多分辨率下的彩色图像分割方法

通过对彩色图像分割方法的研究,提出一种在多分辨率条件下彩色图像的分割方法。通过离散小波变换获得原始图像的低分辨率近似,并利用分水岭算法对低分辨率近似图像进行初始分割。对初始分割区域根据颜色信息和空间关系按照一定的先后顺序进行合并,直到形成理想的分割结果。对合并后的图像应用小波逆变换得到原始分辨率下的分割结果。在低分辨率下进行的分割和合并大大减小了计算量,提高了分割速度。     

基于Bi LSTM-CTC的语音识别系统研究

传统模型较难识别出数量庞大的数据，为了提高对日语语音识别系统的准确率，此次研究综合了语音识别与深度学习的基本理论。在此基础上，提出使用Fbank特征作为声学模型的输入特征，构建了基于双向长短期记忆网络(Bi-directional Long-Short Term Memory, BiLSTM)的日语语音识别系统。结果表明，预加重后的日语语音信号能量变化幅度在-35 dB至0 dB的范围内，频谱分布更加平衡。在经过多轮次训练后，BiLSTM-CTC模型的词错率比其他两种模型分别低了11.03%、3.63%,具有更加优越的性能。在使用Fbank特征时，研究模型的词错率比使用梅尔倒谱系数(Mel-scaleFrequency Cepstral Coefficients, MFCC)特征时低。这表明采用Fbank特征能够提高日语语音识别的精度。此次研究不仅对深度学习技术的发展提供重要的理论，还对以深层神经网络为基础的语音识别具有重要的现实意义。