竞争型小波神经网络在零件分类中的应用

文章将小波分析与竞争型神经网络相结合,构造了适应于零件分类的竞争型小波神经网络(CWN)。首先对零件先进行小波多尺度边缘检测,然后采用不变矩方法提取零件的特征,最后送入CWN加以分类。分类结果表明,CWN对相似零件能够有效分类,并且有一定的鲁棒性。     

彩色自然纹理分类识别的研究

为了建立描述彩色自然纹理的参数体系,选用木材纹理这种典型彩色自然纹理为研究对象,提取了木材图像颜色矩和高斯-马尔可夫特征参数,采用改进的模拟退火算法进行了特征优化筛选及特征级参数融合,得到纹理参数体系并进行分类识别实验,识别率为97.25％,明显高于融合前单参数体系.研究表明用该参数体系对彩色木材纹理进行分类识别是可行的,也可用于与其相近彩色自然纹理的分类识别.     

基于人工鱼群优化BPNN的AUV目标识别方法

为了削弱复杂恶劣的环境对水下成像造成的不利影响及满足水下机器人目标识别任务实时性的需求,提出了基于人工鱼群算法(AFSA)优化BP神经网络的水下目标识别算法,通过构造组合不变矩对水下目标进行特征提取,提高了目标的聚类性能.引入具有全局寻优能力的AFSA,其在增加单纯神经网络收敛速度的同时避免算法陷入局部最优,进而建立了完整的基于人工鱼群神经网络的水下目标识别系统.在不同的水下目标中对该系统进行实验,通过比较提取的不同的目标图像,结果表明所建立系统具有较优的聚类性能和较高的识别精度.该方法用于水下目标识别是可行的、有效的.     

基于HALLEN方程法的半波天线的参数计算

在现代电磁工程中,对于边界不复杂的问题,可用解析法得到精准解,但较复杂的边值问题用解析法不能得到解答,需要数值法。在此导出HALLEN方程法,用MATLAB软件实现,它能够非常接近解析值,说明其正确性。矩量法是求解电磁场边界值问题中一种行之有效的数值方法 ,利用矩量法将HALLEN法的积分方程化为差分方程,将积分方程中积分化为有限求和,从而建立代数方程组,用MATLAB编程进行数值计算和仿真。最后得出结论 ,矩量法分析能够接近其解析解,说明其正确性。     

基于三维不变矩的人脸表情识别系统研究

本文提出了基于三维不变矩的人脸表情识别系统研究框架。在对三维人脸表情模型进行预处理及归一化的基础上建立具有平移比例和旋转不变性的三维人脸表情模型的矩不变量特征表示。针对人脸表情分类应用背景采用基于支持向量机的智能学习技术研究实现利用多维度3D-Zernike描述子特征的人脸分析识别系统的建模,基于D-ABC算法的分析识别模型优化,提高模型可靠性和系统的鲁棒性,进而利用该系统进行三维人脸表情数据的分类识别。     

一种基于极坐标变换的点模式匹配算法

点模式匹配是目标识别、图像配准与匹配、姿态估计等计算机视觉与模式识别应用方向的基础问题之一。提出了一种新的利用点特征进行匹配的算法,该算法根据点集的分布与点位置信息,构建了点的特征属性图,通过极坐标变换得到对数极坐标的特征图,并利用几何不变矩方法对特征图进行描述。由特征描述向量的比较,获得粗匹配结果,然后通过几何约束迭代的方法获取最终的点集匹配结果。本文贡献如下:一,构建了一种点的极坐标变换特征,并运用不变矩进行描述,使所提特征具有旋转与平移的不变性;二,提出了利用点特征与整体点集几何约束结合的匹配算法,能有效克服出格点与噪声带来的不利影响。最终实验说明了算法的有效性和鲁棒性。     

基于改进亚像素边缘提取的一种异性纤维检测方法

为了提高异性纤维检测的时效、精确性,降低误检率,论文提出一种基于改进的亚像素边缘检测技术上的异性纤维检测方法,首先以多结构元素的改进的形态学算子对采集的图像进行像素级边缘提取,然后利用三邻域的非极大值抑制方法抑制初步提取时膨胀的边缘以及去除误检测的小范围棉花边缘,最后使用基于Zernike矩的亚像素边缘检测方法进行亚像素级细化检测。通过实验验证,文中的方法对各种常见噪声都具有抗噪滤噪能力强、计算速度快等优点,能够快速准确地识别高速棉流中的异性纤维,满足生产中异性纤维拣出的性能需求。     

基于MATLAB的P-Ⅲ型频率曲线参数估算的优化

利用线性矩法对P-Ⅲ型频率曲线参数进行了优化估算,采用最小二乘法进行最优曲线的判断,通过试算确定最优频率分布曲线参数,并运用MATLAB编程实现了这一过程的程序化,最终可输出相应最优曲线的水文变量设计值。将输出的最优曲线结果与传统的目估适线法结果进行对比,结果表明:该方法和目估适线法的计算结果比较吻合,可以用于实际工程。     

基于统计特征和马尔可夫特征的图像拼接盲检测

数字图像真实性检测在司法鉴定等领域有着重要的作用.常见的图像拼接篡改会降低图像像素直接的相关性,这可以通过一些统计特征反映出来.采用特征提取-分类的方法,提取矩特征、基于二维相位一致性的统计特征,结合DCT域的马尔可夫特征,利用SVM分类器进行分类,实现了拼接图像的盲检测.实验结果表明,该方法有较好的鉴别准确率,可达91.75%.     

基于特征参数归一化的鲁棒语音识别方法综述

目前,自动语音识别系统往往会因为环境中复杂因素的影响,造成训练环境和测试环境存在不匹配现象,使得识别系统性能大幅度下降,极大地限制了语音识别技术的应用范围。近年来,很多鲁棒语音识别技术成功地被提出,这些技术的目标都是相同的,主要是提高系统的鲁棒性,进而提高识别率。其中,基于特征的归一化技术简单而有效,常常被作为鲁棒语音识别的首选方法,它主要是通过对特征向量的统计属性、累积密度函数或功率谱的归一化来补偿环境不匹配产生的影响。该文主要对目前主流的归一化方法进行介绍,其中包括倒谱矩归一化方法、直方图均衡化方法以及调频谱归一化方法等。