第一部分是测量车辆的三维信息,即完成从二维信息到三维信息的转换,获得车辆的长度、宽度和高度特征;第二部分是利用灰色关联分析对车辆进行分类识别.实验表明,与传统的识别方法相比明显提高识别速度与识别精度,且具有很好的实用性.     

基于小波变换和SVM的眉毛身份验证系统研究*

为了对眉毛这一新颖生物特征开展识别研究,提出了一种基于小波变换方法和支持向量机（SVM）的眉毛身份验证方法。其基本思想是用小波变换提取眉毛图像特征,然后用SVM进行训练和验证。在自建的100人眉毛数据库中进行的实验结果表明,该系统具有较低的错误拒绝率29.58%和错误接受率8.22%,从而验证了眉毛用于个人身份鉴别的可能性和有效性。     

基于车辆声音及震动信号相融合的车型识别

车型识别技术是智能运输系统的核心。针对目前车型识别方法的不足,提出了一种基于车辆声音和震动信号相融合的车型识别方法。用BCS算法提取声震信号的特征,并在特征级融合形成特征向量,以此作为训练样本对支持向量机的分类器进行训练。对两种车型的声音和震动数据进行处理的结果表明,基于特征级融合的声震信号能够准确识别不同的车型,识别准确率达到86%以上,是一种有效的车型识别方法。     

基于小波变换和AR模型的脑电信号注意力状态识别

针对神经反馈训练研究中注意力状态识别精度不高的特点,建立了一种基于离散小波变换和AR模型的方法用于提高注意力识别的精度。利用db N小波函数对脑电数据样本进行多层小波分解,提取小波变换系数的三种统计特征;同时采用Brug算法得到AR模型系数;用这两种参数相结合后使用支持向量机进行识别。与只采用小波变换或AR模型等特征提取方法相比,本文方法有更高的识别率。     

基于DS证据推理的信息安全风险评估方法研究

在分析影响信息安全风险要素的基础上,构造了信息安全风险评估的层次结构模型,提出了基于Dempster-Shafer证据推理的信息安全风险评估方法。该方法可充分利用信息安全风险评估过程中专家的认知判断信息,处理评估过程中专家认知判断信息的不确定性问题,从而有效地提高风险评估的合理性。     

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.     

基于退化四元小波变换的纸币识别

针对如何提取纸币图像特征和提高识别率的问题,综合利用退化四元小波变换具有的相位特性,提出一种基于退化四元小波变换的纸币识别方法.该方法首先对采集的纸币图像进行倾斜校正和边缘检测,然后运用退化四元小波对纸币图像进行分解操作,并对分解系数进行统计分析,将每个分解子带系数的能量和标准差作为该纸币图像的特征向量,最后将支持向量机作为分类器对纸币图像进行识别.本文方法在资源约束的嵌入式清分系统上实现,实验结果表明采用本文提出的算法突破了传统纸币识别系统识别率很难再提高的瓶颈,同时能够满足清分系统的实时性要求.     

相关向量机在车型识别中的应用研究

相关向量机是一种稀疏的贝叶斯学习算法,对非线性、高维数的小样本问题有非常好的分类效果和学习推广能力.而且使用较少的核函数,研究了用相关向量机技术进行车型识别,设计了基于相关向量机的车型分类器.实验结果表明,基于相关向量机的车型分类器不仅具有基于支持向量机的车型分类器的相同性能,而且比支持向量机使用更少的核函数,实验取得了较好的分类效果.     

结合小波变换和Log-Gabor滤波的虹膜识别方法

提出了一种将小波变换和Log-Gabor滤波结合起来进行虹膜识别的方法:小波分解后的低频子带包含了虹膜图像的主要信息,而Log-Gabor滤波能有效提取图像的纹理信息.将归一化的虹膜图像进行两层小波分解,再取其低频子带进行Log-Gabor滤波并量化生成虹膜模板,采用汉明距进行快速分类.实验结果验证了本算法具有很好的识别率和等错率.     

基于Log-Gabor滤波的小波显微图像融合

针对现有图像融合方法对纵向覆盖范围较大的显微样本的图像融合效果不理想的问题,提出了一种序列显微图像融合方法.该方法以小波变换方法为基础,利用区域Log-Gabor滤波方法设计尺度系数的融合规则,既使融合后的图像不会产生块效应,又避免了以往的小波方法造成的过度模糊现象.讨论了方法中的参数设置对融合结果的影响,实验结果表明,与其它融合方法相比该方法的融合效果更好.     

基于正交Log-Gabor滤波二值模式的人脸识别算法

为消除可变光照对人脸识别的影响,提出一种基于正交Log-Gabor滤波二值模式（OLGBP）的人脸识别算法。该算法对样本在正交方向做Log-Gabor变换,然后将所得特征图像进行虚实分解和同尺度多方向二值融合构成OLGBP特征向量,再将这些特征向量构成协同表征字典D。最后,在字典D下对测试样本采用协同表征求稀疏系数,并通过误差重构来分类。在AR、Extend Yale B和CAS-PEAL-R1人脸数据库上的实验结果表明,OLGBP算法对光照变化的单样本人脸识别具有较好的效果,从而验证了算法的有效性。     

基于多通道Log-Gabor小波与(2D)^2PCALDA的人脸识别方法

为了降低光照变化对基于子空间的人脸识别方法性能的影响,结合多通道Log-Gabor策略与(2D)2PCALDA特征提取方法,提出了一种新的人脸识别方法。将不同尺度与方向作为独立通道,在每个通道内采用(2D)2PCALDA对人脸图像的Log-Gabor表示进行特征提取、分类,然后对各通道分类结果进行决策融合得到最终的类别归属。在CAS-PEAL-R1、ORL与Yale 人脸数据库上的实验结果表明,该算法具有较好的识别性能。     

基于Haar小波和Log-Gabor变换的虹膜识别方法

为了提高虹膜识别的准确率,通过对虹膜图像进行处理,实现了对虹膜图像的准确定位,得到了增强的归一化图像;使用Haar小波变换进行了特征提取,通过采用K-means方法对小波特征数据进行聚类,实现了粗分类得到了小样本集虹膜图像;结合虹膜的纹理特点,通过使用Log-Gabor滤波器提取虹膜局部纹理特征,量化编码后形成了虹膜特征模板;然后在得到的小样本集内通过汉明距离计算虹膜特征模板的相似度,完成对虹膜图像的识别。实验结果表明,提出的虹膜识别方法有效地避免了虹膜匹配过程中因为虹膜数据库中种类多、数量多带来的计算量大、计算时间长的问题,提高了识别准确率。     

一种基于奇对称2D Log-Gabor的虹膜特征提取算法

针对2D Log-Gabor滤波器提取虹膜特征存在部分非有效特征点等问题,提出一种基于奇对称2D Log-Gabor的虹膜特征提取算法。采用奇对称2D Log-Gabor滤波器对虹膜纹理的相位和幅度信息在不同频率和方向进行分析,运用特征融合技术消除冗余信息,较好地解决了2D Log-Gabor滤波器提取虹膜特征存在的问题。实验表明,该算法在抗噪声和抗干扰中具有强鲁棒性,有较高的理论和实用价值。     

基于Gabor小波变换的人脸表情识别

对基于Gabor小波变换的人脸表情识别方法进行了研究.对图像进行预处理以提高后续处理的准确度,通过分析二维Gabor小波变换的优点和人脸表情特征的变化情况,利用二维Gabor小波变换提取脸部表情特征,使用弹性模板匹配算法来识别图像中的人脸表情.实验结果表明,这种方法与传统的识别方法相比,系统具有很好的鲁棒性,达到较高的识别率.     

基于Log-Gabor和AdaBoost的人脸识别算法研究

随着模式识别和计算机图形处理技术的发展,人脸识别技术在公共安全、居所门禁、信息安全领域广泛应用,如何提高人脸识别算法的效率与准确度是首要问题。在运用基于Log-Gabor小波的滤波器实现提取人脸特征的基础上,采用AdaBoost迭代算法训练强分类器,以降低特征向量数,从而达到提高识别效率的目的。与通常的算法比较,在不损失准确度的基础上,可显著节约匹配时间。     

Force field convergence map and Log-Gabor filter based multi-view ear feature extraction

Based on force field convergence map and Log-Gabor filter, a novel multi-view ear feature extraction approach is proposed. This work first introduces the basic concepts and principles of force field transformation. Then a discussion on why force field convergence map rather than force field transformation is more suitable for multi-view ear feature extraction is given. After getting multi-view ear force field convergence map, Log-Gabor filter is applied to extract multiple scale and multiple orientation features. Finally, to verify the effectiveness of the proposed feature extraction method, different classifiers and different multi-view ear dataset are well utilized, to perform multi-view ear classification task. Experimental results and comparisons show the efficiency and the superiority of the proposed convergence map with the Log-Gabor filter method.     

基于Log-Gabor小波和二维半监督判别分析的人脸图像检索*

针对光照、表情变化给人脸识别造成的影响以及大型人脸图像库的训练样本中只有部分标记的问题,结合多通道Log-Gabor小波和半监督流形学习算法,提出一种新的人脸图像检索方法。该方法首先使用Log-Ga-bor小波对人脸图像进行滤波获得特征矩阵,进一步利用提出的二维半监督流形学习算法进行维数约简,得到低维判别特征。由于该方法直接作用于Log-Gabor特征矩阵,克服了小样本带来的奇异问题;另外,通过充分利用标记和未标记信息,还保留了数据的局部流形结构,增强了特征匹配的相似性。在CMU PIE和AR人脸数据库上的实验结果表明,该方法有效且优于其他方法。