基于Gabor滤波的虹膜识别系统设计

随着科学技术的发展,信息安全在各个领域显得越来越重要,生物识别技术由于其特有的性质,在传统的识别领域中脱颖而出;其中,虹膜识别以高可靠性和差异性,成为目前安全性最高,最理想的生物识别技术;为增强虹膜识别算法的定位效率,提出一种改进定位算法,即二值化分割出瞳孔区域时,修正瞳孔边界,提高虹膜定位精度,有效提高识别速度;虹膜识别算法是整个系统的核心,要使虹膜识别具有良好的效果,需要对虹膜图像进行一系列的处理;为了完整高效地实现虹膜识别系统,对Gabor滤波器的原理及实现方法进行具体分析,研究Daugman虹膜识别算法,设计并完成了虹膜图像预处理,特征提取,二维Gabor滤波器的构建及参数选取等,经仿真实验,能够非常高效地完成虹膜特征提取并识别比对,计算速度和效果均优于传统算法。     

基于VC的语音识别技术研究

本文设计了一个基于VC的语音识别软件,其主要功能有语音信号的录制、预处理及识别语音。通过实验表明,系统能够达到简单识别语音的要求。     

基于Gabor滤波器和特征加权的红外图像识别

针对红外图像边缘模糊、噪声较多的特点,文中提出一种新的基于Gabor滤波器和特征加权的红外图像识别方法。该方法利用Gabor滤波器的多尺度特性对红外图像进行特征抽取,然后根据Gabor特征矢量中邻近分量的离散程度对其自身进行加权。通过对三种不同类型的红外车辆进行识别测试以及与传统的方法进行比较,结果表明Gabor特征矢量经过加权处理后,能够有效降低红外图像识别的错误率,增强鲁棒性。     

基于Gabor滤波和类内PCA的昆虫识别

针对昆虫识别率不高的问题,提出一种基于Gabor滤波和类内PCA的昆虫识别方法。首先对经过预处理的昆虫图片按类别进行Gabor滤波,提取Gabor特征,然后利用PCA进行降维,提取特征向量,最后采用k近邻分类方法识别昆虫。实验表明,该方法识别率较高,在15种昆虫图片集上进行测试,识别率达到95%,优于基于PCA的识别方法、基于Gabor滤波和PCA的昆虫识别方法。     

基于深度自编码网络语音识别噪声鲁棒性研究

为了解决传统径向基（Radial basis function,RBF）神经网络在语音识别任务中基函数中心值和半径随机初始化的问题,从人脑对语音感知的分层处理机理出发,提出利用大量无标签数据初始化网络参数的无监督预训练方式代替传统随机初始化方法,使用深度自编码网络作为语音识别的声学模型,分析梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient,MFCC）和基于Gammatone听觉滤波器频率倒谱系数（Gammatone Frequency Cepstrum Coefficient,GFCC）下非特定人小词汇量孤立词的抗噪性能。实验结果表明,深度自编码网络在MFCC特征下较径向基神经网络表现出更优越的抗噪性能;而与经典的MFCC特征相比,GFCC特征在深度自编码网络下平均识别率相对提升1.87%。     

语音识别前端鲁棒性问题综述

随着手持设备的日益小型化以及一些特殊场合的限制,使用语音识别这种自然的人机接口技术愈发显得迫切。基于HMM架构的语音识别技术经过几十年的发展,在实验室环境下已经取得了很高的识别率。当前已经取得的技术要想走向实用化,所面临的最大障碍来自于语音识别前端的鲁棒性问题。本文对语音识别的前端鲁棒性问题做了比较深入细致的分析,并在此基础上比较全面地介绍了解决这些棘手问题所采取的一些措施。文章最后对语音识别前端鲁棒性问题给出了一定的讨论和展望。     

基于领域知识的语音识别鲁棒性增强技术研究

针对语音识别软件在有噪声干扰时识别准确率降低的问题,为确保使用语音控制操作的安全性,提出一种基于领域知识的语音识别鲁棒性增强方法。以舰艇操控为应用背景,建立舰艇操控领域知识图谱;从航海图书资料和经典海战影视资料中提取舰艇操控指令,构建舰艇操控指令中文语音数据集;提出一种嵌入领域知识的解码方法,通过计算识别结果与领域知识图谱的匹配度对输出控制指令进行修正。实验结果表明,相较于目前流行的连接时序分类解码方法和基于注意力机制的解码方法,所提解码方法在识别信噪比为10 dB和20 dB的带噪语音时字错误率分别下降了4.0%和1.5%,指令识别准确率分别提升了10.3%和6.3%,提高了语音识别模型识别中文指令的鲁棒性。     

鲁棒性语音识别系统的设计

提出一种噪声环境下具有鲁棒性的语音识别系统的设计方法。首先，简单介绍了在高噪声环境下语音识别所遇到的问题，随后，建立了描述噪声环境中语音的加性卷积干扰及非正常发音的飞行员语音仪器畸变模型，采用二次判头尾方法较好解决了噪语音端点检验困难的问题。     

应用Gabor滤波的指纹识别算法的研究和实现

提出了一种基于Gabor滤波提取指纹全局及局部特征的识别算法。目前广泛使用的基于细节点的算法识别性能较高,但由于需要前期预处理,增加了系统开销。另一方面,传统的基于结构特征的算法速度较快,然而对偏转指纹的识别性能较差。针对以上不足,利用滤波器定位参考点,并将以参考点为中心的特征提取区域划分为16方向的扇区,然后通过8方向滤波分别提取原始图像和旋转后图像的特征。在FVC2004指纹库上的对比实验证明,该算法同时具备了较好的运行效率和识别性能。     

基于自监督知识迁移的鲁棒性语音识别技术

针对标注神经网络训练数据的成本日益增加与噪声干扰阻碍语音识别系统性能提升的问题,提出一种基于自监督知识迁移的鲁棒性语音识别模型的模型训练算法。首先,在预处理阶段提取原始语音样本的三个人工特征;然后,在训练阶段将特征提取网络生成的高级特征分别通过三个浅层网络来拟合预处理阶段提取的人工特征;同时,把特征提取前端与语音识别后端进行交叉训练,并合并它们的损失函数;最后,通过梯度反向传播令特征提取网络学会提取更有助于去噪语音识别的高级特征,从而实现人工知识迁移与去噪,并高效利用了训练数据。在军事装备控制的应用场景下,基于加噪后的THCHS-30、希尔贝壳数据集AISHELL-1与ST-CMDS这三个开源中文语音识别数据集以及军事装备控制指令的数据集上进行测试,实验结果表明,基于自监督知识迁移的鲁棒性语音识别模型的模型训练算法词错率可以降低到0.12,不仅可以实现对鲁棒性语音识别模型的模型训练,同时通过自监督知识迁移提高了训练样本的利用率,可完成装备控制任务。     

基于多通道Gabor滤波和D-S证据理论的虹膜识别

为了提高虹膜识别的准确性和稳定性，研究了Gabor滤波的虹膜特征提取方法，并在此基础上对虹膜特征进行了D-S(Dempster-Shafer)证据理论的改进．提出了多通道Gabor滤波和D-S证据理论的虹膜识别方法．该方法充分考虑到虹膜图像获取中被考察对象的姿态和环境光照等不确定性因素对识别结果的影响，通过选择不同频率和方向的Gabor滤波器组，有效提取虹膜特征，并结合D-S证据理论实现了虹膜特征决策．实验结果表明，所提方法增强了虹膜识别过程中抵御图像噪声、干扰和亮度变化等不利因素的能力，与标准的Gabor方法相比，识别率平均提高了4.05%．     

实用环境语音识别鲁棒性技术研究与展望

语音识别系统在实用环境中的鲁棒性是语音识别技术实用化的关键问题。鲁棒性研究的核心问题是如何解决实用环境语音特征和模型与干净环境语音识别系统的失配问题,这涉及到噪声补偿、信道适应、说话人自适应等关键技术。文章综述了语音识别鲁棒性技术研究的主要方法、原理及研究现状,分析了实用环境语音识别中声学模型和语言模型的适应技术,并展望了近期语音识别实用化技术发展的研究方向。     

基于Gabor滤波的指纹图像识别研究与实现

采用基于Gabor滤波指纹识别算法进行指纹图像中心点计算、扇形化、归一化、Gabor滤波、特征提取以及比对,并利用Matlab仿真实现该算法.在仿真实验中建立一定数量的指纹库,对该算法进行比对分析.     

基于Gabor小波变换多特征向量的人脸识别鲁棒性研究

传统的Gabor小波变换人脸识别技术在曲线奇异性的表达上存在着不足,难以识别包含表情的人脸信息,针对该问题,提出了结合Gabor小波变换和多特征向量的人脸识别算法。算法首先利用Gabor小波变换的频率及方向选择性来提取出人脸的多尺度、多方向上的Gabor特征,并组成联合稀疏模型,通过计算可以得到各个方向和尺度上Gabor特征的共同特征和表情特征,利用这两个特征向量可以精确重构测试图像的特征向量。仿真实验结果表明,所提出的方法能够有效提高带表情人脸图像的正确匹配率,改善识别效果 。     

基于多通道Gabor滤波的手机按键识别方法

为实现手机按键的自动化检测,提出一种手机按键识别方法。利用多通道Gabor滤波器组对图像进行滤波,提取局部能量极值作为特征向量,再通过特征向量的匹配进行识别。采用基于按键边框长宽比估算目标图像旋转角度的方法,提高识别方法的效率。实验结果表明,该识别方法在各种干扰的情况下识别率仍能达到90%以上,具有一定的实用性。     

基于多通道Gabor滤波与CS-LBP的人脸识别方法

近来,局部二值模式(Local Binary Pattern,LBP)在人脸识别中取得了成功应用。然而,LBP提取的特征维数通常很高。而中心对称局部二值模式(Center-Symmetric Local Binary Pattern,CS-LBP)采用中心对称思想对图像进行编码,能够显著降低提取的特征的维数。为此,将CS-LBP应用于人脸图像特征提取,并结合多通道Gabor滤波,提出了基于多通道Gabor滤波与CS-LBP的人脸识别算法。在Yale,ORL,FETER标准人脸库上的实验结果表明,相比局部二值模式,CS-LBP以提取更少的特征维数取得了相当的识别率,并且,基于多通道Gabor滤波的CS-LBP能显著提高识别精度。     

基于Gabor小波的人脸识别技术

本文首先通过直方图均衡化等预处理方法增强图像的整体对比度,使图像的细节更加清晰.然后利用Gabor小波变换,选取不同的尺度和方向对人脸表情特征进行提取.最后通过实验结果对比证明预处理后的图片在进行小波变换时能节省大量的运算时间,并提高识别率.     

一种基于局部Gabor滤波器组的手写体汉字识别方法

针对单一尺度的Gabor滤波器组只对某一特定粗细的手写体汉字敏感的缺点，提出了一种新颖的多尺度局部Gabor滤波器组。为了评估该方法的识别性能，提出了一个基于Gabor特征的手写体汉字识别系统，实验表明多尺度全局Gabor滤波器组在识别性能上明显提高，局部Gabor滤波器组在基本保持识别性能的情况下，特征维数明显降低，计算量和内存需求减少。该方法的创新之处在于选取局部Gabor滤波器，对863 HCL2000手写体汉字数据库的识别，最高平均识别率达到了92.32%，表明了该方法在手写体汉字识别中的有效性。