基于子分类器融合的部分遮挡人耳识别

遮挡是人耳识别中一个难以回避的问题,本文对人耳受到部分遮挡的识别问题进行了研究.在分析人耳不同位置的鉴别能力的基础上,提出了一种基于决策层的子分类器融合的识别方法:首先将图像分割为若干连续但不重叠的子窗口;对每个子窗口,利用邻域保留嵌入算法进行特征提取,然后利用最近邻分类器进行识别;根据这些子分类器识别率的高低,可以得到相应的子窗口的鉴别能力;接下来再利用具有较高鉴别能力的子分类器进行融合识别来解决部分遮挡问题.在USTB人耳图像库上的实验结果表明人耳图像中确实有部分区域具有更高的鉴别能力,利用这些区域即可进行身份识别,而且本文提出的基于局部信息融合的方法比基于原始图像直接进行识别的方法具有更高的识别率,尤其适合于解决人耳识别中的部分遮挡问题.     

基于深度字典学习的滚动轴承故障识别

针对传统滚动轴承故障识别算法存在的特征提取与选择困难的问题,提出了一种基于深度字典学习(DDL)的滚动轴承故障诊断方法.首先,利用传感器采集了不同工况下的滚动轴承故障振动数据,并利用字典学习的稀疏性约束逐层学习了轴承故障数据中的典型结构特征;然后,借鉴深度学习的"逐层特征提取"思想,根据故障样本结构构造了深度故障字典,...     

基于Gabor特征和Adaboost的人脸表情识别

为了改善人脸表情的识别率,提高分类器的性能,通过提取人脸表情图像的Gabor特征,再结合Adaboost算法,从而进行人脸表情的识别（Facial expression recognition,FER）。利用Gabor滤波器是人脸表情特征提取的一个重要手段,Adaboost算法则将一系列的弱分类器组合,最终生成一个强分类器。对表情识别这个多类识别问题,采取1：1的办法来解决,总共产生k（k-1）/2（k为总类别数）个强分类器,将多个强分类器进行级联实现人脸表情的多类分类。实验结果表明,相对于其他识别方法如MVBoost算法等,这种方法的识别准确率有很大的提高。     

基于判别字典学习的电能质量扰动识别方法

电能质量扰动识别方法通常是先通过数字信号处理工具对信号进行检测和特征提取,再采用人工智能方法对特征进行分类识别,增加了识别过程的复杂性和冗余性。提出一种基于判别字典学习(DDL)的稀疏表示电能质量扰动识别方法,可有效减少识别步骤、降低复杂性,并提高识别率。该方法首先采用主成分分析方法将K类扰动训练样本集降维为扰动降维特征训练样本集,由各类样本分别训练出冗余子字典,然后级联成判别字典。接着基于l0范数算法求解出降维测试信号在该判别字典下的稀疏表示矩阵,最后利用不同的冗余子字典重构测试样本,由冗余残差最小值确定目标归属类,实现对电能质量扰动信号的识别。仿真实验结果表明该方法能有效地对不同电能质量扰动进行识别,过程简单、数据量少、抗噪声鲁棒性好,在信噪比20 d B以上的噪声环境中电能质量扰动识别准确率达到95%以上。     

基于局部和全局信息的快速三维人耳识别

现有基于迭代最近点法(ICP)的三维人耳识别方法计算量大,配准时间长,且容易陷入局部最优,同时用于配准的人耳含有冗余信息,对配准造成干扰。基于此提出一种基于局部和全局信息的快速三维人耳识别方法,根据内部形状特征提取关键点并实现人耳归一化;提取低维度局部描述子实现关键点匹配并得到候选列表,之后先通过快速点特征直方图进行粗配准,最后用带法向量信息的改进ICP算法进行精配准得到识别结果。基于UND-J2数据库进行身份识别实验,并与一些经典方法的结果进行对比分析。实验表明关键点特征提取仅需0.026 s,关键点匹配仅需0.015 s,耗时很短。身份识别实验获得了98.55%的Rank-one识别率,证明该方法与其他现有算法相比,识别速度更快,识别率更高。     

基于DWT和PCA及LDA的人耳识别

根据主成分分析(PCA)和线性判别分析(LDA)在人耳识别过程中存在识别率不高的问题,提出一种基于离散小波变换(DWT)和PCA及LDA的人耳识别算法。将人耳图像进行二维DWT,选择包含图像大部分信息的低频子带,先利用PCA再利用LDA提取最优样本映射空间,最后利用最近邻法则进行人耳图像的分类。实验结果表明,该方法识别效果优于基于PCA及LDA的方法。     

基于力场转换的人耳特征提取与识别

提出一种基于力场转换理论的人耳识别方法.该方法将力场理论分两次运用于人耳图像,分别提取内耳结构特征点和外耳轮廓特征点,并融合形成人耳特征点集.然后利用改进的Hausdorff距离对两个特征点集进行匹配识别.该方法提取的特征点稳定、可靠,具有很强的区分能力.采用力场图像转换可以有效消除光照变化对耳识别的影响,而使用Hausdorff距离进行匹配则可进一步解决由于位移、旋转变化以及姿态变化等带来的识别率低的问题.实验表明本文提出的方法不但能有效提高人耳识别率,而且具有很强的鲁棒性.     

基于学习字典的图像修复算法

多数图像修复方法主要是利用输入图像中的有效信息来填充待修复区域,可用先验信息有限,自适应性较差.研究提出一种新的基于学习字典的图像修复框架,核心思路是通过大量样本图像和输入图像的有效数据训练学习字典,建立样本图像特征块与原始数据块之间的稀疏关联,并将这种关联作为先验知识来指导图像的修复.该方法既充分利用了样例图像的先验知识,又考虑了待修复图像本身的信息,提高了算法的自适应性.通过对自然图像进行大、小范围图像修复和文字去除实验,文中方法均取得较好的修复效果.     

基于小波变换和LDA/FKT及SVM的人耳识别

人耳识别技术是生物特征识别和人工智能领域的一个重要分支.针对人耳图像自身的特点并通过对现有方法的研究,本文提出了一种新的人耳识别方法,即先对人耳图像进行二维的离散小波分解,然后使用LDA/FKT算法对小波分解后得到的低频信息进行降维,进而获得图像的特征向量,最后采用支持向量机作为分类器对样本向量进行判别.实验证明,本文提出的方法不仅较好地解决了人耳识别中的小样本问题,而且还取得了比传统的PCA+LDA方法更高的识别率,是一种有效的人耳识别方法.     

基于内容的双字典学习及稀疏表示的图像重构

提出了一种基于内容的双字典学习和稀疏分解结合起来的算法.针对待复原图像内容间的差异性,将训练图像块采用聚类的方法得到多个分类式的字典,从中选择最合适的内容分类来进行图像的恢复,这样做使算法更具区分性,提升了图像的自适应能力.在此基础上,将高频信息分为主要高频和次要高频,并训练双重字典,结合稀疏表示的方法对图像进行重构,这比传统的基于字典学习的算法捕获了更多的图像高频信息,进一步提升了图像重构的质量.方法采用了K-SVD算法以提高稀疏字典编码的计算效率.与其他方法相比,该算法获得了更为精细的图像细节,在PSNR测试数据和主观视觉上都获得了理想的提升.     

Ultrasonic Nondestructive Signals Processing Based on Matching Pursuit with Gabor Dictionary

The success of ultrasonic nondestructive testing technology depends not only on the generation and measurement of the desired waveform, but also on the signal processing of the measured waves. The traditional time-domain methods have been partly successful in identifying small cracks, but not so successful in estimating crack size, especially in strong backscattering noise. Sparse signal representation can provide sparse information that represents the signal time-frequency signature, which can also be used in processing ultrasonic nondestructive signals. A novel ultrasonic nondestructive signal processing algorithm based on signal sparse representation is proposed. In order to suppress noise, matching pursuit algorithm with Gabor dictionary is selected as the signal decomposition method. Precise echoes information, such as crack location and size, can be estimated by quantitative analysis with Gabor atom. To verify the performance, the proposed algorithm is applied to computer simulation signal and experimental ultrasonic signals which represent multiple backscattered echoes from a thin metal plate with artificial holes. The results show that this algorithm not only has an excellent performance even when dealing with signals in the presence of strong noise, but also is successful in estimating crack location and size. Moreover, the algorithm can be applied to data compression of ultrasonic nondestructive signal.     

基于手背静脉图像多特征稀疏表示的身份识别

为了准确地对人的身份进行识别,提出了一种对采集静脉图像的全局特征和局部特征进行稀疏表示的识别算法.该算法首先应确定静脉样本库中所有的静脉对象,并在不同光强下对每一手背静脉进行采集,此外将采集图像进行适当压缩与旋转,并将变换后的所有图像作为库中描述该静脉对象的样本;其次,分别提取该静脉对象所有样本的全局特征与局部特征,并通过求解每一特征系数向量的最小1范数,对未知静脉图像的全局与局部特征进行稀疏表示;最后,融合稀疏表示结果,完成静脉识别的过程.通过在3种光强下对200个人的手背静脉进行采集,并经过图像压缩与旋转调整后建立实验所需的静脉样本数据库,识别实验表明该识别方法正确识别率达到98％以上,并且对于采集时出现多种不合作因素具有较好的鲁棒性,同时具有较好的实用价值.     

融合Gabor小波能量与方向特征的掌纹识别算法

提出了一种融合Gabor小波能量与方向两级特征的掌纹识别算法,有效地解决了纹线的方向特征难以描述的困难.首先对预处理后的掌纹进行不同方向不同尺度的Gabor小波多通道滤波,再对得到的各个方向子带进行模糊分块,计算每一小块区域的能量,在同一尺度不同方向上找出能量最大的区域,并标记此区域对应的Gabor方向.采用格雷码对方向特征编码,再分别计算能量特征的欧氏距离和方向特征的汉明距离,最后将2种距离按权相加进行掌纹识别.与利用单一能量或方向特征的算法相比,本文提出的算法具有较高的检索识别率.     

基于字典描述向量的实时图像配准

针对传统的特征向量计算方法复杂度高、耗时长、占用内存多等缺点,提出了一种基于字典描述向量的图像配准方法。该算法采用K-奇异值分解（K-SVD）方法生成字典,通过比较特征点临近区域图像与字典中基底图像的相似性得到特征描述向量,从而降低了描述向量的计算复杂度,提高了算法的实时性。实施该算法时,首先通过随机KD树算法对参考图像和待配准图像的特征点进行匹配,然后使用经典随机抽样一致性（RANSAC）算法剔除误匹配点对,最后应用最小二乘法对得到的匹配点对进行参数估计,从而得到两幅待配准图像的空间几何变换关系。实验表明结果,本文提出的描述向量计算方法降低了描述向量的存储空间,加快了特征匹配的速度,可在保证配准准确度的前提下实现配准过程。     

基于环搜索的盲台阶娄特征识别

提出了一种基于环搜索的盲台阶类特征识别方法。首先建立机械工程图二维正交投影视图的环描述，通过对盲台阶类特征的环构成的分析，定义能够反映盲台阶类特征的种子环，确定种子环的识别规则，从环集合中搜索符合特定规则的种子环，为盲台阶类结构特征的识别做好准备，然后，通过多视图的环匹配，实现盲台阶特征的识别。这种方法在实际 应用中取得良好效果，并可推广应用到具有类似特点的特征识别。     

基于图的体积分解的加工特征识别方法

为有效提取实体边界模型中的2．5维加工特征,提出了一种实用、可行的特征识别方法。该方法参考毛坯的实际加工过程,从零件毛坯模型中分解出待加工体积;沿待加工体积的进刀方向逐层分解出局部组合特征;依据局部组合特征顶面凹凸性特点,进一步分解,重新组合为通用型加工特征;匹配特征相互关系,构成特征关系图。研究了每个步骤的相应算法,这些算法以基于图的布尔运算为基础,通过特征边界的重构,形成完整的特征边界,并最终生成体积特征。该方法适用于与设计下游单元的有效集成。通过对典型2．5维加工零件的测试,证明了该方法的有效性和实用性。