基于轮廓曲线和局部特征点的自动人耳识别

针对人耳识别问题,提出了一种由粗到细的两步识别方法.首先采用边界跟踪算法从侧脸图像上提取外耳及其轮廓曲线,然后利用基于改进Hausdorff距离的轮廓曲线对齐方法对图像库进行筛选得出候选的人耳图像,最后通过使用广义外耳局部特征点匹配方法从候选图像中精确匹配出与待测人耳相同的图像.采用轮廓曲线和局部特征点作为识别特征向量,利用改进Hausdorff 距离作为匹配量度方法,实现了基于2-D灰度侧脸图像的完全自动人耳识别,较有效地克服了光照和旋转角度变化对外耳识别的影响.实验结果表明,该方法计算量小、适应性强、鲁棒性好,极具实用价值.     

3D人耳识别的研究进展

人耳识别是生物识别领域的一项新技术,由于其令人欣喜的特性,如普遍性、唯一性和稳定性等,已经受到了越来越多研究者的关注。但在3D人耳识别方面,各种理论和方法都不太完善、还处于初步阶段。文中首先介绍一般的人耳识别过程,然后从2D过渡到3D人耳识别,着重介绍一下现在3D人耳识别领域的一些技术,最后给出对此领域前景的展望     

基于PCA与Fisherface互补双特征提取的人耳图像识别

人耳识别目前是一种新的生物特征识别技术,特征提取是模式识别技术中的关键环节,决定着分类结果正确率的高低,单特征提取方法需要在一定的条件下才能取得较高的识别率,但是采用双特征提取却可以克服单特征提取的这一局限性.为了提高分类结果的正确率,提出了一个全新的方法,即基于主成分分析(PCA)与fisherface的互补双特征提取方法,并将其运用于人耳图像识别中,在北京科技大学提供的人耳图像库上的实验结果表明,该方法的人耳识别率明显高于PCA、fisherface、ICA单特征提取的人耳识别率.     

基于Canny算子和Harris角点提取的三维重建方法

本文介绍了一种基于Canny算子边缘提取和Harris角点提取的三维重建方法.通过双目相机获取所研究物体的左右视图,并对图像进行平滑去噪处理,将Canny算子边缘检测和Harris角点提取结合起来进行特征提取,以提高特征点选取的准确性,然后将左右视图的特征点进行立体匹配,计算匹配点的三维坐标值,最后使用经典Delaun...     

基于力场转换的人耳散度特征提取和匹配

人耳作为一种新型的生物特征具有许多优点.相比于虹膜识别,人脸识别等,人耳具有可远距离拍摄、大小、结构等在成年以后基本不发生变化的明显优势.目前,二维的人耳识别方法如果希望获得较高的识别率,需要一些限制条件,比如姿态、光照、像素分辨率等;同时,头发、耳饰等物件的遮挡也会对人耳识别的准确率产生较大影响.本文利用基于力场转换算法(Force Field Transform)提取力场的散度特征(Divergence Features),然后加入人耳矩特征,通过sift算法进行身份识别,最后在人耳图像库上进行测试,实验结果表明该方法具有较高的识别率.     

面向仿射目标识别的几何与仿生融合特征提取方法

针对由于拍摄视角不同,目标图像在水平或垂直方向发生拉长或压缩等仿射变换,进而无法正确识别的问题,本文设计了一种几何与仿生融合的特征提取方法 .首先,对传统的角点和直线检测进行改进,提出自适应Harris角点检测方法和去冗余的直线检测方法,并将角点数、直线数和面积比向量作为几何特征.然后,采用生物启发变换算法提取图像的仿生启发特征,该算法包括两个阶段,每个阶段均需执行方向边缘检测和局部空间频率检测.接着,将输入图像的两种特征向量分别与标准数据库中的特征向量进行Pearson相关距离计算,获得匹配得分.最后,在考虑不同数据库两种特征区分性强弱的基础上自适应确定权值,最高融合分数所对应的标签即为该图像的识别结果.实验结果表明,该方法能较好地提取图像的仿射不变特征,并且该方法在Alphanumeric,MPEG-7,GTSRB和MNIST数据库的识别准确率分别为92.2%,96%,90%和87.3%.     

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。     

二次特征提取及其在说话人识别中的应用

传统的特征提取方法在处理小范围的说话人识别时尚可为之，但是在较大用户群的情况下，由于特征覆盖范围不够导致性能下降。鉴于此，本文提出了一种新的二次特征提取方法，它通过综合运用加权、微分、组合、筛选等方法，进一步挖掘说话人语音背后的隐性个性差异。在采用138人的YOHO数据库上进行的说话人识别测试中，其性能优于传统的特征提取方法。     

文本无关说话人识别的一种多尺度特征提取方法

近些年来,多种基于卷积神经网络(CNNs)的模型结构表现出越来越强的多尺度特征表达能力,在说话人识别的各项任务中取得了持续的性能提升。然而,目前大多数方法只能利用更深更宽的网络结构来提升性能。该文引入一种更高效的多尺度说话人特征提取框架Res2Net,并对它的模块结构进行了改进。它以一种更细粒化的工作方式,获得多种感受野的组合,从而获得多种不同尺度组合的特征表达。实验表明,该方法在参数量几乎不变的情况下,等错误率(EER)相较ResNet有20%的下降,并且在VoxCeleb, SITW等多种不同录制环境和识别任务中都有稳定的性能提升,证明了该方法的高效性和鲁棒性。改进后的全连接模块结构能更充分利用训练信息,在数据充足和任务复杂时性能提升明显。具体代码可以在https://github.com/czg0326/Res2Net-Speaker-Recognition获得。     

文本无关说话人识别的一种多尺度特征提取方法

近些年来,多种基于卷积神经网络(CNNs)的模型结构表现出越来越强的多尺度特征表达能力,在说话人识别的各项任务中取得了持续的性能提升.然而,目前大多数方法只能利用更深更宽的网络结构来提升性能.该文引入一种更高效的多尺度说话人特征提取框架Res2Net,并对它的模块结构进行了改进.它以一种更细粒化的工作方式,获得多种感受野的组合,从而获得多种不同尺度组合的特征表达.实验表明,该方法在参数量几乎不变的情况下,等错误率(EER)相较ResNet有20％的下降,并且在VoxCeleb,SITW等多种不同录制环境和识别任务中都有稳定的性能提升,证明了该方法的高效性和鲁棒性.改进后的全连接模块结构能更充分利用训练信息,在数据充足和任务复杂时性能提升明显.具体代码可以在https://github.com/czg0326/Res2Net-Speaker-Recognition获得.     

基于四元数矩阵奇异值的目标特征提取与识别

在弹道中段,目标的微动差异是识别弹头和诱饵的有效特征.但目标微动特征参数的提取往往受到目标平动补偿精度、雷达装备工作状态和环境等因素的限制,进而导致目标识别率降低.首先建立了基于四元数的弹头与诱饵微动模型,将目标的微多普勒时频像视为彩色图像,并将彩色图像用四元数矩阵模型描述.根据奇异值向量的稳定性和旋转不变性,提出了基于四元数矩阵奇异值分解和支持向量机的弹道目标微多普勒特征提取与分类识别方法.仿真结果表明:四元数矩阵奇异值构成的特征向量比基于Hu矩的特征向量更加有效;提高信噪比,有助于提高分类器的目标识别率;目标径向速度估计误差的增大,会降低分类器的目标识别率;增大雷达的脉冲重复频率可以明显提高目标的正确识别率.     

Discriminative tonal feature extraction method in mandarin speech recognition

To utilize the supra-segmental nature of Mandarin tones, this article proposes a feature extraction method for hidden markov model (HMM) based tone modeling. The method uses linear transforms to project F0 (fundamental frequency) features of neighboring syllables as compensations, and adds them to the original F0 features of the current syllable. The transforms are discriminatively trained by using an objective function termed as "minimum tone error", which is a smooth approximation of tone recognition accuracy. Experiments show that the new tonal features achieve 3.82% tone recognition rate improvement, compared with the baseline, using maximum likelihood trained HMM on the normal F0 features. Further experiments show that discriminative HMM training on the new features is 8.78% better than the baseline.     

基于子图像特征的目标提取方法

针对特定目标提出一种新的基于子图像块的目标提取方法。先对图像分块,再对分块后的特征图重新构建特征量并进行阚值分割,从而实现粗检,辅以知识确定目标的大概区域,最后借助边缘特性提取出精确目标。试验结果表明,该方法计算量较小、便于硬件实现,对于复杂自然背景中对比度低及不均匀光照条件下的一定形状尺寸的目标提取获得满意效果。     

商品图像局部特征提取算法研究与实现

研究商品图像局部兴趣点提取的方法,利用Matlab语言对提取商品图像局部特征Harris和Harris-Laplace算法进行建模仿真,开发了基于商品图像局部特征进行商品检索系统。当检索商品处在不同角度和背景中时,对此系统进行测试,并对测试结果进行比较分析,指出二者算法各自的特点,最后提出了改进算法的建议。     

基于CSLBP模糊图像特征提取与检测方法研究

图像作为记录生活和储存信息的重要途径之一,是人对视觉感知的物质的一种再现,同时也是对现实场景的一种真实写照.面对海量的图像数据,如何准确高效的提取图像特征,获取有用信息,将信息转化为所需特征,是需要解决的问题.针对这一问题,本文提出的基于CSLBP模糊图像特征提取与检测方法很好的解决了这一问题.同时结合HOG特征提取与...     

基于谱特征提取算法的海员表情识别方法研究

基于及时了解和调整海员的工作状态,避免海上交通事故频繁发生的目的,采用了基于空间一致性的谱特征提取表情识别算法。谱特征提取算法是在谱聚类算法理论基础上,通过在进行谱特征提取之前加空间一致性进行约束来改进实现的。通过对海员特定表情(比如疲劳、焦虑等)的识别试验,得出该算法能够有效地提取表情的特征信息,特别是对疲劳焦虑等负面情绪的表情,能有效提高识别率。     

基于Gabor变换的中文字符特征提取方法研究

针对传统汉字字符特征提取方法的不足,提出了一种基于Gabor变换,对图像纹理特征的方向性敏感的字符特征提取方法。先将灰度字体图像进行二值化、归一化处理,再利用Gabor滤波器进行滤波,获取图像的内部纹理特征和边缘信息,进而从不同方向进行特征提取。实验证明利用gabor变换计算中文字符图像的笔画方向特征,对中文字符具有较好的分类效果。     

基于能量图分解与运动偏移特性的步态识别

提出一个新的步态识别算法.首先通过计算轮廓图距离来检测异常步态轮廓图,并利用平均近邻图与平均轮廓图重建异常的图像.然后将对象的步态能量图分解为两部分,并分别为每一部分生成一系列扩展图像,从而构造出能量分解图.接着根据主干图与步态偏移图的对应关系消除静态形状信息,并进行脚部区域校正,从而构造出运动偏移图.最后,使用能量分解图和运动偏移图共同进行分类.实验结果表明,本文算法的识别率远远高于3个典型算法.     

基于数学形态滤波的话者识别系统的特征提取

重点研究在噪声环境下，话者识别中语音信号的特征提取。将能简化信号，消除较小分量而保留信号的基本特征的数学形态滤波器良好的滤波性应用在一维语音信号的处理中。并在噪声环境下，应用线性预测的MFCC特征提取方法提高鲁棒性。提取几种重要的语音特征参数，包括线性预测倒谱系数、MEL倒谱系数、语音动态参数、激励源特征等，对这些参数进行分析和比较，以达到话者识别的目的。