多方向线积分的梯度特征

典型的梯度特征包括HOG(梯度方向直方图)、Shapelet及Edgelet等,这些特征被广泛用于目标检测、目标识别、图像检索及场景分类等领域。针对HOG特征运算复杂度高的问题,提出了一种新的多方向线积分的梯度特征(MDIG)。通过避免计算梯度方向并利用积分图,该特征简化了计算过程,提高了计算速度,因而便于在DSP等硬件上实现。实验中新特征被应用于人体头肩检测。实验结果表明当使用AdaBoost算法训练分类器时,该特征的描述能力与HOG相当,同时其计算时间仅为HOG的1/3,整体性能优于HOG。最后,针对梯度特征的适用范围对其未来应用的发展方向进行了讨论。     

基于FPGA的模拟信号波形的实现方法

波形发生器是信号处理领域中必不可少的设备.这里,介绍了基于FPGA的模拟电路中阶梯波、阶梯波等常用渐变信号的波形实现方法,并详细地阐述了其相应硬件电路的工作原理.同时,对波形的实际输出结果进行了观测.通过实验证明,这些波形清晰,可以实时调节,且电路实现简单、成本低.     

线宽阈值法去除表格框线

字线交叠是表格处理中经常遇到的问题,它严重干扰了字符识别.本文提出一种基于线宽信息的表格框线去除算法-线宽阈值法.字符内采用较小的阈值去除框线,字符间采用较大的阈值,使本方法具有很好的抗噪声能力.针对数字与框线交叠的特殊情况,本文提出并比较了两种利用先验知识的方法:启发式先验知识法和识别反馈法.增值税发票的识别实验结果表明,本算法能使字线交叠情况下数字的识别率与字线不交叠的情况相当.     

一种多字体印刷藏文字符的归一化方法*

消除输入字符在位置和大小上的差异的归一化操作是字符识别系统中一个重要环节。在详细分析藏文字符字形特征的基础上,提出了一种多字体印刷藏文字符归一化方法：综合运用字符重心和外边框信息实现位置归一化,然后采用三次B样条函数将字符归一化到48×96的目标点阵。根据所提方法进行的实验证明了其有效性。     

用于手写汉字识别的改型Adaboost算法

针对大部分多类Adaboost算法因训练复杂度过高而难以应用于手写汉字识别这种大类别数分类的问题,提出了一种新的改型的多类Adaboost算法.该算法采用基于描述性模型的多类分类器--改进的二次鉴别函数(MQDF)分类器作为基元分类器,可直接进行多类分类,无需将多类问题转化为多个两类问题处理,大大降低了训练复杂度.此外,该算法根据广义置信度更新样本权重,实验证明此方法简单有效.为了降低算法的识别复杂度,对训练后得到的基元分类器组进行删减,仅保留一个最优的基元分类器作为最终分类器.在HCL2000及THOCR-HCD数据集上进行的实验表明,该算法的相对错误率比现有算法分别下降了14.3%、8.1%和19.5%.     

一种表格框线检测和字线分离算法

该文提出了一种基于有向单连通链的表格框线检测算法,能够合理地利用单连通链边沿的全局统计特性和单连通链之间的局部位置关系,精确地提取表格框线,具有抗倾斜,抗断裂,抗字线交叠等优点。在此基础上,提出了一种能够分离交叠字线的表格框线去除算法,并成功应用于实际的表格识别系统中。     

形状约束的三维人脸组件形变模型

传统的三维人脸形变模型是通过对大量的三维人脸数据进行学习,构建描述人脸三维形状和纹理的参数模型,通过模型优化完成对二维人脸图像的三维重构。但是,实际中大量的训练样本是很难获得的,这导致形变模型描述能力的不完善,制约了它的应用。如将整个人脸看成由若干个组件组合而成,则在样本数不变的情况下降低了描述空间的维数,提高了模型的描述能力。但是在重构人脸图像时必须解决组件间三维空间的重叠合并,并且随着组件数目的增加,模型参数也随之增加,所以对优化算法也提出了更高的要求。为了解决形变模型的这些困难,提出了一种全局模型和组件模型的折中算法,即在形状上保持全局约束而纹理上进行组件匹配,从而在算法性能和算法复杂度之间获得了一个有效的平衡。     

早产儿插胃管技术的改进及临床应用

提高早产儿胃管一次插入的成功率,减小早产儿粘膜损伤及防止水肿,更好地发挥鼻饲在早产儿喂养中的用,掌握科学的方法,拥有娴熟的技能是不可缺少的要件。     

用于人脸识别的一种新的类依赖特征抽取方法

研究了人脸识别中用相关滤波器提取特征的类依赖特征抽取方法,针对旧算法的问题作了分析,笔者把最小相关能量准则引入了相关滤波器,识别性能得到了提高,对于灰度图像误差率为0.1%时的鉴定率由旧算法的90%提高到94.46%,算法的训练时间也大大缩短了.     

基于Gabor变换的高鲁棒汉字识别新方法

本文提出了针对字符图像的基于Gabor变换的汉字识别新方法.在对Gabor变换深入分析的基础上,本文针对汉字图像的统计信息,提出了一种有效的Gabor滤波器组参数优化方法;同时,对Gabor滤波器组的输出进行非线性变换,使其适应不同亮度和低质量灰度字符图像的识别.本文还改进了分块特征的抽取算法,提高了对字符细节的分辨能力.实验表明,这种特征抽取方法大大加强了识别系统抵御图像噪声、干扰、亮度变化、笔画模糊、笔画断裂以及字符形变的能力,在应用于各种低质量的二值或者灰度的印刷和脱机手写字符图像识别时,能获得较其他算法更良好的识别性能.