基于数学形态学的甲骨拓片字形特征提取方法

甲骨拓片字形特征提取是对计算机辅助进行甲骨拓片复原、识别和断代等工作都非常关键的第一步。为了尽可能准确地把甲骨拓片从背景噪声中分离出来,首先对原始甲骨拓片图形进行预处理,然后再应用数学形态学方法对甲骨拓片进行图像处理和分析,提取出12项指标用于表现甲骨拓片字形特征,并构造了一个基于数学形态学方法的甲骨拓片字形特征提取系统。通过对《甲骨文合集》实验数据进行基于字形特征的甲骨拓片图像匹配验证,实验结果表明 数学形态学处理方法能有效地提取出较好地反映甲骨文字的笔画形态和结构的字形特征。     

面向拓片信息的甲骨字网络构建与分析

未识甲骨字的考释是甲骨文研究最重要的内容,也是历史学家和计算机学家研究甲骨文遇到的最大瓶颈。甲骨文研究积累的数据已体现出海量化和系统化。因此,该文以甲骨文拓片为基础数据,通过建模定义甲骨字之间的距离,进而构建甲骨字网络。在此网络之上,分析网络的度分布、局部连接比率、聚类系数、模块度等相关特性。结果表明: 构建的甲骨字网络不仅能充分反映甲骨文系统的单音节词多和复音节词少的古文字特征,而且能捕捉甲骨文拓片的语义单元,并具有很强的模块特性。该文构建的网络及其特性可为历史学家和网络甲骨学家揭示未知甲骨字的语义提供新的数据和理论基础。     

西夏文字特征提取的研究

字符的识别研究已取得了许多研究成果。西夏字的识别研究尚属一个待开发的新领域。西夏字识别的主要问题有:它属于表意文字,还是一个大字符集,具有极高的相似度(有许多结构相似的西夏字在西夏字符集中)。西夏文字的特征提取是整个西夏文字识别系统中最重要的一部分。该文针对西夏文字的特点,提出了能充分反映西夏文字特点的几种特征并加以提取;用这些特征可以有效地识别西夏字。     

藏文文字特征提取方法的研究

特征提取是文字识别中很重要的环节。藏文字识别中特征提取的方法有很多,但由于藏文字的字型有很多种特点,可以探索出适合藏文识别的最优特征提取方法。该文简述了藏文字型的特征及印刷体藏文字识别原理,主要讨论了符合藏文字的一种特征提取方法--网络点阵图形投影法。     

藏文文字特征提取方法的研究

特征提取是文字识别中很重要的环节。藏文字识别中特征提取的方法有很多,但由于藏文字的字型有很多种特点,可以探索出适合藏文识别的最优特征提取方法。该文简述了藏文字型的特征及印刷体藏文字识别原理,主要讨论了符合藏文字的一种特征提取方法——网络点阵图形投影法。     

移动应用特征提取算法研究

随着移动互联网的普及与发展,新的应用不断出现,移动互联网的网络安全和流量管理变得越来越重要,应用监管与流量控制以移动应用识别为基础。深度包检测技术是准确性最高的一种应用层协议识别方法,需要提取准确的应用协议特征,应用特征产生的效率和准确度决定了应用识别系统的优劣。因此,高效、准确的自动提取应用特征具有十分重要的意义。文章从算法复杂性及敏感性两个方面,对当前主要特征提取算法进行比较和分析,并通过实验分别给出了不同算法的性能仿真结果,为基于载荷的移动应用特征提取算法的选取提供了一个参考。     

移动应用特征提取算法研究

随着移动互联网的普及与发展,新的应用不断出现,移动互联网的网络安全和流量管理变得越来越重要,其应用监管与流量控制以移动应用识别为基础.深度包检测技术是准确性最高的一种应用层协议识别方法,其需要有准确的应用协议特征,应用特征产生的效率和准确度决定了应用识别系统的优劣.因此,高效、准确的自动提取应用特征具有十分重要的意义.文章从算法复杂性及敏感性两个方面,对当前主要特征提取算法进行比较和分析;并通过进行实验研究,分别给出了不同算法的性能仿真结果,为基于载荷的移动应用特征提取算法的选取提供了一个参考,具有一定的研究和应用指导价值.     

特征提取算法在工件识别中的研究

特征提取在工件识别中具有重要的意义. 运用灰度变换与平滑去噪对获取到的原始图像进行图像预处理. 提出改进的工件特征提取方法. SURF算法作为SIFT算法的加速版,不仅能够确保检测到的特征点的稳定性,而且能很大程度地加快特征提取的时间,满足了工件识别过程中实时性的需求. 采用改进的SURF算法的特征匹配方法进行工件的识别. 实验表明,改进的特征匹配方法对工件识别精确且速度较快.     

身份证识别的文字定位算法研究

本文阐述了身份证识别的一般流程,针对身份证识别的特殊性,其中调整了文字定位策略的执行顺序。主要探讨身份证图像的文字定位策略,提出了灰度图像下的行分割方法和基于最大宽度回溯算法的单字分割算法,从而实现了字符的精确定位。     

基于人体手指静脉特征提取算法的研究

根据人体手指静脉图像的特点,提出了一种基于降维思想的手指静脉特征提取方法,即搜索二维灰度图像中的静脉在一维灰度曲线上形成的谷形区域来实现静脉特征的提取.为了对手指静脉特征的充分提取,在进行特征提取前,采用了高频强调滤波对图像进行增强处理.实验结果表明:该方法思想独特、简单易行,对手指静脉的特征提取达到满意的效果.     

基于关联规则的语音情感中韵律特征抽取算法研究

近年来,情感计算一直是学术界研究的热点问题。语音情感识别作为情感计算的重要研究且涉及到人工智能、模式识别、机器学习等多个领域。针对语音情感识别中特征挖掘的复杂性,利用关联规则挖掘算法对语音特征中的韵律特征与所包含情感之间的关联关系进行研究。主要进行如下工作:(1)针对语音情感的特点,给出了情感频繁项集的概念;(2)提出基于关联规则的语音情感中韵律特征抽取算法(PFEA_AR);(3)在汉语情感数据集上进行相关实验,取得了85%的识别率,比fisher准则判别法的精度提高了10%。实验结果表明,通过关联规则算法所抽取的特征在降低维度的同时还能够有效提高情感分类精度,从而验证了新算法所抽取特征的有效性。     

容忍噪音的特征子集选择算法研究

特征子集选择问题一直是人工智能领域研究的重要内容，特别是近几年来，特征子集选择算法研究已经成为机器学习和数据挖掘等领域的研究热点，提出了一个新的特征子集选择算法－容忍噪音的特征子集选择算法（NFS），该算法将聚类的思想引入到噪音的处理，并将Gini系数和墨西哥帽函数应用于特征选取，实现对偏吸噪音数据集的特征子集选择，实际领域的实验结果表明，NFS算法具有噪音容忍度高，选择特征代表性强和求解速度快的优点，因此能够有效地应用于实际领域。     

大鱼际掌纹特征提取与识别算法研究

首先将掌纹图像经过定位分割获得感兴趣的大鱼际区域,再经中值滤波去噪,采用高频强调滤波和直方图均衡化相结合的方法增强图像,得到纹理清晰的大鱼际掌纹图像。然后采用灰度共生矩阵方法提取利于二分类的图像特征。最后基于支持向量机的方法实现大鱼际掌纹阴阳两类的识别。仿真实验结果表明,所提出的图像处理与识别算法对大鱼际掌纹阴性与阳性的分类具有较高的效率和准确率。     

桥梁水下结构缺陷的图像分割与特征提取算法

针对传统的桥梁水下结构缺陷检测方法的弊端,在深入分析缺陷图像像素特征的基础上,提出一种新的基于大津法和最大互信息量相结合的图像分割算法。依据轮廓跟踪原理,计算出桥梁水下结构破损区域的面积、周长等参数。在Visual C++ 6.0开发环境中进行了算法的实现。实验结果表明,该算法在提取图像破损边缘的同时有效地滤除了噪声,精确地计算出破损区域的几何参数,为桥梁水下结构缺陷的定量化识别提供了一种有效的手段。     

基于HOG算子的手型特征提取算法

手型是动态手势的一个重要特征。已有的动态手势识别方法虽利用了手型信息,但是信息都隐含在数据中。对此提出一种动态手势中手型特征的提取算法。该算法能准确识别出动态手势中的手型特征。通过Kinect获取手部位置数据,计算手势样本的手局部图像的HOG(Histogram of Oriented Gradient)算子,通过统计手势过程中,临近帧的手局部图像的HOG算子的相似性,确定该样本的手型特征所在帧。实验结果显示,其手型特征识别平均正确率达到92.78%。     

汉字图像的视觉重心点提取算法研究

结合视觉特征与力矩平衡理论,提出一种基于汉字图像的视觉重心点提取算法。算法详细分析视觉重心与汉字字形的关系,并给出一种汉字图像视觉重心点的提取方法。为了保证阅读的流畅和舒适,利用视觉关注模型提取汉字图像的视觉特征;为了改善检验汉字字库的质量,利用力矩平衡理论保证汉字重心的平稳。实验结果表明:该算法不仅提取了汉字的视觉焦点,而且保证了汉字重心的平稳,有助于提高汉字字库的检验质量。     

三维模型检索相关的特征提取和语义研究

随着网络上使用或存储在数据库中的三维模型数量迅速增加,如何从大量的三维模型中检索到相似的三维模型变得十分必要。由于目前基于形状的三维模型检索不包含语义概念,因而检索的结果已不能满足用户的需要。针对此现象提出一种新方法,即结合语义和形状特征的三维模型检索。使用K-means算法把形状特征聚类到语义群中,空间关系消除具有相似外观模型之间的歧义。利用普林斯顿形状基准数据库进行实验,结果证明了该方法的可行性。     

云计算环境下格陵兰海盐度数据提取算法研究

海洋盐度与海洋浮游植物和海洋温度具有紧密联系,是研究海洋环流和海洋对气候影响的重要参量。以美国NOAA全球海洋信息数据库为数据来源,以经度65°N-85°N、维度20°W-10°E之间的北极格陵兰海地区为研究区域,详细讨论盐度数据的提取,提出时间复杂度为O(n)的盐度数据分步归并算法。利用微软Azure公有云按需付费、动态扩展的特点,获取廉价、便捷的计算资源,大大提升了计算效率。该算法具有很强的可扩展性,可以根据实际计算需求动态调整所需的计算资源,从而能满足不同计算规模的需求。实验结果表明,该算法可以对海量原始盐度数据进行快速分析和归并,生成经纬度、时间、盐度三个维度上的数据。     

一种基于双层多样性的人体特征提取算法

针对传统的SIFT特征实时性差和Haar-like特征场景适应能力差、鲁棒性较低的问题,提出一种基于双层多样性的人体特征提取算法。该算法充分利用特征之间的互补作用,将Haar特征进行二值化,通过与局部二值模式相融合,提出LH特征算法。结合SIFT特征算法对人体特征进行提取。仿真实验表明,该算法在行为检测中具有较好的检测率和较高的实时性。     

基于局部近邻图的特征描述与特征匹配算法研究

特征描述和特征匹配是计算机视觉领域的重要组成部分。近年来,为了实现图像匹配上的可靠性和鲁棒性,许多特征描述算法被提出来,例如SIFT、SURF、DAISY和BRIEF等。然而,当图像发生平移、旋转、缩放等大视角变化时,这些描述符通常会失效。为了解决这个问题,在局部近邻图模型的基础上,提出一种新颖的特征描述和相似性度量方法(LNFM算法)。所提出的描述符和相似度可以很好地应用于各种流行的图像匹配算法。实验结果表明:在特征匹配过程中,该算法可以检测到可靠的匹配关系,性能较为优越。