纹理特征加权融合的中亚多文种文档图像文种识别

全球各地目前使用很多种相似的文种,相似文种的识别是模式识别领域内难点并迫切需要解决的问题之一。然而,针对中亚文种文本文档和少数民族文种也就是相似文种分类识别方面的文献报道几乎没有。首先建立了两个多文种文档图像数据库,分别有1 600幅和2 200幅纯文本整篇文档图像,包含英文,汉文,俄文,蒙文,阿拉伯文,藏文,维吾尔文,土耳其文,乌兹别克文,塔吉克文和哈萨克文等共有11种文档图像。其次分别提取文档图像的均值,标准差,熵,一致性,三阶矩,平滑度等六个纹理特征,利用不同7种分类器分类。在找到各个特征对多文种文本文档图像的灵敏度的基础上,采用加权特征融合方法提取融合特征,确定了适合中亚多文种文档图像识别的最佳权值。最后用不同分类器分类识别,通过多特征以系数加权融合之后,以建立的两个数据库基础下获得平均的识别率分别为99.38%和95.69%。实验结果表明,提取的纹理特征和加权融合的纹理特征能较好地描述文档图像特征,并且它们可以有效地分类以上所述的11个文种。     

基于统计专用字符的维、哈、柯文文种识别研究

在Unicode编码方案中维、哈、柯文字符安排在阿拉伯字符区域,三种语言中共享字符比较多,跟阿拉伯字符区域混在一起,没有专用的语言ID。在信息检索和自然语言处理领域对维、哈、柯文的识别、处理带来不便。该文首先分析并总结了维、哈、柯文三种语言中的专用字符、复合字符、某些字符在某种语言中出现形势的独特性等特征,然后在此基础上设计了维、哈、柯文种识别算法。 实验结果表明该文提出的文种识别算法的正确率在文本多于70词时达到96.67%以上。     

基于匹配分数的多生物特征识别融合综述

受数据噪音和识别系统本身的限制,基于单一生物特征的身份认证系统所能达到的准确率是有限的。通过多生物特征识别来提高识别的准确率成为当前生物特征识别领域的研究热点之一。首先介绍了多生物特征识别的必要性、多生物特征识别的分类,然后重点介绍了基于匹配分数的多生物特征识别融合的研究现状,最后总结了多生物特征识别研究中的问题和未来的研究方向。     

多区域特征融合的步态识别

引入了紧致度和矩形度两种新型的多区域特征用于步态识别,并且对同质心高度和伸长度两种特征进行了融合。用中值滤波器估计出步态序列的背景,用差分法提取每帧图像的运动目标轮廓,并在此基础上提取紧致度等多区域特征。基于DTW分类算法在UCSD数据库和SOTON数据库进行了实验。其结果显示：单特征的中紧致度的识别率较高,但总体来说识别率有限,如果把几种特征融合进行乘性融合就能够达到较高的识别率。对实验结果进行分析,从理论上说明了紧致度和矩形度作为主要步态特征的合理性。     

基于多特征融合的用户窃电行为快速识别研究

不同的用电行为会产生不同的特征数据,因此可以根据用电特征来识别用户窃电行为,提出基于多特征融合的用户窃电行为快速识别方法。将额定电压偏离度、电压不平衡系数及电流不平衡系数作为用电行为特征进行提取,利用多特征融合技术,建立用电行为模型,对重点嫌疑用户窃电异常行为的快速识别。通过实验证明,所提出的识别方法无论是识别精度还是识别效率均具备显著优势。由于在窃电行为识别过程中对异常数据的分析粒度较粗,导致识别结果的可靠性较低,为此提出了基于决策树的远程窃电行为识别系统设计研究。将Z-turnBoard嵌入式单板作为系统的核心构件,结合线路电量平衡关系,计算出以单位窗口期线损率为基准的窃电行为特征参量,将计算结果作为决策树的根节点,将各分线线损率作为决策树的分支,通过迭代的方式细化分析粒度,得到最终的窃电行为位置。测试结果表明,设计系统对窃电行为的识别准确率和召回率均值分别达到了91.26%和93.59%。     

基于多特征加权融合的静态手势识别

针对人工提取特征的单一性及卷积神经网络提取特征的遗漏性问题,提出了一种基于多特征加权融合的静态手势识别方法.首先,提取分割后的手势图像的傅里叶和Hu矩等形状特征,将两者融合作为手势图像的局部特征;设计双通道卷积神经网络提取手势图像的深层次特征,采用主成分分析方法对提取的特征进行降维;然后,将提取的局部特征和深层次特征进...     

基于模糊集隶属度特征和贴近度的徽标识别

模糊信息理论是一种基于模糊集理论的信息科学,模糊集理论在模式识别中表现出很好的性能,两者相结合形成了模糊模式识别.针对图像智能处理中对徽标识别的应用需求,提出了一种基于模糊集隶属度特征和贴近度的徽标识别算法.该算法通过把徽标网格特征映射转化成模糊集的隶属度特征并根据贴近度进行识别,显著增强了对质量不佳图像的适应性和抗干扰性,有效提高了徽标识别系统的柔性处理能力.实验表明,使用该徽标识别算法的识别率能达到94.5%.     

基于深度学习的虹膜人脸多特征融合识别

传统多生物特征融合识别方法中人工设计特征提取存在盲目性和差异性,特征融合存在空间不匹配或维度过高等问题,为此提出一种基于深度学习的多生物特征融合识别方法。通过卷积神经网络(convolutional neural networks,CNN)提取人脸和虹膜特征、参数化t-SNE算法特征降维和支持向量机(support vector machine,SVM)分类组合进行融合识别。实验结果表明,该融合识别方法与单一生物特征识别以及其它融合识别方法相比,鲁棒性增强,识别性能提升明显。     

基于多支路特征融合的行人重识别研究

针对目前行人重识别不能充分利用有效特征信息进行识别的问题,提出了一种基于多支路特征融合的行人重识别模型.首先将3个不同的卷积块分别接出1条支路;然后对每条支路上的特征采用注意力机制、批特征擦除等方法处理;最后将各支路特征进行融合,获得了高细粒度表征能力的特征.训练时,各支路相互监督.在Market1501、DukeMT...     

基于特征融合的通信辐射源个体识别

针对通信辐射源个体识别研究中单一特征不足以全面表示细微特征差异,从而限制识别率的问题,提出了一种基于特征融合的通信辐射源个体识别方法。该方法首先对原信号进行短时傅里叶变换和双谱变换,提取时频特征和双谱特征,结合小波融合技术进行特征融合,最后使用残差神经网络挖掘信号隐含的深层次特征,完成分类识别。实验结果表明,对于模拟信号源发射的短波通信信号,经过特征融合后的识别效果相较于使用单一特征方法有更高的识别准确率,并且在低信噪比的情况下仍有较好的识别效果。     

基于Flash Action Script的虚拟现实的实现

Flash是美国的MACROMEDIA公司推出的优秀网页动画设计软件,是一种交互式动画设计工具.本文介绍了Flash软件的优点及其特点,探析了基于Flash Action Script的虚拟现实的实现.     

深度特征选择网络在雷达信号识别中的应用

在现有的雷达辐射源信号识别研究中,传统人工提取到的特征虽具有较为良好的物理表征,但特征中还存在冗余、噪声特征,而通过深度神经网络虽可以挖掘到对信号更深层次的表达,但其特征存在的“黑箱”难以解释性无法避免.结合人工特征良好的物理表征性和深度学习强大的学习能力,本文提出将一种深度特征选择网络（DFS,Deep Feature Selection）应用到雷达信号识别技术中.DFS通过在深度神经网络的输入层和第一隐藏层之间增添一对一层,获取针对每维特征与分类相关性度量得到的权值,以此权值作为衡量标准,加强敏感特征的输入影响,削弱冗余、噪声特征的输入影响,提高分类准确率.方法先对雷达信号提取复杂度特征、小波脊频级联特征、信息熵特征,合并建立原始特征集,利用DFS进行学习训练,以达到在输入级别实现特征选择的目的.本文已利用上述方法对5类辐射源信号进行仿真实验,识别效果良好,验证了方法有效.     

基于分形几何的甲骨文字形识别方法

甲骨文是流行于我国古代商朝的成熟文字系统,本质上是一种平面图形,笔画和结构不是非常稳定。很多字形具有图画性质,难以区分明显的结构,难写难记。已有的编码输入方法受众面小,效率很低,使用受限。该文分析了甲骨文字形的分形性质,在此基础上,通过字形的重心建立二维平面直角坐标系,将甲骨文字形的平面图形划分为四个象限。利用分形几何的原理,通过计算字形以及各个象限的分形维数,将甲骨文字形形式化为一组分形描述码。再通过与甲骨文字形的分形特征库进行配准,从而识别甲骨文字形。实验结果显示,利用分形几何可以较好地识别甲骨文字形。     

一种具有旋转鲁棒性的文本图像文种识别方法

针对目前用于文本图像文种识别的纹理特征描述子对文字行倾斜缺乏不变性,采用可控金字塔变换提取文本图像的纹理特征,通过对特征空间元素重新排列,提出一种对文字行倾斜具有鲁棒性的文本图像文种识别方法。不同倾斜角度文本图像的文种识别结果表明,该算法具有较高的识别准确率并对文字行倾斜具有较强的鲁棒性。     

基于高斯衍生滤波器组的文种识别算法

提出了一种基于高斯衍生滤波器组的文种识别算法;分析了文本图像的纹理特性,相对于传统的小波变换,本文算法可以在更多方向上提取文字的边缘和脊特征.采用支持向量机(Support vector machine,SVM)对所提特征进行训练和分类,实现文字种类识别;在实验中选用中、英、俄、日、韩、阿拉伯等10种不同语言文字文本图像,测试了滤波器的不同参数对算法性能的影响,并与其他3种基于纹理的文种识别算法进行了比较,实验结果表明本文算法运算速度较快,且得到较好的识别率.     

仿真环境下基于XML模式的脚本生成系统研究

脚本生成系统是仿真开发工具的重要组成部分,它的主要功能是生成能够直接驱动仿真系统的脚本,并且支持对各种脚本的管理和维护。该文着重论述了建立脚本生成系统所需要的关键技术和系统的实现方法。系统引入了XML模式技术以实现其主要功能,包括想定和脚本的验证、将XML格式的想定转换为XML格式的脚本以及生成新的脚本实体。实践表明．该系统能够快速地生成脚本并对脚本进行有效地管理。     

基于模式串的快速标签识别算法

提出一种基于电子标签Tag的ID返回及模式串识别过程的RFID标签识别算法,解决了RFID仲裁过程中存在的零标签响应问题。实验结果表明,对5 000个标签样本进行处理时,该算法所需平均标签响应次数为经典算法Memoryless的48.74%,为Tree Split的33.89%。对标签ID的广播次数平均不超过上述2种算法的76.35%,缩短了标签识别时间,提高了标签识别效率。     

基于美尔倒谱系数和复杂性的语种辨识

提出一种在传统提取MFCC特征的基础上增加复杂性特征的方法,利用OGI-TS电话语音库对该方法进行性能测试,比较、分析英语、汉语、日语3个语种的识别效果,结果表明,该方法相对于传统方法能明显提高语种识别的准确性和鲁棒性。