XBASE数据库图像信息自动提取转换

分析了各个版本XBASE数据库文件和图像文件的结构，提出了XBASE数据库图像信息自动导出转换的处理方法，提高了数据库转换工作的效率，解决了无法转换XBASE备注文件中的图像数据，文中还对实际应用中部分环节进行了注意事项说明，该方法具有很强的可操作性和实用性。     

基于信息度量的图像特征与文本图像分类

作为一种基本图像类型,文本图像在电子商务等方面得到了广泛应用。针对图像数据库中文本图像识别与分类的应用需求,依据文本图像数据与连续色调图像的总体灰度分布差异,该文提出了一种基于图像信息度量(Picture Information Measure IPIM)的图像特征和基于该特征的文本图像分类方法。约2G、800幅网络图像数据库的分析和实验表明,图像的PIM特征可以显著区分文本图像和连续色调图像,识别和分类效果好。     

基于特征自动提取的足迹图像聚类方法

足迹图像是公安在串并案的侦破过程中最为重要的线索,且每年各处公安都会收集很多犯罪现场的足迹,如何自动化地整理和归类这些足迹图像成为当前公安信息化的一个难点.面向公安实战需求,文中结合卷积神经网络和DBSCAN算法,提出了一种对足迹图像聚类的方法.首先,对足迹图像进行预处理以便满足模型训练要求;接着,通过模型预训练改进了...     

基于图像的目标自动跟踪系统

快速准确地跟踪目标是现代战争精确制导武器的基本要求,提高跟踪系统的实时性和准确性成为国内外目标跟踪技术的热点。建立了一套基于图像的目标自动跟踪系统,介绍了系统组成、设计原理以及算法原理。系统采用了一种非参数化跟踪算法——连续自适应平均值迁移（CAMSHIFT）算法来追踪目标,为精确制导武器的基于图像的目标自动跟踪技术奠定了重要的基础。试验证明该系统实现了目标自动跟踪功能,算法简洁,实时性和鲁棒性好。     

采色地图图像中道路信息的识别和提取

本文研究对彩色地图图像中的道路识别提取的问题。讨论了基于聚类分析的一种按颜色分离地图要素的算法,并对若干影响效果的问题提出了修正和解决办法。     

基于结构森林的RGB-D图像轮廓提取

为了获取更加清晰、更多细节的轮廓特征,充分利用Kinect传感器获取的RGB-D图像信息,将结构化的随机森林作为分类器,提出一种更加精确的轮廓提取器。首先,将RGB-D图像的多种信息利用数学式表示出来;然后,利用BSD500数据集以及NYU深度数据集训练结构化的随机森林算法,核心是将给定节点的结构化标签映射到一组离散标签;最后,利用该随机森林算法对RGB-D图像信息进行分类,得到图像轮廓。针对细节不同的四种场景图像进行对比实验,结果表明,经本文改进后的算法得到的轮廓效果更加清晰、准确。     

基于图像处理的水位信息自动提取技术研究

为满足水位测量实时性与自动化的需求,本文从图像灰度化和增强、图像二值化、边缘检测、噪声处理四方面探讨水尺图像的预处理,然后深入探讨基于图像处理水位信息的获取,通过区域分割、数字识别实现了水位信息自动提取,进一步提高水位图像的质量,希望为技术实际应用提供科学参考。     

声呐图像自动目标识别技术研究

提出了一种基于神经网络可视化的声呐图像自动目标识别技术,能够仅依靠样本类别标签实现对声呐图像目标的定位与识别,较大减少了人工成本,也使得方法容易泛化到声呐图像的不同数据集上.该方法首先使用Grad-CAM技术可视化解释神经网络,并作为可视化输入图像目标位置的基本方法,之后与ResNet-18主干模型结合实现了基于神经网...     

基于ActiveX技术的图纸标题栏信息自动提取

剖析了ＡｃｔｉｖｅＸ Ａｕｔｏｍａｔｉｏｎ技术和ＡｒｔｏＣＡＤ Ｒ１４新提供的Ａｕｔｏｎｍａｔｉｏｎ编程接口,在此基础上介绍了基于ＡｃｔｉｖｅＸ Ａｕｔｏｍｔｉｏｎ技术从ＡｕｔｏＣＡＤ的ＤＷＧ文件中自动提取标题栏和明细栏管理信息的方法,并给出了关键技术的源程序．在此技术上开发出的软件包在实践中得到了较好的应用．     

基于小波的自动图像变形

图像变形算法中最费时的是在源图像和目标图像中确定变形特征基元；而到目前为止，大部分图像变形算法都是通过人工或半人工的方式来实现的．如果两幅源图像间的特征基元的确定能自动实现，则不但可以减轻用户的负担，而且可以极大地节省变形算法所需的时间，同时提高了算法的效率．提出了一种基于小波变换的自动图像变形方法．该方法完全依赖于给定的两幅源图像，自动生成期间的变形图像，不需要预先在两幅源图像中指定特征基元．实验结果证明，用本文的算法不仅能自动完成变形操作，而且也取得了满意的结果．     

基于BCC的离合词离析形式自动识别研究

该文从中文信息处理角度对动宾型离合词自动识别进行研究。通过分析离合词在实际语料中的使用特点以及离合词离析成分在大规模语料库中的表现形式,从离合词内部入手,形式化地表示离合词的离析形式,总结自动识别的规则,设计基于规则的自动识别算法。经过优化后,该算法在20亿字的语料中达到了91.6%的正确率。离合词语素构词能力强,分词与词性标注错误,规则的不完整性,语料本身的错误,以及人工标注的疏漏等是影响实验结论的主要因素。     

基于分类器集成的核爆地震模式识别

分类器集成是一种解决复杂模式识别问题的有效方法,它通过形成一组分类器并将它们的结果进行组合,可以显著地提高分类系统的泛化推广能力。论文将分类器集成技术用于核爆地震信号的模式识别,并以前馈神经网络作基分类器为例,研究了不同的分类器个体生成方法和决策形成规则对识别效果的影响。     

基于机载LiDAR和多光谱图像的建筑物震害自动识别方法

地震破坏的建筑物在遥感影像上和空间上表现出的特征各异,致使遥感定量化估计其破坏程度较困难.本文介绍了基于LiDAR和多光谱影像相结合的多源遥感影像进行倒塌建筑物的面向对象识别的方法、分析处理步骤和特征参数选择,并以2010年1月12日海地地震后的太子港局部LiDAR数据和高分辨率卫星影像为例,提取了倒塌和未倒塌建筑物,经与高分影像目视解译结果比较,面向对象分类结果具有较高的分类精度.     

基于投影特征与结构特征的表格图像识别

通过分析表格的框线特征与结构特征,提出一种基于投影特征与结构特征的表格文本图像识别算法。该方法通过投影计算提取表格的框线特征,通过击中或击不中变换提取表格的结构特征,根据所提特征重要性的不同,设定分类判决阈值。实验结果表明,该方法能准确高效地区分表格文本图像与非表格文本图像,具有很强的实用性。     

基于特征区域自动分割的人脸表情识别?

针对目前三维人脸表情区域分割方法复杂、费时问题,提出一种人脸表情区域自动分割方法,通过投影、曲率计算的方法检测人脸的部分特征点,以上述特征点为基础进行人脸表情区域的自动分割。为得到更加丰富的表情特征,结合人脸表情识别编码规则对提取到的特征矩阵进行扩充,利用分类器进行人脸表情的识别。通过对三维人脸表情数据库部分样本的识别结果表明,该方法可以取得较高的识别率。     

利用DEM自动识别河道断面

在分析了传统河道断面提取方法后，以数字清江项目为例给出了一个基于数字高程模型（DEM）数据的河道断面提取方法，利用DEM数据中丰富的地面坐标和高程信息，自动识别河道断面方向并提取断面数据，整个过程主要由计算机进行处理，人工干预少，效率高。     

一种基于加权投票的术语自动识别方法

术语自动识别目的是获取领域术语表中未登录的规范化词汇,是信息抽取、文本挖掘等领域中的重要任务。近年来,利用统计方法抽取术语取得了一定进展,出现了C-Value、NC-Value、TermExtractor等有效方法。但是,对各种统计指标进行加权投票的方法研究较少。该文首先从大量已知术语中收集术语的词性模板,并借之抽取候选术语,接着利用了统计指标加权投票对这些候选术语进行排序。在IEEE 2006-2007电子工程领域文献上的实验结果表明,加权投票方法比任一单独指标的识别效果更好。     

基于模糊神经网络的水淹层自动识别

针对油田水淹层识别存在的模糊性和多解性,提出了一种基于模糊神经网络的水淹层自动识别方法。该方法将神经网络技术所具有的高度自适应性、容错性及固有的并行处理能力与模糊逻辑所具有的模拟人类思维中的模糊综合判别特点有机地结合,实现了多因素模糊综合判断推理来完成水淹层自动识别。采用该方法,对大庆油田135个地层样本进行处理,符合率达87．6％。结果表明该方法对解决水淹层自动识别问题具有良好的适应性,可提高水淹层自动识别的精度。     

ATM系统自动识别功能拓展及安全监控

针对目前银行系统中ATM自动柜员机存在的不安全因素,在现有的ATM自动柜员机上增加人脸识别、指纹识别、第二代身份证识别等识别方式,同时安装传感器视频监控系统,以增强ATM自动柜员机的自动识别及安全监控能力;该系统将生物识别技术与ATM系统相结合,设计中以实用性、可操作性、人性化设计为主,确保ATM系统的鲁棒性和安全可靠,且该系统可随着ATM系统软件进行升级;人脸识别率、指纹识别的准确度不低于90%,第二代身份证的识别率不低于99%。     

Automatic Segmentation of Continuous Speech on Word Level Based on Supra-segmental Features

This article presents a cross-lingual study for Hungarian and Finnish about the segmentation of continuous speech on word and phrasal level by examination of supra-segmental parameters. A word level segmentationer has been developed which can indicate the word boundaries with acceptable precision for both languages. The ultimate aim is to increase the robustness of speech recognition on the language modelling level by the detection of word and phrase boundaries, and thus we can significantly decrease the searching space during the decoding process. Searching space reduction is highly important in the case of agglutinative languages. In Hungarian and in Finnish, if stress is present, this is always on the first syllable of the word stressed. Thus if stressed syllables can be detected, these must be at the beginning of the word. We have developed different algorithms based either on a rule-based or a data-driven approach. The rule-based algorithms and HMM-based methods are compared. The best results were obtained by data-driven algorithms using the time series of fundamental frequency and energy together. Syllable length was found to be much less effective, hence was discarded. By use of supra-segmental features, word boundaries can be marked with high accuracy, even if we are unable to find all of them. The method we evaluated is easily adaptable to other fixed-stress languages. To investigate this we adapted our data-driven method to the Finnish language and obtained similar results.