一种新的图象特征抽取方法

本文提出了一种新的特征抽取方法。它可对任意形状的工件进行准确描述，并具有计算速度快、特征抽取结果简单的特点。用此算法做成的视觉系统，能识别任意放置的甚至有遮挡或重叠的二维工件，是一种较好满足工业生产线上实时性要求的算法。     

一种新的图像特征抽取方法研究

对最佳鉴别矢量的求解方法进行了研究，根据矩阵的分块理论和优化理论，在一定的条件下，从理论上得到类间散布矩阵和总体散布矩阵的一种简洁表示方法，提出了求解最佳鉴别矢量的一种新算法，该算法的优点是计算量明显减少。ORL人脸数据库的数值实验，验证了上述论断的正确性。实验结果表明，虽然识别率与分块维数之间存在非线性关系，但可以通过选择适当的分块维数来获得较高的识别率。类间散布矩阵和总体散布矩阵的一种简洁表示方法适合于一切使用Fisher鉴别准则的模式识别问题。     

人脸图象的校准与特征抽取

脸自动识别是计算机模式识别领域的一个活跃课题,文中提出了一个基于眼睛位置估计的人脸校准方法,并提出了个基于ＫＬ变换与具有统计不相关性的最佳鉴别变换抽取人脸有效鉴别特征的方法,对由９６个,每个１０幅图象所组成的人脸图象数据库所作的实验结果表明,文中所提出的人脸校准方法能从具有一定复杂背景的人脸图象中比较成功地实现人脸自动校准,成功率与可靠性分别可达到９１．５％和９９．５％,文中所提出的人脸特征抽取     

一种新的核广义鉴别特征抽取方法

在基于核的广义鉴别特征模型的基础上,提出了一种新的核广义鉴别特征抽取方法。利用空间变换的有关理论,使得变换后的核总体散布矩阵满足非奇异性;同时通过核共轭特征抽取方法,抽取满足核共轭正交条件的特征向量,使抽取的特征满足统计不相关性。在ORL人脸库上的实验表明了所提方法的有效性,达到了比核鉴别分析等方法更好的识别效果。     

统计模式识别中的特征抽取

本文综述了近几年来统计模式识别中有关特征抽取方面的最新研究成果。重点介绍了图像的代数特征抽取以及作者关于奇异值特征矢量作为图像的一种代数特征方面的研究工作。     

一种组合特征抽取的新方法

该文提出了一种基于特征级融合的特征抽取新方法，首先，给出了一种合理的特征融合策略，即利用复向量给出组合特征的表示，将特征空间从实向量空间拓广到复向量空间，然后，发展了具有统计不相关性的鉴别分析的理论，并将其用于复向量空间内最优鉴别特征的抽取，最后，在Concordia大学的CENPARMI手写体阿拉伯数字数据库以及南京理工大学NUST603HW手写汉字库上的试验结果表明，所提出的组合特征抽取方法不仅具有很强的维数压缩能力，而且较大幅度地提高了识别率。     

有效最佳鉴别特征的抽取与维数问题

在模式识别领域中,基于Ｆｉｓｈｅｒ鉴别准则函数最佳鉴别变换有着重大的影响。该文首先对Ｆｏｌｅｙ－Ｓａｍｍｏｎ最佳鉴别变换,广义最佳鉴别变换与具有不相关性的最佳鉴别变换给出了形式相似的求解公式,然后根据Ｆｕｋｕｎａｇａ维数定理,提出了最佳鉴别变换的有效度的概念,最后利用国际上广泛使用的Ｃｏｎｃｏｒｄｉａ Ｕｎｉｖｅｒｓｉｔｙ ＣＥＮＰＡＲＭＩ手写体数字数据库做了最佳鉴别变换的有效性实验,实验结果表明     

一种基于正交投影的特征抽取方法

本文结合Fisher鉴别准则给出了一组正交投影矢量，并引入了一种度量投影矢量相关性的简捷方法，与经典的Foley-Sammon鉴别分别法相比，所提出的正交投影法具有较强的消除样本特征之间相关性的能力和良好的鉴别能力，最后，在CENPARMI手写体阿拉伯数字库的试验结果证实了该特征抽取方法明显优于Foley-Sammon鉴别分析法。     

基于图像矩阵的非线性不相关鉴别特征抽取技术

针对现有核 Fisher鉴别分析方法的弱点 ,提出了一种基于图像矩阵的非线性不相关鉴别特征抽取技术。该方法的基本思路是 :首先 ,通过经验核映射将原始输入空间 Rn 映射到某特征空间 RN,然后将特征空间 RN 上的训练样本向量变换为一个 p×k( N=p×k)的图像矩阵 ,最后基于该图像矩阵直接构造该空间上的散布矩阵。在Concordia大学的 CENPARMI手写体数字数据库上的试验结果验证了本文方法的有效性。     

一种新的个性化的图象分类方法

图象分类系统的建立是信息检索以及模式识别中一个重要部分，其中，特征选择问题，即确定描述图象的特征参数是需要解决的关键问题，基于和图象检索技术的研究，近来得到了广泛的关注，由图象特征向量维数过高而引起的图象检索困难是基于内容的图象检索技术研究所面临的一个挑战，因此需要寻找一个有效降维技术，为解决此问题，设计了一个新的图象分类标准模型，通过寻找不同的特征组合来作为分类标准，进而提出了一种算法，用于实现此模型，实验结果显示，该模型能实现图象特征向量降维，并且算法能够极大地降低计算所花费的时间，同时，多种不同分类标准的引入，使得本方法能与信息检索技术进行有效的结合，为个性化信息检索提供一种实现思路。     

一种简单的线条特征抽取算法

本文阐述了一种简单的线条特征法,该算法是通过边缘检测,细化、符号化三过程实现的,而符号化过程是借助于边缘检测的方向码通过扫描、连接、补缺三步骤完成的,根据所选择的控制参数,可以形成基于最短线条长度的各种层次的符号化描述,灵活性强,速度快,效率高,特别适用于双目立体视觉的研究中,用来获得线条基元。     

一种有效的图象特征抽取和识别方法

本文提出了一种新的基于尺度变换的图象矩表示方法，并在此基础上利用ＳＶＤ算法抽取了一组有效的图象特征。     

新的非线性鉴别特征抽取方法及人脸识别

在非线性空间中采用新的最大散度差鉴别准则,提出了一种新的核最大散度差鉴别分析方法.该方法不仅有效地抽取了人脸图像的非线性鉴别特征,而且从根本上避免了以往核Fisher鉴别分析中训练样本总数较多时,通常存在的核散布矩阵奇异的问题,计算复杂度大大降低,识别速度有了明显的提高.在ORL人脸数据库上的实验结果验证了该算法的有效性.     

一种新的加权动态网格汉字特征抽取方法

为了更有效地提取手写汉字的特征,提高识别精度,本文提出了一种利用非线性归一化过程产生的坐标变换信息来提取手写汉字有效特征的方法。该方法通过非线性归一化获得各有效像素点在原汉字图像及规整后汉字图像中的坐标变换关系,在原图像上抽取各点特征,在归一化图像上进行网格的均匀划分和特征统计并形成用于分类的特征向量。该方法有效克服了以往先进行归一化预处理方法和动态网格方法的一些不足,兼顾了与传统结构特征提取方法的有效结合。针对HCL2000脱机手写汉字库大字符集样本的实验结果表明,该特征提取方法可有效提高识别精度和特征抽取速度。     

一种新的基于距离的汉字笔画抽取方法

在定义了相关术语的基础上提出了一种新的基于距离的汉字笔画抽取方法，并给出了实验结果，结果表明该方法可有效可行，为后续基于笔画的汉字信息处理打下了坚实的基础。     

ICA与PCA特征抽取能力的比较分析

独立分量分析和主分量分析在模式识别领域中,处理的方法和思路有很多相似之处.本文对两者的原理及特点进行了分析,并分别设计了两者的重建模型字符识别方法.通过对美国国家邮政局USPS字库中全部数字字符完整的识别实验,对两种方法在模式识别中特征抽取能力作了全面比较和系统分析.     

一种基于纹理特征抽取的车牌定位预处理方法

研究了车牌区域的字符和边线纹理特征,改进了传统的Sobel算子,以求更好地提取车牌区域的45°,135°方向的边缘纹理;同时设计了两种模式滤波器,以滤除不具备车牌纹理特征的噪声纹理。实验结果表明,该预处理方法很好地突出了车牌区域的纹理特征,有利于快速、准确地定位出车牌所在的区域。     

通用抽取引擎框架:一种新的Web信息抽取方法的研究

大规模的网络视频信息既为用户信息分享带来了方便,同时也为国家监管部门带来了新的挑战。考虑到效率问题,在线视频监管则主要考虑视频描述信息。主要研究了网络视频描述信息的抽取问题,提出了一种新的Web信息抽取方法:通用抽取引擎框架,其主要包括对视频描述信息抽取问题的形式化描述和用户感知的视频网站逻辑模型。该方法在国家某部委的视频监管项目中已得到应用,并取得了很好的效果。实验结果表明,该方法的扩展性、通用性和抽取准确率大大优于其他方法。     

一种新的基于Ontology的信息抽取方法

把语法分析和Ontology 结合起来,先利用领域Ontology里的概念、关系、关键字自动生成标注规则(Rule),然后对文章、句子的语法结构进行分析,再利用语法分析的结果和先前生成的标注规则一起对文档进行信息标注与抽取,最后把信息抽取的结果以记录的形式输出。