掌纹特征提取方法综述

掌纹特征的提取是掌纹识别中最关键的一个环节,特征提取介于图像预处理和分类匹配之间,特征提取算法的好坏很大程度上决定了系统的识别率和效率的高低。这就是说,能否有效地进行特征的提取和选择,关系到下一步的分类决策是否能够高效准确的完成。现对各种特征提取方法做了归纳阐述。     

基于Gabor小波和增强Fisher模型的掌纹特征提取

对于其他身份识别的生物特性而言掌纹有着很多的先天优势,因此在各个领域得到了非常广泛的应用。本文通过研究掌纹的特征,提出了一种基于Gabor小波和增强Fisher线性判别模型(EFM)的掌纹特征提取算法。先对预处理掌纹,在对掌纹灰色图像通过算法进行Gabor小波变换后,得到Gabor的掌纹特征向量。随后,通过主成分分析变换高维特征向量至低维空间,最后在此空间内利用EFM变换矩阵提取到掌纹的特征。由于Gabor函数在特征提取方面有着优良的性能,对高维特征的降维处理问题可有效解决,同时,算法也提高了Fisher线性判别式(FLD)的推广能力,可以较好地实现掌纹的特征提取。     

基于PCA和ICA的掌纹识别

基于个人的生理和行为特征的身份识别即生物认证得到了快速的发展。掌纹具有唯一性和稳定性,相对声音、虹膜等生物特征更易于被接受。基于PCA的掌纹特征提取,是将初始掌纹图像投影到由PCA生成的特征向量张成的新空间来描述。基于ICA掌纹特征的获取中采用两种体系结构,用欧几里德距离和余弦相似度作为匹配函数。     

一种应用于室内移动机器人的快速二维码定位技术

针对室内结构化环境中移动机器人的定位问题,文章提出了一种具有自适应能力的阈值分割算法和几何特征提取评价算子,能够快速识别探测块的位置,大幅度提高了定位和识别速率。文章利用MTALAB对算法进行了仿真分析,并在2.50 GHz主频的CPU计算机上对算法的速率和准确性进行了验证。结果证明,该技术相比传统二维码识别算法,在识别和定位速度上取得了很大的进步。     

基于颜色特征识别的番茄果梗定位及特征增强算法

为了克服传统番茄采摘系统中的番茄形状不规则、环境复杂及背景干扰而导致番茄的识别率和定位率低这一问题,本文提出了一种基于HSV颜色空间的颜色特征提取及Hessian矩阵特征增强算法。首先基于HSV颜色空间检测成熟番茄目标,然后通过转移ROI定位果梗进一步用Hessian矩阵进行线性特征增强。实验结果表明该算法的平均分割重合率达到了83%,能有效实现复杂背景条件下的番茄识别。     

基于改进FCM算法的信号调制方式识别

在无线电应用领域,信号调制方式识别技术无论是在军用还是民用领域均有重大意义。鉴于FCM算法自身的局限性,本文提出了一种基于距离加权的模糊C均值聚类算法,通过实验表明改进后的FCM算法对信号调制方式具有更高的识别率。     

基于SVM的虹膜识别技术

文章主要阐述了基于支持向量机方法进行虹膜识别,首先利用虹膜处理系统对采集到的虹膜图象预处理,得到条形图象,然后利用主元分析方法(即PCA方法)进行特征提取,以达到降维的目的,得到的一个训练样本对应一个40维的向量,最后利用支持向量机使用序列最小优化算法进行虹膜识别。平均识别率达到了94.3%,结果表明本文的方法取得了较好的效果,降低了训练时间,提高了训练效率。     

基于双kinect数据融合技术的工人作业疲劳智能化检测研究

本文针对制造型企业工人的作业疲劳检测问题,首先采用双kinect数据融合技术,提出了骨骼数据融合算法模型并应用于人体姿势识别,实现对工人作业疲劳姿势的智能化检测;然后将该算法与单kinect、Lin等算法比较,验证该算法的可靠性及识别精度;最后通过企业案例进行工人作业疲劳检测,结合人因工程学对工人动作进行分析并改善,对比验证结果表明,基于姿态角的双kinect人体姿势识别算法识别时间明显缩短,识别率显著增强,精准度较高,工人姿势识别数据具有较高可靠性.     

基于双kinect数据融合技术的工人作业疲劳智能化检测研究

本文针对制造型企业工人的作业疲劳检测问题,首先采用双kinect数据融合技术,提出了骨骼数据融合算法模型并应用于人体姿势识别,实现对工人作业疲劳姿势的智能化检测;然后将该算法与单kinect、Lin等算法比较,验证该算法的可靠性及识别精度;最后通过企业案例进行工人作业疲劳检测,结合人因工程学对工人动作进行分析并改善,对比验证结果表明,基于姿态角的双kinect人体姿势识别算法识别时间明显缩短,识别率显著增强,精准度较高,工人姿势识别数据具有较高可靠性.     

基于双kinect数据融合技术的工人作业疲劳智能化检测研究

本文针对制造型企业工人的作业疲劳检测问题,首先采用双kinect数据融合技术,提出了骨骼数据融合算法模型并应用于人体姿势识别,实现对工人作业疲劳姿势的智能化检测;然后将该算法与单kinect、Lin等算法比较,验证该算法的可靠性及识别精度;最后通过企业案例进行工人作业疲劳检测,结合人因工程学对工人动作进行分析并改善,对比验证结果表明,基于姿态角的双kinect人体姿势识别算法识别时间明显缩短,识别率显著增强,精准度较高,工人姿势识别数据具有较高可靠性.     

基于多种特征的火灾烟雾检测算法

本文提出了一种基于HSI空间和二维离散小波变换的图像型火灾烟雾探测方法。在HSI空间结合实际烟雾图像进行烟雾分割,并应用于火灾烟雾探测领域,能够实现有效的且实时性好的火灾预警功能。针对烟雾的相关系数、形状不规则性及半透明性的特征对可疑图元进行特征提取,最后综合各特征值进行烟雾判断。实验结果表明,与利用单一特征检测烟雾的算法相比,所提出的算法有效地提高了烟雾的识别率。     

基于分形理论和神经网络的雷达信号识别算法

针对现有新体制雷达信号不断增加,传统的识别参数难以满足识别效果的问题,提出了基于分形理论和神经网络的雷达信号识别算法。利用关联维数可以衡量信号的关联复杂度特征的特性,对不同复杂度特性的雷达信号进行特征提取,由于提取的关联曲线不具有很好的线性特性,提取关联点作为神经网络的输入进而进行识别分类。仿真实验表明,这种基于分形理论和神经网络的雷达信号识别算法在较低信噪比下具有较高的识别效果,且可以适合于各种体制雷达信号的特征提取与识别。     

基于双目摄像的特征提取算法研究及三维重建实现

特征提取是计算机视觉中的一项重要技术,本文针对特征提取中的Harris算法和SIFT算法进行了比较,通过仿真实验证明,在处理尺度缩放、亮度变化的图像时SIFT算法更加优越。根据三维成像原理,本文对SIFT算法提取的特征点进行三维重建,获得了目标场景的视差图和三维重建图,进一步说明了SIFT算法的提取是行之有效的。     

基于MLS的点云模型特征提取算法的研究及应用

点云数据处理技术一直都是逆向工程所研究的重要领域之一,对准确而形象地再现真实物体有着重要的意义。其中三维点云模型的特征提取对展现物体模型的三维基本信息有着重要的作用。本文从工程结构有限元分析的角度,对三维点云数据的预处理技术及其特征提取的算法等逆向工程中的关键技术进行了研究,并提出了一种改进的特征提取算法,将其应用于工程有限元模型的快速建立,用来减少建模人员在有限元建模时的工作量。     

应用于汽车防盗抢系统的人脸检测与识别算法探究

本文设计一款应用于汽车防盗抢系统的人脸识别算法。迅速识别人脸区域,并在该关键区域执行后续程序。在人脸检测部分,应用Viola等人提出的Adaboost级联算法;人脸特征提取部分应用LBP(局部二元模式)结合PCA(主成分分析)降维的算法;在人脸匹配部分应用最近邻分类器来确定是否为已知人脸。     

融合动态特征和IV-SVM的火焰识别算法研究

应用传感器信号进行火焰识别的方法易受诸多外部环境因素干扰,同时现有火焰图像特征提取方法对于火焰与场景区分能力欠佳,从而导致火焰或场景发生改变时的准确率较低。文章在颜色信息融入尺度不变特征变换方法(Scale-invariant Feature Transform,SIFT)条件中提出融合动态特征和增量支持向量机(Incremental Vector Support Vector Machine,IV-SVM)的火焰识别算法。首先,针对火焰图像应用SIFT算法提取特征描述符;其次,通过火焰在颜色空间的动态特征融合去除噪声点;再次,将特征描述符转换为对应特征向量并作为IV-SVM训练模型内容,从而获取火焰识别算法模型。在互联网火焰图像数据集的实验结果表明,与Kim方法、Dimitropoulos方法、Sumei方法比较,文章的方法对于不同场景与火焰类型均有较高识别率和较快检测速度,具有较好的实际应用意义。     

数字射线检测焊接缺陷的模式识别算法

为了准确提取与识别焊缝射线数字成像中焊接缺陷,本文提出了一种基于神经网络的模式识别算法。首先,分析了非线性模式分类的基本原理,通过人工神经网络实现对焊缝内存在的焊接缺陷进行分类;然后,采用缺陷的几何特征作为分类算法的输入数据,并应用神经网络关联标准理论评估鉴别能力,证明了特征提取的质量重要性优于数量;最后,将基于神经网络的主要非线性鉴别分量的识别算法应用于缺陷识别中,并通过大量实验分析与评价其分类性能。实验结果数据证明该算法在焊接缺陷模式识别方面具有较高的效率。     

文本情感计算研究综述

近年来,随着互联网广泛作为人们交流和表达的工具,文本情感计算成为了热点研究方向。本文针对文本情感计算相关研究进行综述。归纳不同领域的诸多学者对于情感类型的划分;介绍文本情感识别中三个主要问题的研究情况:文本情感特征标注、情感特征提取算法和文本情感分类技术。未来的研究可关注以下几点:建立统一的实验语料和词典;情感特征提取方面研究;语义成分的理解和识别。     

基于LapSVM的物流编号图像自动识别算法

根据目前物流编号识别效率和精度低的缺陷,提出一种基于图像处理和Laplacian支持向量机(Lap SVM)的物流编号自动识别算法。该算法通过图像采集设备获得物流编号图像,对图像进行预处理和数字字符分割,接着对各个数字字符图像进行特征提取,同时利用标记样本与未标记样本来训练支持向量机(SVM)分类器,实现很少标记样本下的精确字符分类,从而达到编号识别的目的。     

基于计算机视觉图像的物流编号智能识别技术

针对传统的物流编号都是以二维码为基础的识别,这种方法一旦遇到号码脱落等情况会影响货物识别的准确性.为了解决这一问题,提出一种基于少量局部HOG特征的稀物流编码识别算法.方法选取了多个物流编码中的归一化像素特征将其转换为特征向量,构建识别关联特征库,对特征表达下的少量关联特征进行系数计算,完成编码识别.实验结果表明,与传统的电子标签识别方式相比,该方法不仅有很高的正确识别率,而且对于有部分缺失的物流编号也能完成有效识别,有很大的应用价值.