一种基于小波矩的图像识别方法

研究了一种基于小波矩的图像目标平移、缩放和旋转不变特征提取算法,将不变特征提取算法与BP神经网络结合,组成一个图像识别系统.目的在于提高图像处理的质量,这种方法有更好的实用性.在这个系统中,利用小波矩不变量不仅可以得到图像的局部特征,还增加了对图像结构精细特征的把握能力强的优点,把提取的图像目标平移、缩放和旋转不变特征馈人BP神经网络,完成有监督的不变性模式识别.在实验中,利用该方法对无噪、有噪图像,特别是相似物体图像进行识别,可获得98％的正确识别率;并且将其与一般不变矩特征的算法获得的实验数据进行了对比分析.实验结果表明,该方法在图像识别准确率和抗噪性能上都有较大的提高.     

基于SIFT特征的单训练样本人脸识别

针对RoboCup竞赛家庭组比赛对人脸识别的要求,研究了单训练样本的人脸识别问题。设计了一种基于尺度不变特征变换的单训练样本人脸识别系统。将人脸区域划分为4×4的均匀网格,然后在每个区域选取最具有判别能力的少量特征,再将这些特征与测试人脸对应网格的特征进行匹配;采用加权和形式评价测试人脸和每个训练人脸的匹配程度,选择阈值进行识别决策。使用ORL人脸数据库对设计的识别系统进行了测试,结果表明,设计的系统可以达到100%的识别精度和70%的检出率,可以达到比赛的要求。     

利用RBF神经网络识别切屑形态

针对自动化加工中切屑生成过程的监控问题，研究了径 在函数神经网络在切屑形态图像识别中的应用，提出了面积比，欧拉数，伸长度等切屑形态图像的几何特征，以这些特征作为神经网络的输入矢量，利用径向基函数网络（RBF），采用了递推最小二乘法训练该网络，并开发了相应的计算机程序，试验证明：此法具有良好的实时处理性和适应性，识别率达到90％。     

多传感器信息融合在药材分类系统中的应用

本文针对传统药材分类技术中存在的速度慢、效率低、易受人为因素影响等缺陷,设计出一个基于多传感器信息融合的药材分类系统,完成药材成品的分类和评级。该系统利用图像传感器、气体传感器、味道传感器对药材特征进行量化,提取高维特征向量,通过支持向量机(SVM)训练学习,建立特征数据库,实现对药材的分类和评级。该药材分类系统集图像采集、特征提取、特征分析、模型训练和药材分类等功能于一体,实验结果表明,系统能够区分不同类别的药材,并能对同一类药材进行等级的确定。     

基于二维广义主成分分析的人脸识别

针对人脸识别中的特征提取问题，提出了一种基于二维广义主成分分析（2DIMPCA）的人脸识别方法.有别于传统的人脸识别算法需要将二维人脸图像矩阵压缩成一维向量，该方法直接采用二维图像矩阵来构建方差矩阵，通过在水平和垂直2个方向上顺序执行2次广义主成分分析（IMPCA）运算，消除了人脸图像行和列的相关性，大大压缩了特征的维数.选用二维最小近邻分类法进行分类，计算识别率.在AT&T人脸库以及Yale人脸库上的测试结果表明，与主成分分析（PCA）和IMPCA相比，该方法具有更高的识别率和更快的识别速度.     

基于相位融合特征和残差网络的调制智能识别

针对调制识别依赖人工提取的经验特征、识别准确率低的问题,提出基于相位星座图和矢量轨迹图融合聚类的智能识别算法.通过对接收信号进行滤波、定时同步预处理,恢复出较理想的基带信号,将信号的波形数据转化为星座图和矢量轨迹图特征.利用深度学习（DL）将调制识别转换成图像的分类问题,将所提取的特征通过2路并行输入的轻量级残差结构网络,开展分层学习和特征融合训练,完成对目标调制方式的识别.仿真实验表明,基于融合特征的识别结果优于目前的基于高阶累积量、星座图和波形数据的识别结果,当信噪比（SNR）高于2 dB时,对MPSK（调制的阶数为2、4、8）、MQAM（调制的阶数为16、64）、MAPSK（调制的阶数为16、32）这7类调制的识别率可以达到95.14%.     

复杂矿石图像的特征提取与聚类

为使特征提取更适合复杂矿石图像识别,提出并实现一种结合RGB颜色特征及其纹理特征映射的图像内容识别新方法,并将聚类方法应用于图像识别系统中。首先将图像分块,基于不同的颜色空间提取子块的纹理特征,并应用主成份分析进行纹理特征映射。然后提取图像的RGB颜色特征,每个子块的特征向量由上述2种特征组成。最后基于每个子块的特征向量应用Kmeans聚类方法对图像内容进行识别。实验结果表明,该方法能有效结合图像的纹理信息及其颜色构成和分布信息,具有较好的复杂矿石图像理解与识别的效果。     

基于PC-LDA的交通标志形状特征识别方法

针对PCA方法所提取的特征分类效果较差,而LDA方法通常不能直接应用于图像特征提取的问题,提出了一种基于PC-LDA的交通标志形状特征识别方法.通过对交通标志图像进行归一化和二值化处理,得到交通标志形状特征.将PCA方法与LDA方法相结合用于交通标志二值图像特征提取,可以得到既有最佳描述性又有最佳分类效果的PC-LDA特征子空间.利用标准交通标志图像数据库进行验证,并采用最小距离分类器对所提取的特征进行识别,结果表明,该方法能够快速有效地进行维数约减,提高了交通标志识别率.     

Novel Method Fusing (2D)2LDA with Multichannel Model for Face Recognition

A fusion method of Gabor features and (2D)²LDA for face feature extraction is proposed in this paper. Gabor filters are utilized to extract multi-direction and multi-scale features from facial image to employ its robust performance for illumination, expressional variability and other factors. The extracted features have the defect of high dimension and redundancy data. (2D)²LDA is implemented to reduce the dimension of Gabor features and select effective feature data. Finally, the nearest neighbor classifier is used to classify characteristics and complete face recognition. The experiments are implemented by using ORL database and Yale database respectively. The experimental results show that the proposed method significantly reduces the dimension of Gabor features and decrease the influence of other factors. The proposed method acquires excellent recognition accuracy and has light architectures as well.     

基于多视图分类集成的高铁工况识别

针对传统方法识别高铁工况存在特征提取不完备和识别性能不精确的问题,提出一种多视图分类集成的高铁工况识别方法(MVCE)。该方法结合多视图特征提取和分类集成技术,从信号本身特性、频域和时频域三个角度提取小波能量、频谱系数、聚合经验模态分解模糊熵,并使用Fisher比率对其频域特征进行特征选择,从而构建高铁振动信号三个视图的特征。使用最小二乘支持向量机和K最近邻分类器分别对每个视图的特征进行初步识别。最后采用分类熵投票策略对多个分类器输出结果进行集成。试验结果表明:该方法对仿真数据和实验室数据的平均识别率分别达到89.18%和90.87%。同时对比结果说明了该方法提取特征的完备性和具有多样性集成模型的有效性。     

基于多特征融合的交通标志分类

为有效提高交通标志分类的准确度,提出一种融合全局特征和局部特征的多特征交通标志分类方法。首先提取能够描述标志图像内部纹理信息的局部二值模式(local binary pattern, LBP)特征,再提取能够表示标志图像形状信息的方向梯度直方图(histogram of oriented gradient, HOG)特征和描述图像粗略轮廓信息的全局Gist特征,然后采用线性组合方式,实现特征融合互补,并通过主成分分析(principal components analysis, PCA)法进行数据降维,最后采用支持向量机(support vector machine, SVM)分类器进行交通标志训练与识别。试验结果表明:相对于单一特征的交通标志分类方法,基于多特征融合的算法获得了更高的分类精确度,同时也满足实时性要求。     

一种基于小波包主成分分析的语音情感识别方法

在语音情感识别中,由于特征参数的提取直接影响到最终的识别效率,从原始语音信号中提取特征参数是非常重要的。但是本文中提取的特征维数太多,导致特征匹配时过于复杂,消耗系统资源,不得不采用特征降维的方法。本文主要是研究一种在小波包变换的基础上通过特征降维来提高语音情感识别效果的方法,为此本文在德国库EMODB的基础上,通过小波包变换提取出语音的情感特征参数,然后利用主成分分析法对特征参数进行降维,最后利用支持向量机进行训练和测试。通过实验,获得了较好的识别效果。     

基于半色调图像的邻域相似性描述子方法

局部二值化模式是对局部信息进行特征提取,适合解决纹理特征不明显的图像特征提取问题,但这种方法存在特征维数高的问题。针对此问题,提出一种适用于半色调图像特征提取的邻域相似性描述子方法。该方法将8个邻域分别与中心像素值进行比较运算,然后求这8个运算值间的相似性指标。相似性指标的统计量进行归一化后作为图像的纹理特征向量。试验中,采用BP神经网络对提取图像特征进行分类试验。试验结果表明,在计算复杂度、识别精度等方面,本研究提出的方法优于单纯使用局部二值化模式算法。     

基于HOC-SVM的运动状态下脑电的特征提取与分类

研究人脑在不同运动状态下的脑电信息,不仅能够揭示出各种运动状态对于大脑活动的影响,也是工程技术人员设计脑-机接口与神经修复系统的关键技术之一。文章根据脑电信号的μ节律变化,首次将表征时间序列摆动特性的高阶过零分析(Higher Order Crossing,HOC)方法运用于运动状态下的脑电信号的特征提取并结合支持向量机(Support Vector Machine,SVM)对输入的高阶过零特征量进行了有效的分类。将该方法提取的特征量与基于统计学的特征量分别用SVM进行分类,结果表明本方的识别率明显高于基于统计学特征量的方法。说明基于HOC-SVM方法在脑电信号的特征提取与分类中有较强的可行性和实用性。     

基于异构低秩多模态融合网络的后囊膜混浊预测

针对后囊膜混浊并发症发病周期长、筛查范围广的问题,提出利用多模态机器学习预测后囊膜混浊并发症的计算机辅助诊断方法. 对后照影像进行感兴趣区域(ROI)提取和白色反光区域填充,所构建的异构低秩多模态融合网络(HLMF)能同时输入后照影像和视觉质量参数进行特征提取与融合,HLMF模型基于通道积融合多模态信息;采用卷积核参数低秩分解解决过拟合问题;选用Focal Loss损失函数解决类别不均衡的问题;在训练过程中还采用预训练和模态腐蚀的训练方法,使模型更好地提取单一模态的特征并进行融合. 该算法在后囊膜混浊数据集上的十折交叉验证准确率为95.63%,F1分数为96.72%. 实验结果表明,所提算法能较好地提取单模态特征并进行特征融合,相比于其他多模态融合模型有更好的性能.     

手背静脉识别的图像处理算法

提出了一种手背静脉图像的有效区域提取方法,在获得手背静脉图像的有效区域后,对图像进行增强和平滑处理,采用动态阈值分割算法对图像进行分割,对分割结果进行平滑细化和去除＂毛刺＂处理。仿真实验表明,该算法能够获得失真较小的静脉骨架。     

基于迁移学习与深度森林的晶圆图缺陷识别

为了有效识别晶圆图缺陷模式并及时诊断制造过程的故障源,提出基于迁移学习和深度森林集成的DenseNet-GCForest晶圆图缺陷模式识别模型. 为了解决深度学习模型训练困难和晶圆图缺陷类型数目不平衡的问题,利用迁移学习将深度卷积神经网络DenseNet在ImageNet上预训练的网络权重参数迁移至本模型并重新设计分类层,以减少深度网络模型的训练时间并提高模型的特征提取能力;基于DenseNet网络提取的高维抽象晶圆图特征,引入深度森林模型进行晶圆图特征缺陷模式识别. 工业案例的实验验证结果表明,该方法的识别准确率达到了96.8%,并提高了识别效率,其性能优于典型的卷积神经网络以及其他常用识别方法.     

A Scheme of sEMG Feature Extraction for Improving Myoelectric Pattern Recognition

This paper proposed a feature extraction scheme based on sparse representation considering the non-stationary property of surface electromyography (sEMG). Sparse Bayesian Learning (SBL) algorithm was introduced to extract the feature with optimal class separability to improve recognition accuracies of multi-movement patterns. The SBL algorithm exploited the compressibility (or weak sparsity) of sEMG signal in some transformed domains. The proposed feature extracted by using the SBL algorithm was named SRC. The feature SRC represented time-varying characteristics of sEMG signal very effectively. We investigated the effect of the feature SRC by comparing with other fourteen individual features and eighteen multi-feature sets in offline recognition. The results demonstrated the feature SRC revealed the important dynamic information in the sEMG signals. And the multi-feature sets formed by the feature SRC and other single features yielded more superior performance on recognition accuracy. The best average recognition accuracy of 91.67% was gained by using SVM classifier with the multi-feature set combining the feature SRC and the feature wavelength (WL). The proposed feature extraction scheme is promising for multi-movement recognition with high accuracy.     

桥梁裂痕检测与识别方法

桥梁裂痕图像检测过程中,采集的桥梁裂痕图像容易出现模糊,且桥梁裂痕本身具有裂痕特征不明显、杂质干扰大等特点,为了达到对桥梁裂痕准确、快速检测的目的,提出了一种桥梁混凝土结构裂痕病害的自动检测识别方法.首先对采集到的桥梁裂痕图像进行去模糊处理,在此基础上利用非负特征提取桥梁裂痕目标信息,然后利用方差特征去除特征结果图中的伪特征,并使用特征图像中目标特征象素的圆投影特征来增强目标裂痕信息,同时进一步去除虚假特征.分别对不同的桥梁裂痕图像进行了多种不同类型的处理实验,包括裂痕图像去模糊前后的目标裂缝检测结果对比实验,特征图像的方差特征去噪实验,以及圆投影进行特征目标特征增强同时进一步去噪的实验.结果表明,该方法对桥梁裂痕的提取与检测有效,有一定的实际意义.     

基于SVM的安卓恶意软件检测

为了有效检测恶意软件,减少恶意软件对安卓平台的安全造成的威胁,在对现有数据集分析研究的基础上,提出概率统计和特征抽取两种策略,分别用这两种策略对提取的特征进行降维处理,减少不确定性数据,再用线性支持向量机(support vector Machine, SVM)分类,模型训练时间缩短为原来的16.7%,并且检测未知恶意软件的准确率明显提高。将该降维策略在其他常用算法上进行试验,结果表明改进后的数据有助于提高这些算法的分类准确率。