基于音/视频特征的足球视频体育事件交互式检索方法

本文提出了一种交互式足球体育视频事件检索方法.在该方法中,首先从音频和视频中提取四种类型的特征,计算出它们的均值和标准差,并把这八个数据编码成一个染色体,建立与视频文件的索引.然后,利用交互式遗传算法实现足球体育视频事件的检索.首先,系统从数据库中随机地选取N个视频文件供用户观看与选择;然后,系统根据用户所选视频提取相应的染色体,并对这些染色体进行重组操作得到目标染色体;其次,把目标染色体与数据库中的所有染色体进行比较,利用欧式距离计算出它们的相似度,从中选取N个最相似的染色体对应的视频为下一代视频;最后,不断迭代上面的过程,直到得到用户想要的视频.通过对包含有400个视频事件的数据库的实验,证明该方法能够有效地检索足球视频数据库中的视频文件,准确率达到89%.     

语音信号特征提取算法研究

语音作为一种搭载着特定的信息模拟信号,已成为人们社会生活中获取信息和传播信息的重要的手段。语音信号处理的目的就是在复杂的语音环境中提取有效的语音信息。环境干扰在语音传播过程中对信号的影响不容小觑,因此语音信号处理的抗噪声能力已经成为一个重要的研究方向。Matlab的应用有着广泛的领域,在信息处理领域其强大的数据处理能力可以将非平稳时变的语音数据转换为离散的数据,然后可对离散数据进行分析或者做进一步运算处理。它的信号处理工具箱可以迅速、有效地实现语音信号的处理和分析,Matlab是适用于信号处理领域的强大的处理工具。在此运用Matlab对一段包含有环境噪声的语音进行傅里叶变换、时域和频域分析、提取部分语音信号及分析信号的处理。     

基于多级纹理特征的深度信念网络人脸识别算法

为解决人脸特征提取过程中局部特征缺失的问题,借助局部二值模式(LBP)与方向梯度直方图(HOG)提出一种基于多级纹理特征融合的深度信念网络人脸识别算法。以提取局部纹理特征以及边缘纹理特征为出发点,对人脸图像进行三级纹理特征提取。使用MB-LBP提取初级纹理特征;在此基础上进行改进的CS-LBP图像特征提取作为二级纹理特征;使用HOG算子在二级纹理特征上完成三级纹理特征提取。将二级和三级纹理特征直方图顺序串联融合后输入到深度信念网络(DBN)逐层贪婪训练,优化网络参数,并用优化的网络在ORL、YELA人脸标准库中进行测试,识别率均在92%以上。该算法与传统算法(SVM、PCA)相比较拥有更好的人脸识别效果,同时也表明了局部纹理特征的改善为识别过程的特征提取提供强有力的保障,为人脸识别的进一步研究开拓新思路。     

基于改进的最大类间方差法的水果图像识别研究

针对水果自动识别过程中特征信息提取不完整的问题,本文提出一种基于改进的最大类间方差法OTSU对水果图像进行分割。通过对图像中值滤波处理降低随机噪声的干扰,增大目标图像和背景之间像素值与最佳分割阈值之间的差值,使目标图像与背景图像与各自类间中心的距离尽可能相近,达到相对方差取代绝对方差实现图像分割,然后对目标图像提取颜色特征和形状特征实现不同种类的水果图像识别。实验结果表明,改进后的OTSU所得阈值能分割到更加清晰的图像,图像分割的运行时间明显缩短,水果图像识别的平均正确识别率提高了15%左右。该研究提高了水果识别的效率,具有一定的实际应用价值。     

基于C/S模式的Android手机表决系统研究

针对传统的表决方法所存在的问题,本文提出了一套基于Android手机的智能表决系统。该系统由Android客户端软件和PC服务器端软件组成,利用无线局域网络进行通信。客户端软件用JAVA语言在Eclipse集成开发环境中开发,服务器端软件用C++语言在Visual C++6.0环境下开发。由于两种语言在Socket通信方式上有所区别,系统还提出了一种实现Android和C++通信方法。通过对系统进行反复测试,测试结果表明,该系统可以满足小型团体的表决需求。而且系统的应用仅需要一部电脑和一个无线局域网络,利用Android智能手机即可实现一些问题的表决,对于一些小型企业和团体具有很大的利用价值。     

一种新的视频兴奋内容建模和视频摘要提取方法

本文对基于运动矢量的运动量的建模方法进行了修正,同时引入语速这种音频特征,在综合了镜头变换率和声音能量两个特征基础之上,提出了一种新的兴奋建模和视频摘要统一框架.在该框架之内,首先对视频的兴奋内容进行建模得到兴奋时间曲线,之后,依据曲线中的极大值和极小值提取关键帧和精彩片断两种形式的视频摘要.实验证明本文建模方法是有效的,提取的视频摘要能够有效表示视频的内容,且具有良好的面向用户性和自适应性.提取的关键帧的有效性达到78%,足球片断的精彩有效性和排序的有效性分别达到81%和82%,篮球片断的精彩有效性和排序的有效性分别达到75%和76%.     

基于多颜色和局部纹理的水果识别算法研究

为提高水果种类识别的准确性,本文提出一种基于多颜色特征和纹理特征的水果识别算法。该研究选择不同种类的水果图像作为实验测试样本,使用最大类间方差法Otsu分割图像,得到水果图像的目标区域,分别对目标区域进行红、绿、蓝(RGB)颜色模型和色调、饱和度、明度(HSV)颜色模型的直方图分析,采用颜色矩算法和非均匀量化算法对RGB模型和HSV模型提取特征,利用局部二值模式(local binary patterns,LBP)对目标区域提取局部纹理特征,对颜色和纹理特征向量进行优化组合,结合基于梯度下降算法的BP神经网络对测试样本进行训练分类。针对输入层输入不同特征分别进行实验并比较,得到基于不同特征的水果识别率。研究结果表明,本算法分类识别率可达90%以上,高于单一特征算法识别率。该研究具有一定的实际应用价值。     

基于PSO与K-均值聚类算法优化结合的图像分割方法

为了提高图像分割的质量和效率,同时,针对粒子群优化算法（Particle Swarm Optimization, PSO）容易陷于局部最优和K-均值算法对初始聚类中心敏感的问题,本文将PSO和K-均值算法相结合,提出一种通过调整惯性权重和学习因子的优化算法。首先,对图像进行去噪预处理,并将处理后的颜色图像转换到HSV空间,以提高色彩质量。然后,改进粒子群算法中的惯性权重和学习因子公式及参数,避免陷入局部最优。最后,根据粒子的适应度切换到K-均值算法执行局部搜索,使聚类中心不断更新实现快速收敛。实验结果表明,在图像分割的过程中,改进的算法具有全局搜索能力强的优点,能够实现更快的收敛速度和更高的分割精度。     

VHDL和MAX+PLUS在设计数字电路中的应用

以 VH DL为开发工具 ,以 MAX+ PL U S 为开发环境 ,以几个典型芯片为例 ,采用符合国际工业标准的 V HDL语言的行为级描述方法 ,以自上而下的方式重新设计了芯片。     

VHDL和MAX+PLUSⅡ在设计数字电路中的应用

以VHDL为开发工具，以MAX PLUSⅡ为开发环境，以几个典型芯片为例，采用符合国际工业标准的VHDL语言的行为级描述方法，以自上而下的方式重新设计了芯片。