基于二次曲线的在线手绘图识别

在线手绘图识别是2D草图重建3D模型领域的关键课题。提出一种基于二次曲线的在线手绘图识别方法和针对复合线元的分割算法,最小的识别单元包括:直线段、折线段、椭圆、椭圆弧、圆、圆弧、双曲线和抛物线。该识别方法利用几何特征对笔划进行自适应分类;采用最小中值二乘法进行二次曲线拟合,确定笔划的具体类型。实验证明,该识别和分割方法能获得令人满意的识别效果,为从2D草图重建3D模型奠定了基础。     

灰色关联法识别地层岩性应用研究

利用常规测井资料方法识别陆相沉积形成的复杂砂泥岩剖面有一定难度,针对此问题提出一种基于灰色关联的岩性识别方法。在吐哈温米油田wj3-1井测井资料的基础上,通过取芯井岩心和相应测井曲线对应特征的分析,提取反映岩性的特征参数,应用灰色关联分析方法对取心井的岩性进行识别。     

油气藏相渗特征参数的非线性参数识别

复杂多相流体体系相渗特征曲线是认识多相流体在多孔介质中的渗流机理和进行数值模拟及油气藏开采动态预测的基础.利用非稳定法实验原理,采用室内实验获取非稳定驱替过程的压力历史和各相的生产资料,根据非线性参数识别技术,通过LMF算法和最优控制算法来实现相对渗透率特征参数变化步长的自动调节,使模拟压力拟合非稳定流实验的压力历史数据,解决了复杂多相流体渗流相渗特征参数的识别问题,由此获得的相对渗透率曲线不但快速、饱和度范围宽、曲线形态好,而且消除了常规方法假设条件带来的结果误差.非线性参数识别结果和试验结果具有较好的一致性,证明了方法的可靠性.     

几何系数赋权纹理特征的小样本人脸表情识别

针对只有少量人脸表情图像样本的约束条件，为构造更为有效的统计特征实现小样本表情识别，提出了几何系数赋权纹理特征的小样本表情识别方法。利用主动外观模型(Active Appearance Model, AAM)定位出人脸表情关键点，拟合关键点椭圆区域，计算椭圆离心率对比中性表情得到人脸表情几何系数；拟合关键点矩形区域，利用韦伯梯度编码(Weber Gradient Coding,WGC)提取拟合区域的纹理特征；将几何系数权重赋权拟合区域WGC特征联合支持向量机实现小样本表情识别。结果表明：在公共人脸表情库JAFFE、CK上进行测试，并与其他表情识别方法进行比较，文中算法识别率最大分别提高了1.95%与5.24%。     

基于分形盒维数与小波包能量的干扰识别方法

针对军用通信系统常见干扰的识别问题,提出一种基于分形盒维数与小波包能量的干扰识别方法。首先提取各种干扰的分形盒维数和两个小波包能量特征参数( Wpt5和Wpt7),将其作为分类识别的特征参数,然后采用基于二叉树的支持向量机(BT-SVM)多分类器实现干扰分类。仿真结果表明,所提取的特征参数均具有较好分离度和较强的稳定性,采用的BT-SVM法能得到较高的干扰识别率;并且该方法的识别效果总体上优于传统方法。     

基于图像处理的小麦水分含量识别方法研究

研究了一种基于小麦图像特征和模式识别的小麦水分含量快速识别方法.将小麦水分含量分别调至10%、11%、12%、13%和14%,然后采集小麦不同含水量单籽粒和整批籽粒图像.单籽粒图像,提取其形态、颜色和纹理共62个特征参数,整批籽粒图像提取其颜色和纹理共48个特征参数.最后采用逐步判别分析对提取的特征参数进行筛选,分别建立线性参数统计分类器和BP神经网络模型实现小麦不同水分含量的检测识别.结果表明,BP神经网络模型对小麦水分的识别率高于统计分类器;与单籽粒图像相比,使用整批籽粒图像的特征参数能更好地对小麦水分进行有效识别.使用BP神经网络模型对整批籽粒图像水分进行识别,其识别正确率为90%⁹5%,整体判别正确率达到了92%.     

奇异值分解法在建立气水层识别模型中的应用

由于气层、水层层段上物性的复杂性,导致测井曲线特征复杂,利用测井曲线直接识别油气层的效果不好,有可能造成误判或错判,为此,提取一些特征参数,建立识别气层、水层的判别函数,来提高识别的准确率。本文对气层、水层的测井响应进行分析,提取气层、水层的测井曲线特征参数,利用模糊模式识别渗透层,奇异值分解方法建立判别函数,最后利用判别函数来识别油（气）层、气水同层、水层和干层,实际解释结果表明,取得了符合率高的效果。     

基于BP网络和LS-SVM的特征提取和故障识别方法

针对设备故障诊断过程中构建特征参数冗余,且进行高分辨率信息压缩所需的映射通常具有非线性的问题,应用BP神经网络提取设备状态特征,给出了进行设备状态特征集约简的实施方法.然后利用最小二乘支持向量机(LS-SVM)分类器的训练过程遵循结构风险最小化原则,能够避免传统机器学习的模型选择、过学习、局部极小等问题,具有有效解决非线性和高维模式识别问题的优点,构建了故障识别模型.最后将基于BP网络和LS-SVM的特征提取和故障识别方法用于离心泵机组的四种工作状态识别,并进行了ROC曲线分析,研究结果表明诊断实验的性能评价为优.     

印刷体数字快速识别方法

在分析印刷体数字结构特征的基础上,提出了一种新的印刷体数字快速识别方法。该方法利用数字结构的对称性、笔画特点(水平、垂直、弯曲)以及5条水平直线和数字的交点个数对印刷体数字进行辩识。实验表明,该方法能识别任意大小的宋体、黑体、楷体和TimesNewRo man体印刷体数字。     

基于MFCC,MODGDF和支持向量机的环境音识别研究

环境音识别是机器学习领域中的一个研究重点和难点,它可以帮助智能系统识别音频数据中的环境音。本文提出一种新的环境音识别方法,它是将梅尔频率倒谱系数(mel frequency cepstral coefficents,MFCC)和修正群延迟函数(modified group delay function,MODGDF)联合作为特征参数,然后利用多分类支持向量机(support vector machine,SVM)进行参数分类,达到识别音频数据中环境音的目的。结果表明,在DCASE 2018数据集上,该方法的实验效果优于DCASE 2018数据集基线系统识别效果,整体识别准确率提高了25.8%。     

Feature Extraction of Radar Range Profiles Based on Normalized Central Moments

The normalized central moments are widely used in pattern recognition because of scale and translation invariance. The moduli of normalized central moments of the 1-dimensional complex range profiles are used here as feature vector for radar target recognition. The common feature extraction method for high resolution range profile obtained by using Fourier-modified direct Mellin transform is inefficient and unsatisfactory in recognition rate And. generally speaking, the automatic target recognition method based on inverse synthetic aperture radar 2-dimensional imaging is not competent for real time object identification task because it needs complicated motion compensation which is sometimes too difficult to carry out. While the method applied here is competent for real-time recognition because of its computational efficiency. The result of processing experimental data indicates that this method is good at recognition.     

基于特征融合的水下目标识别方法

针对传统Hu氏不变矩易受摄像头径向畸变影响造成水下目标识别率低的问题,提出一种基于改进的Hu氏不变矩提取形状特征的方法,该方法依据摄像头的径向畸变模型重新恢复目标像素坐标与其灰度值的映射关系,构造出新的具有平移、缩放和旋转不变形的形状特征向量.同时为消除形状特征向量信息间的冗余问题,根据相关向量线性组合不改变向量自身性...     

用“量取法”和“模板”简化国标轴测图中的椭圆近似画法

提出了用近似画法画国标规定的三种轴测图中椭圆的方法—量取法。用量取法可以按一定比例直接量出各段圆弧半径和圆心位置,减少了作图辅助线,达到简化作图的目的。同时设计了量取法所使用的椭圆模板和轴测尺介绍了其使用方法。     

基于Zernike矩和BP网络的道路交通标志识别方法研究

道路交通标志的背景相当复杂,颜色失真严重并存在不同程度的几何失真现象。不变矩是图像的一种统计特征,具有平移不变性、旋转不变性和比例缩放不变性,被广泛的应用于图像识别中。在研究了Hu矩和Zerni—ke矩基础上,提出基于Zernike矩与BP网络相结合的道路交通标志识别方法。识别过程分别对图像进行了Hu矩和Zernike矩特征提取、BP网络训练与测试、对形变图像进行分类识别。结果表明：基于Zernike矩和BP网络的交通标志识别方法具有很强的抗图像平移、缩放和旋转识别能力,实现简单、训练速度快、识别率高等特点,且识别准确率优于Hu不变矩目标自动识别。     

一种手绘圆的快速识别算法

提出一种手绘圆的快速识别算法,该算法采用像素跟踪方式,通过提取和跟踪圆的骨架像素得到圆片段的直线段序列,然后进行直线段序列的分解和合并处理,把属于同一圆的直线段序列连接起来,进而计算圆的几何参数,完成手绘圆的识别.与Hough变换方法相比,该算法不需要大量的计算时间和存储空间.实验结果表明,该算法能快速、准确地识别出手绘图形中的圆,具有良好的稳定性和鲁棒性.     

基于正交Gegenbauer矩的车牌汉字字符识别

针对已分割完成的车牌字符,提出了一种基于正交Gegenhauer矩特征提取方法,并将其应用于车牌汉字字符识别中．Gegenbauer矩法有别于其他传统的字符特征提取方法,它能获得字符的全局特征信息,因此可以唯一地表征一个字符．通过与其他方法的对比实验,可以看出此方法在低噪环境下具有更好的识别效果．     

基于正交Gegenbauer矩的车牌汉字字符识别

针对已分割完成的车牌字符,提出了一种基于正交Gegenbauer矩特征提取方法,并将其应用于车牌汉字字符识别中.Gegenbauer矩法有别于其他传统的字符特征提取方法,它能获得字符的全局特征信息,因此可以唯一地表征一个字符.通过与其他方法的对比实验,可以看出此方法在低噪环境下具有更好的识别效果.     

基于Zernike矩的人体行为识别

为了保证特征提取的有效性,更完备地描述人体行为序列,提出了一种基于Zernike矩的人体行为识别方法.该方法利用规范化的运动历史图像(MHI)进行图像序列的表示,从中提取出基于Zernike矩的统计描述作为特征向量进行识别.同时,提出了一种利用图像的重建过程确定分类时采用的Zernike矩的最高阶次的算法.实验中,对8类不同的人体行为进行了测试.应用Zernike矩特征的分类精度高于用规则矩和Hu矩作为特征的方法,证明了基于Zernike矩的人体行为识别方法的有效性.     

目标识别的极指数栅格方法

在极对数坐标下常常通过傅立叶变换得到目标的轮廓不变量来识别目标,提取的特征量多且花费的时间长,因此提出了一种新的目标识别的极指数栅格方法,该方法首先将直角坐标中的目标映射到极对数坐标下,把包围变换中心的目标轮廓变换成一维目标曲线,然后提取曲线的结构特征,包括目标的跨度、目标曲线面积比率和目标曲线分布状况,这些结构特征具有旋转、缩放、平移不变性,用BP网络对3个二维目标进行学习和识别,实验证明,利用结构特征进行识别得到了较好的识别效果,并且花费的时间少,但是本方法仅适用于没有滚动和扭动的单个运动目标识别。     

结合RSTC不变矩和LVQ神经网络的红外图像目标识别方法

通过分析比较红外图像的目标特征,为了达到理想的识别效果,在Maitra不变矩的基础上进行优化,选取RSTC不变矩作为目标识别的特征向量.采用LVQ神经网络建立识别模型,充分发挥神经网络的智能优势.对采集到的红外图像进行了测试实验,结果表明该方法可以提高识别效率.