一种基于距离相似性度量和HMMs的字符识别方法

为了能够综合利用隐马尔可夫模型(HMMs)分类器在分类过程中能够得到的多种信息,提出一种基于距离相似性度量对HMMs后验概率进行调整的方法,将样本相似性与HMMs后验概率有机地结合起来进行识别.在分类过程中,采用距离相似性度量来描述待识别样本与模式类标准样本间的相似性,然后采用归一化距离相似性度量对后验概率进行适当调整,最后用调整后的概率进行分类.实验结果表明:与标准的HMMs识别方法相比,改进后的方法能够在计算量增加很小的情况下,较好地改善系统的识别精度;系统性能的改善效率在1.1～6.5间.     

一种基于离散Fréchet距离的磁场相似性度量方法

随着磁场模拟技术的发展,多种磁源能够对目标磁场进行精细化的模拟,传统的磁场判定方法难以对其相似情况进行度量.针对此问题,提出了一种基于离散Fréchet距离的磁场相似性度量特征值.根据磁场曲线的特点,首先改进了Fréchet方法中离散点间的距离评价指标,并提出了能够度量横坐标相似情况且消除目标速度不同的影响的参数,然后得到磁场相似性度量特征值,最后通过实例验证了其可行性.相对于传统方法,该特征值能够对更加相近的磁场曲线的相似情况进行评价.     

基于细胞神经网络多特征相似性的图像融合方法

为了克服单一特征不能准确的解释图像的问题,提出了基于细胞神经网络(cellular neural network,CNN)多特征相似性的图像融合方法.对源图像进行非下采样剪切波变换(non-subsampled shearlet transform,NSST),然后提取系数的区域能量、区域方差和上下文隐马尔可夫模型(c...     

基于主曲率增强距离变换的形状相似性度量方法

针对常规形状相似性度量方法在噪声干扰、部分信息遮挡和缺失情况下鲁棒性和准确性不足的问题,提出了一种基于主曲率增强距离变换的形状相似性度量方法.通过距离变换扩展形状轮廓的作用范围,提升相似性度量结果的鲁棒性;基于主曲率增强距离图,提升信息量丰富轮廓在变换图中的响应,提升度量结果的准确性.仿真对比实验验证了方法在噪声干扰以及部分轮廓遮挡或缺失情况下的鲁棒性和准确性,道路矢量与GPS信号和光学遥感图像的应用试验表明方法在实际应用中的有效性.与传统的形状相似性度量方法相比,基于主曲率增强距离变换的方法适用于非刚性目标形状相似性度量,而且鲁棒性和准确度较高.     

一种新的基于对应像素距离度量的图像相关匹配方法

传统的图像相关匹配方法中,由于实时图和参考图之间存在着灰度差异和一定程度的几何形变以及对目标的局部遮挡,使得利用求取对应像素灰度差累加和来进行相似性度量算法的性能很容易受到影响。文中从另一角度提出了一种新的图像相关匹配算法。该方法改变了原先匹配算法中求取模块图像和目标图像的像素灰度差的和的方法,而改为求取两幅图像之间相接近的点的个数,从而使匹配算法的稳定性大大提高,因为 局部出现的大片噪声点将不会影响匹配的结果,而这样的情况在传统的相关算法中将会显著影响匹配结果。实验结果表明了该方法的有效性。     

一种基于EMD的文档语义相似性度量

针对基于EMD(Earth Mover's Distance)的文档语义相似性算法不满足度量公理因而难以在信息检索与数据挖掘中推广应用的问题,该文提出了一种新的基于EMD的文档语义相似性度量--Mdss EMD(Metric fordocument semantic similarity based EMD).首先在分析EMD及现有改进方法缺陷的基础上,给出了文档宽度、虚拟项的概念;随后通过增加虚拟项来对齐文档矢量的总权值,使所有度量公理得到满足;最后,为提高该度量的适应能力及处理速度,还实现了虚拟项相似距离的弹性设计并对EMD算法进行了简化.该方法把EMD扩展到度量空间中来,很大程度上提高了EMD的索引能力与精度,初步实验表明,Mdss EMD的整体性能优于原EMD及现有其它类似方法.     

基于曲率距离的时间序列相似性搜索方法

针对几种时间序列相似性度量方法存在的序列元素值依赖性,对序列信息挖掘不充分等问题,该文提出一种新的时间序列分段、近似表示和相似性度量方法。在对序列信息和规律充分挖掘的基础上,对时间序列进行分段并建立了各分段的精确拟合模型,用分段的拟合曲线在各时刻处曲率组成的曲率序列对原时间序列进行近似表示,给出了时间序列的曲率距离定义。最后,提出了基于曲率距离的时间序列相似性搜索算法。该方法充分挖掘了序列信息,对时间序列的主要形态特征进行了有效保留和识别,经实验验证了该方法的有效性、稳定性和准确性。     

XML文档相似性度量方法研究

XML已成为Web上数据传输和交换的标准。随着XML应用的普及，对XML文档查询的要求也就越来越高。XML文档可以看作树型模型，基于传统的树编辑距离度量方法，针对XML文档提出了基于边约束、路径约束、包含路径约束的结构相似性度量和基于代价的相似性度量方法。这些方法扩展了XML文档查询范围，提高了文档的查全率和查准率。     

以一种新的距离度量作为反馈的相关跟踪方法

基于相关的模板匹配方法在图像跟踪中得到了广泛的应用,但是这种方法的主要缺点是对图像噪声非常敏感,而且由这种方法得出的相关曲面比较平坦。为了有效抑制噪声和局部遮挡对图像的影响,提出用鲁棒统计中的一个值代替相关值作为距离度量。它不是计算两幅图像的对应像素差值,而是计算两幅图像中差别不大的对应像素对的个数。实验证明这样得到的曲面相对　　收稿日期:2003 08 31;　修订日期:2003 10 28作者简介:张桂林(1944 ),男,天津人,教授,博士生导师,主要研究方向为自动识别、人体生物统计特征识别、图像处理算法与系统性能评估等。　　　　　　　要尖锐得多。当上述的距离度量应用于跟踪过程中时,模板的合理更新对跟踪非常重要。基于上述的距离度量方法,提出了一种新的模板更新策略。利用两幅图像中近似像素在整修匹配模板像素中所占的比例大小决定加权系数。这种加权策略可以自适应地根据图像序列的变化选择更新相关模板,同时在一定程度上减小模板漂移的危险。     

一种基于区域相似性的图像融合评价方法

本文提出一种新的图像融合客观评价方法.首先,利用模糊C-均值聚类算法（FCM）对图像进行区域分割,获取区域特征矩阵.通过降维处理,计算区域的距离,以此作为区域相似度.其次,以对应区域的特征向量元素相似比作为对应区域的权重.区域的边缘强度比值作为区域之间的权重.最终获得图像的相似度.实验结果表明这种相似性度量考虑了图像像素的局部关系以及区域的显著性,更加符合人类的视觉特征.     

Human Action Recognition Based on 3D Human Modeling and Cyclic HMMs

Human action recognition is used in areas such as surveillance, entertainment, and healthcare. This paper proposes a system to recognize both single and continuous human actions from monocular video sequences, based on 3D human modeling and cyclic hidden Markov models (CHMMs). First, for each frame in a monocular video sequence, the 3D coordinates of joints belonging to a human object, through actions of multiple cycles, are extracted using 3D human modeling techniques. The 3D coordinates are then converted into a set of geometrical relational features (GRFs) for dimensionality reduction and discrimination increase. For further dimensionality reduction, k‐means clustering is applied to the GRFs to generate clustered feature vectors. These vectors are used to train CHMMs separately for different types of actions, based on the Baum–Welch re‐estimation algorithm. For recognition of continuous actions that are concatenated from several distinct types of actions, a designed graphical model is used to systematically concatenate different separately trained CHMMs. The experimental results show the effective performance of our proposed system in both single and continuous action recognition problems.     

二指标隐马尔可夫过程及其在汉字识别中的应用

本文给出了二指标隐马尔可夫过程的定义、基本问题及解法,并提出一种利用二指标隐马尔可夫过程进行汉字识别的方法。     

低数据资源条件下基于结构信息共享的无切分维文文档识别字符建模

无切分维吾尔文文档识别技术能够有效避免字符切分错误,但是对于低数据资源的新样本类型,原有模型往往难以获得较高的识别性能。为此,该文提出共享常用维文字体间相对稳定的字符结构信息,并用Bootstrap方法提高样本利用效率的解决方法。通过在实际书籍样本上的实验表明,仅利用规模约原始训练样本1/5的新类型样本,该方法在测试集上的平均字符识别准确率就可以达到95.05%;而与常用的最大后验概率估计方法相比,也能使识别错误率相对降低55.76%~63.84%。因此,该方法能够有效解决低数据资源条件下的维文字符建模问题,实现对新样本类型的高性能识别。     

基于Contourlet子带能量特征多HMM融合的静脉识别

为了准确识别人的身份,该文提出了一种以轮廓波(Contourlet)变换后不同尺度下的子带能量为特征,建立并融合多个隐马尔科夫模型(HMM)的手背静脉识别算法。该算法首先采用了光强可调的近红外阵列光源,通过逐步增加光强来获得手背静脉图像序列;而后,将每一静脉图像进行Contourlet变换,并计算不同尺度下每一子带的能量,以3个尺度下子带能量作为特征观测值建立3个HMM;最后,融合3个HMM计算得到的观测值发生概率,将融合结果与阈值作比较,从而完成静脉识别过程。实验结果表明,提出的算法可以使真实匹配与虚假匹配的区分度最大化,与基于特征点或静脉信息融合的识别算法相比,正确识别率得到了提高。     

有限自然码非接触光电字符识别

本文讨论了实现对有限点陈显示的图案和字符进行超视频跟踪,识别和显示的方法,利用有限自然码方法和微处理器系统实现数字显示字符或图案和字符进行超视频跟踪,识别和显示的方法,利用有限自然码方法和微处理器系统实现数字显示字符或图案的快速识别和同步跟踪显示,识别和显示速度高于1/300s。可便携,系统无须固定的识别样本,具有自学习功能,可以识别ASCⅡ字符集及任意32点阵组成的简单图像。本文对有限自然码非接触光电字符识别方法的原理和有关技术进行了讨论,该方法已应用到室外IC卡电话机等设备的非接触检测中。     

基于支持向量机和核主成分分析的车牌字符识别

给出了一种结合核主成分分析(KPCA)和支持向量机(SVM)进行车牌字符识别的新方法.该算法通过KPCA进行字符的特征提取,并利用SVM分类器完成字符的识别.实验证明,KPCA在高维空间具有较强的特征选择能力,SVM的识别率也明显高于BP神经网络.     

基于PCA和BP神经网络算法的车牌字符识别

文章采用了双重PCA算法链接BP神经网络的方法对车牌字符进行识别.先由主成分分析法对原始样本数据进行分类,然后由BP神经网络法对拒识样本进行识别.研究结果表明,与传统的单一识别方法相比,提高了识别正确率,减少了训练时间.     

用于车牌字符识别的SVM算法

支持向量机(SVM)是20世纪90年代初由Vapnik等人提出的一类新型机器学习方法，此方法能够在训练样本很少的情况下达到很好的分类推广能力。本文应用SVM算法时车牌中的汉字字符进行识别，无字符特征提取提高了识别速度，并且可得到较高的识别率。实验讨论了SVM算法用于字符识别时，不同的核函数时识别率的影响。实验结果表明，用SVM算法进行车牌字符识别具有较高的识别率。