基于改进Hough变换的图像线段特征提取

为了从复杂背景中提取欲识别的目标,提出一种基于改进Hough变换的图像线段特征提取方法.针对传统Hough变换的局限性,在经典算法的基础上增加了全局阈值与局部阈值结合去除虚假尖峰,利用动态分组原则确定线段的端点,融合端点邻近的线段等改进算法.实验表明,该方法不但可以识别简单背景中的规则几何图形,还可以有效地提取复杂背景中真实目标的线段特征.     

机械工艺卡非规则表格元素识别算法

在现有纸质机械工艺卡中,表格元素存在纵向线段不连续、框线错位、跨页等不规则现象,导致传统的光学字符识别(OCR)算法无法准确定位识别表格元素,由此提出一种融合局部特征的非规则表格识别算法。首先,进行区域分块阈值求解,包括分块提取、局部横向线段检测、行距均值聚类求解,以及基于行距阈值的分块区域纵向线段检测;其次,进行表格区域预定位识别,包括源文件腐蚀、灰度二值化、自适应基础阈值的横向线段提取、基于行距阈值的纵向线段预提取、纵向分块图像特征融合、自定义掩膜处理,以及轮廓预提取;最后,使用区域重检测的方法,对预提取表格区域进行精准判别。经实验验证,该方法可以有效地解决未校正、纵向线段不连续、表格跨页等复杂表格难以准确定位提取的问题。在12 840张表格图像构成的测试集样本中进行了测试,平均识别准确率可达98.03%以上。该算法简洁有效,并在QT集成开发环境上得到了实现,该OCR软件已在某研究所信息化中心得到了成功应用。     

基于聚类分析的说话人识别研究

通过分析当今说话人识别系统中常用的一些特征参数.提出一种基于改进的K均值聚类算法的多特征组合的说话人识别方法。经过多次实验证明.采用上述方法不仅解决了K均值算法对初始值敏感、易陷入局部最优的问题.而且有效地提高了系统的识别率。     

烟包喷码字符识别系统研究

字符识别技术是用机器视觉进行模式识别的重要研究方向之一.烟草制造的工业现场环境恶劣,会引起所拍摄的图像失真、模糊、含噪声及字符产生缩放、平移旋转等情况.针对以上情况,首先对图像进行了前期预处理,并对字符特征进行了提取;之后,针对两种字符特征,用改进的BP算法设计了两个神经网络识别系统.     

支持多格式工程图档信息提取方法研究与实现

分析了工程信息中多格式非几何特征信息的提取需求,通过研究对象属性提取法和典型模板匹配法,提出了一种通用的非几何特征信息提取模型,重点探讨了基于典型模板匹配法进行改进的"多格式模板匹配提取"算法,并给出了开发实例.此方法为后续信息集成管理的研究和开发提供了基础.     

基于斜率差的激光雷达环境特征提取方法

在利用激光雷达获取数据进行特征提取时,大多采用迭代计算的方法,且对阈值敏感,计算复杂度高,计算量较大。针对该问题,提出了一种通过计算相邻扫描点的斜率差进行直线段分割与特征点提取的算法。通过实验验证,该算法在直线段分割和特征点提取方面可以获得与手工分割相同的结果,而且对阈值不敏感。与实际测量结果的对比分析结果表明,该算法无论是提取特征线段的长度还是斜率均可获得较高的正确率。     

基于吉林一号遥感图像的星载目标快速识别系统

针对传统遥感图像地面目标识别系统图像获取周期长,信息实时性差等问题,设计星载目标快速识别系统,用于卫星在轨快速识别,提出改进的基于快速视网膜关键点(FREAK)的特征匹配识别算法,解决遥感图像数据量大、背景复杂的问题。介绍了星载目标快速识别系统的工作原理,提出简化的FREAK特征提取模型,将原有算法的七层模型减少为四层,用于快速提取出遥感图像中目标特征;利用二进制量化空间将高维特征数据量化为二维数据,提高算法的准确度;最后通过匹配,快速识别出遥感目标。实验结果表明,识别算法的准确度平均提高2.3%,识别用时缩短约27.8%,满足遥感卫星在轨目标快速识别的要求。     

基于DSP和ZigBee的虹膜识别系统设计

针对传统虹膜识别系统计算复杂、实时性差等问题,在 Gabor滤波图像的基础上,利用分块图像的幅值均值和相位信息来提取虹膜特征量,并结合k-近邻算法来完成虹膜识别功能,缩短识别时间,提高识别准确度.同时,将识别结果通过ZigBee网络发送至云端服务器,解决了厂区内布线困难问题.实验表明,该识别系统运行稳定,识别速度快.该识别系统已被应用于某安防系统.     

高速加工中小线段速度衔接控制新算法研究

为了避免在高速加工中微小轨迹段转角处速度过大导致加速度超过限制,提出了一种实时的小线段速度衔接软件控制新算法.该算法根据线段转角处速度和加速度约束求取转角速度,通过分析转角速度和线段长短对线段进行链接处理,由线段链间速度衔接模型算出线段链最佳衔接速度,最后对线段链施加相应的运动学曲线规划.实例表明改进后的算法取得较高的加工效率,有效地减少了工件形状在转角处的加工误差.     

基于改进VQ算法的说话人识别

介绍了基于改进矢量量化(VQ)方法的说话人识别系统.该系统采用了能够反映人对语音感知特性的Mel频率倒谱系数(MFCC)作为特征参数,对VQ训练时码书的形成算法作了一些改进,并提出了一种去空胞腔分裂法的优化算法.实验证明,此优化算法减少了矢量量化失真,同时改善了量化的性能.     

基于法向量区域聚类分割的点云特征线提取

针对逆向工程领域中散乱点云模型过渡线及细节特征线提取不完整问题,提出一种法向量区域聚类的特征线提取方法。采用自适应邻域的主成分分析法估算模型的法向量,利用萤火虫算法优化的模糊C均值聚类算法对法向量的进行聚类实现模型的有效分割。构造点集剔除与合并准则从各分割块边界点集中析取候选特征点,再以局部邻域主轴方向为基准提取特征点。实验结果表明：简单模型的特征线基本可准确完整提取,相对复杂模型的特征线数量提取率可达90%,长度提取率达到了85%。算法具有良好的自适应性和准确性,能有效提取点云模型尖锐特征和细节特征,并尽可能多地保留模型过渡特征。     

遥感影像中直线和直线条带特征提取的新算法

就几何特征而言，直线和直线条带是描述道路的最理想符号。道路影像中的直线和直线条带多数具有较长的长度，同时由于干扰和噪声的存在，直线中往往包含有缝隙，直线条带则会包含孔洞以及附着有不规则块，已有的方法在提取这类不甚理想的基元时都有一些缺陷。本文提出了一种针对此情况的直线提取新思路，首先提取并细化边缘，然后依据结构特点得出直线基本段，最后反复地利用已获取部分预测并检测出后续点，同样的思路也可用于提取构成道路影像的直线条带。实验结果证明，算法具有优良的性能。     

基于正交局部保持映射的转子故障诊断方法

为了改善故障模式识别的分类性能,提出了一种基于正交局部保持映射算法的多流形特征提取方法。对于高维的非线性数据可以有效地提取低维流形特征向量,并且不会改变数据的内在属性。利用转子的振动信号构造一个高维多征兆矩阵,然后在应用正交局部保持映射将这个高维矩阵进行降维,提取低维特征向量矩阵,映射在可视空间里,从而可以有效地达到故障分类的效果,提高故障诊断的准确率。最后通过实验和数据降维仿真证明了正交局部保持映射算法的有效性和可行性。     

一种基于模糊熵的相位编组提取直线的方法

相位编组方法可以检测出弱对比度的直线;同时也提取了大量的杂碎的小直线段。给后续的处理带来负担。本文提出了将所有的直线支持区域按长度统计建立直线长度直方图,利用信息论中的最大模糊熵原理,在条件概率与模糊熵划分的基础上来确定图像的主轮廓直线段和其它的碎小干扰直线段的长度阈值的方法。利用该阈值可以提取图像的主轮廓结构直线段,通过实验表明该方法能有效的提取图像主轮廓直线。     

一种旋转机械振动信号特征提取的新方法

针对在信号特征提取中的噪声抑制问题，提出了一种新的旋转机械振动信号特征提取方法，即时序多相关-经验模式分解方法。通过对原始数据进行时间序列多相关处理，消除了采样序列中零均值噪声信号的影响，克服了在后继频谱分析中由于噪声而导致频谱难于辨识的问题，凸显了原始信号中的特征信号成分。时序多相关分析为后继的谱分析提供了便于处理的前处理数据。应用经验模式分解，能较充分地表现出所需提取的特征信号。仿真和实际某型发动机转轴振动信号特征提取中的分析表明，新方法能成功提取到旋转机械振动信号包含的各个特征信号，证明该方法在旋转机械振动信号特征提取中具有很好的工程应用前景．     

全手掌纹5类主线特征选择方法研究

为解决非接触式掌纹识别中的光线干扰和算法复杂度问题,提出采用全手掌纹5类主线作为特征的思想,并研究主线特征的选择方法,即根据感情线、理智线、生命线、事业线、成功线的条数、交点数及部分端点信息将掌纹分为9个类别。采用主线特征的优点在于能够选择到不受光线干扰和运算复杂度小的掌纹特征自动提取方法,并为手多模态决策层融合提供数据基础。根据香港科技大学(HKUST)掌纹图库实验表明,与传统的只依据感情线、理智线和生命线3条主线为特征的分类方法相比,类间样本区分度增大,类内相似样本数由传统方法的81.54%降低至35.00%,其余各类样本趋于相对均匀,即说明了该方法不仅具有较高的分辨力,而且具有可行性和优越性,为手多模态特征识别技术中主线自动提取及匹配提供了理论支撑。     

确定圆轴扭转矢量扭矩的方法分析

对圆轴扭转时的扭矩大小及方向的正确判定非常重要,也是校核其强度及刚度的关键。扭矩的大小可由外力偶矩求得,即为所选取部分所有外力偶矩的代数和。介绍了几种关于扭矩方向的判定方法,除了最常用的右手螺旋法则外,还总结了其他几种判定方法,并做了详细的对比与分析。其中,包括左手螺旋法则、左右手拇指指向和截面观察法,也可以用非截面法确定扭矩方向。     

鲁棒性幅值指数自适应谱幅值调制法

近期提出的谱幅值调制(SAM)法可通过调节幅值指数适应不同故障信号的特征提取,具有较好的应用前景。但该方法目前幅值指数的取值需人工判断,尚无法用其实现对故障特征的自动优化提取,且当故障特征受到复杂干扰时,通过人工选择较难选取较佳的幅值指数。为此,本文研究提出了一种鲁棒性幅值指数自适应谱幅值调制法。该方法首先利用角域重采样将信号转换到角域,再通过多点最优最小熵解卷积(MOMEDA)对故障弱冲击特征进行增强,最后利用2阶循环平稳指标(ICS₂)自适应选取SAM中的倒谱幅值指数,以该优化幅值指数计算倒谱信号,实现故障特征的自动提取。在行星轴承内圈故障特征提取上进行了验证研究,实验结果表明,本文所提方法能够实现复杂干扰下行星轴承内圈故障特征的自适应提取。     

基于直线检测的棋盘格角点自动提取

针对现有棋盘格角点自动提取算法鲁棒性不足的缺点,提出了使用直线检测算法(LSD)来进行角点的自动提取。首先,使用LSD算法对标定图像进行处理,得出包含棋盘格子边缘的所有直线,并分别对所得直线的长度和角度进行伪排序以去除伪格子边缘。然后,对剩余直线的边缘端点进行近邻合并,得到角点的初始坐标并进行亚像素优化。最后,使用能量法对角点进行棋盘格结构复原与排序。实验结果显示:该方法可以正确提取含有阴影和噪声的玻璃材质标定板图像中的角点。与改进的Harris方法的角点坐标提取精度对比试验得到其最大偏差小于0.2pixel,平均偏差小于0.15pixel,表明该方法具有较高的鲁棒性且定位精度与改进的Harris方法相当,可用于工程实际中环境光源变化较大的场合。