《低频电子线路》课程教学改革探索

结合自身讲授《低频电子线路》教学的体会,本文分析了“低频电子线路”课程的特点、现状及当前存在的主要问题,从该门课程的教学内容、教学方法、实践教学、考核方式等多个方面进行了探索和研究.     

基于PCA/ICA的人脸特征提取新方法

人脸自动识别方法已成为当前模式识别和人工智能领域的一个研究热点,人脸特征提取是人脸识别技术的关键。首先介绍了人脸图像的预处理过程,PCA和ICA算法的原理,针对PCA和ICA算法本身优缺点,提出一种新的基于PCA/ICA的人脸特征提取方法,最后采用最近邻分类器,对ORL人脸库进行分类识别。实验证明,改进的方法优于PCA算法和ICA算法。     

基于生物机制脉冲神经网络的特征提取

脉冲神经元可以被用于处理生物刺激并且可以解释大脑复杂的智能行为。脉冲神经网络以非常逼近生物的神经元模型作为处理单元,可以直接用来仿真脑科学中发现的神经网络计算模型,输出的脉冲信号还可与生物神经系统对接。而小波变换是一个非常有利的时频分析工具,它可以有效的压缩图像并且提取图像的特征。本文中将提出一种与人类视觉系统的开/关神经元阵列相结合的脉冲神经网络,来实现针对视觉图像的快速小波变换。仿真结果显示,这个脉冲神经网络可以很好地保留视觉图像的关键特征。     

基于Matlab的车牌图像预处理的研究与实现

车牌图像预处理是车牌识别系统中一个非常重要的环节,预处理效果的好坏直接影响到后续的识别过程。本文介绍了车牌图像的灰度化,图像去噪,边缘检测,二值化处理,腐蚀处理,车牌定位,字符分割等预处理算法,并基于计算机Matlab平台对车牌图像预处理的过程加以实现,实现效果好。     

基于形态学和区域生长法的医学图像分割

图像分割技术是图像理解和图像识别的前提,分割效果的好坏将直接关系到后续图像的分析、处理。基于区域生长算法是一种比较有效的医学图像分割方法。为了提高分割质量,利用数学形态学的基本运算对生长结果进行修正,填充区域生长后的小孔洞噪声;最后通过实验,证明该方法分割效果理想。     

结合2DWT和Fisherfaces的人脸特征提取新方法

针对人脸表情变化对人脸识别的影响,提出一种结合小波变换(DWT)、特征脸方法(PCA)和线性判别法(LDA)的人脸特征提取新方法.首先将人脸图像通过二维小波变换(2DWT)提取其低频分量,然后将低频图像经过PCA变换映射到一个低维空间,最后在低维空间中利用LDA方法进行人脸特征的提取.通过此方法,采用ORL人脸库和Yale人脸库进行测试,我们可实现更准确的特征提取,并有效解决表情变化对人脸识别的影响问题.实验结果显示,本文方法在提高人脸识别率的同时,也提高了人脸识别速度.