基于MBP算法和深度学习的人脸识别

为了解决在深度学习提取人脸图像特征时,易忽略其局部结构特征和缺乏对其旋转不变性学习的问题,提出了一种基于单演局部二值模式(MBP)与深度学习相结合的高效率人脸识别方法。首先,用多尺度单演滤波器对图像进行滤波,得到幅值和方向信息;其次,用LBP算法和象限比特的方法进行编码,分块计算组合其直方图特征;然后,将提取的单演特征作为深度信念网络(DBN)的输入,逐层训练优化网络参数,得到优异的网络模型;最后,将训练好的DBN网络在ORL人脸数据库上进行人脸识别实验,进行识别率计算,其识别率为98.75%。所提出的方法使用无监督的贪婪算法,隐藏层设定为2层,使用反向传播算法优化网络。相较于已知的人脸识别方法,MBP+DBN算法对光照、表情和部分遮挡变化具有较好的鲁棒性,在人脸识别中识别率较高,具有一定的优势,为图像特征提供了一种新的识别方法。     

基于特征脸的人脸识别及实现

人脸识别技术是通过分析人脸图像,并从人脸图像中提取有效的识别信息,来辨认身份的一门技术。阐述了基于特征脸的人脸识别基本算法,给出了特征脸的解释,并用OpenCV编程实现对ORL人脸库进行识别仿真实验。该方法主要通过创建给定图像库中的特征脸和人脸图像的空间距离来进行人脸检测,顺利实现和验证了特征脸算法。     

基于边缘提取的图像压缩编码

本文提出了基于边缘提取的图像压缩编码算法。该算法针对具体情况,对仅需要知道图像边缘信息的图像首先采用canny算子进行边缘提取,然后对边缘提取后的图像再进行一维游程编码。实验结果表明,此算法具有更高的压缩率。     

基于二维不可分小波的人脸识别方法

提出了一种基于二维不可分小波的人脸识别算法。通过对实验数据分析,该算法不但可以减少表情因素的影响,而且计算速率和识别率都有所提高。     

基于支持向量机的离心机振动信号采集及分析

为更准确地判断离心机工作状态，使用动态信号采集仪对离心机进行信号采集，并对数据进行预处理。使用支持向量机模型，提取离心机振动信号的时域和时频域信息作为其状态特征，使用主成分分析（PCA）降维技术得到低维、冗余信息较小、对状态信息表达一致的低维特征矩阵。将特征矩阵输入支持向量机进行分类识别，使用时域特征、时频域特征、时域+时频域特征作为输入，识别准确率可达90%。     

基于人脸识别的门禁系统设计

设计了一种基于人脸识别的门禁系统。该系统从前端摄像头获取人脸图像,在PC机上完成识别,然后给单片机发送命令来控制门禁系统。软件上首先利用小波变换对人脸图像进行2次小波分解,然后对低频分量进行离散余弦变换(DCT)提取特征值,最后利用欧氏距离和最近邻分类器进行识别。结果表明该系统构建简单、方便,识别速度快且准确率较高。     

基于支持向量机和特征向量提取的人脸识别框架

为了研究支持向量机在人脸识别中的应用,提出了人脸识别框架,该框架首先利用特征向量提取算法对人脸进行特征提取,得到人脸面部纹理特征数据,然后采用支持向量机对提取的数据进行训练,得到人脸模板,并依据人脸模板对人脸进行识别。实验采用ORL人脸数据库作为实验数据,使用LBP算法提取特征向量,使用LIBSVM训练得到人脸模板数据库,当模板人脸数与预测人脸数比值一定时,随着人数增加,其预测的正确率会有所下滑;当人数一定时,人脸模板与预测人脸数值上升,其正确率会有所上升。当选择一个相对合适的模板比例时,正确率将会达到89.29%以上。实验结果表明,提出的框架对于人脸具有良好的识别能力。     

一种序列图像中的人脸提取算法

主元分析法是一种有效降低维数和提取特征的方法,在对主元分析法改进的基础上,提出了一种运动目标检测及人脸提取技术。首先以3帧原始图像序列为训练集,用改进的主元分析法计算特征向量,其中第1特征向量和第2特征向量的乘积代表了原图像序列中的运动对象,将这个特征向量定义为特征前景;然后,用平方投影函数提取特征前景中的人脸。实验结果表明,该方法可自动提取运动图像序列中的人脸,且计算简单,准确率高。     

基于多尺度小波的图像增强算法

提出了一种基于多尺度小波的图像增强算法.首先对图像做小波分层,利用散布矩阵对分层后的图像提取更丰富的局部结构信息,最后对每一个子图像进行局部直方图均衡化,就可将这些子图像合成为一个完整的输出图像.实验结果表明该方法的增强效果明显优于传统的直方图均衡化方法,既提高了图像的整体对比度又突出了图像的局部细节,同时还抑制了噪声...     

基于小波变换和梯度矢量流Snake模型的ERS-1 SAR图像的海岸线探测

利用合成孔径雷达来探测海岸线对船舶导航有重要意义。阐述了1种基于二进小波变换的从SAR图像中提取海岸线的方法。该方法首先利用在二进小波变换中边缘和噪声的奇异性随尺度变化具有不同的传播规律来检测边缘点,然后利用基于梯度矢量流的主动轮廓模型进行边缘点的连接。实验结果证明,这种方法可以有效地消除SAR图像中存在的斑点噪声对海岸线提取的影响,能准确地提取海岸线信息。     

基于One-Class SVM的青鳉鱼异常行为识别方法

为了更准确地解析青鳉鱼在突发污染环境中的行为变化趋势,提出了一种基于One-Class SVM模型的青鳉鱼异常行为识别方法。以青鳉鱼的生理及行为特征作为观测指标,将采集到的暴露在不同类型和浓度特征污染物下的青鳉鱼行为强度信号作为经验数据,利用直方图统计和主成分分析（PCA）对行为强度数据进行降维,实现行为特征提取,基于One-Class SVM构建模型,并以五水合硫酸铜和三氯酚作为特征污染物进行暴露实验对算法进行验证。结果表明,One-Class SVM模型可以准确地识别正常行为和污染物暴露时发生的异常行为;对于有机污染物最快可在10 min内完成预警,重金属污染物可在1 h内完成预警,并且污染物浓度越高,模型的识别效果越好。识别方法可对水源突发性水质污染进行更有效的监测和预警,也可为水污染应急决策提供技术支撑。     

基于无线传输的智能小区门禁系统设计

提出了一种基于支持向量机的机械故障诊断模型,该模型建立在VC维理论和结构风险最小原理基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折中,以期获得最好的推广能力。在选取诊断模型输入向量时,对故障信号功率谱进行小波分解,简化了故障特征向量的提取。仿真结果验证了该模型的有效性。     

MLEP:一种B细胞线性表位预测方法

为了更快更准地确定B细胞线性表位,提出了一种新的预测方法——MLEP(Prediction of epitope based on MCFS and LSTM,MLEP)算法。采用5种性质氨基酸理化性质作为学习特征,利用多聚类特征选择算法进行特征选择,用降维后的数据作为输入,用长短期记忆网络进行训练,获得预测性能好的模型,对多聚类特征选择算法及MLEP算法的性能进行评价。对非冗余LBtope数据集进行多组实验,结果表明,使用多聚类特征选择算法降维到25时获取性能最优模型,多聚类特征选择算法比主成分分析法获得的模型准确率更高,基于MLEP算法获得的模型准确率达到94.81%。因此,MLEP算法能更好地预测B细胞线性表位,对于表位预测研究具有一定的参考价值。     

改进PCA方法的牙颌特征提取和数据集构建

为了提高牙颌数字模型特征提取的准确性和牙齿分割的效率,提出一种几何变换和主成分分析相结合的坐标系标准化方法,并以离散曲率、法向量、形状直径函数和离散测地距离为基础特征对牙颌数字模型进行了特征提取,在此基础上进一步扩展构建了76个特征数据集。采用提出的坐标系标准化方法和数据集对上颌进行了牙齿分割实验。结果表明：改进主成分分析方法能够快速准确地实现牙颌数字模型坐标系对齐,能够准确识别牙齿的特征信息并作出标记,牙齿分割完整,平均分割准确率达到99.74%。基于改进主成分分析方法的牙颌模型特征提取方法能够极大地提高特征对牙齿的区分性,从而降低位姿对牙颌特征提取带来的负面影响,实现在特征数据较少的情况下准确分割牙齿,可为数字化口腔诊疗提供一定的参考。     

基于统计的2-D人脸形状模型的建立

针对人脸面部特征提取技术是自动视觉翻译和人脸识别中的关键技术之一,介绍了基于统计的人脸形状模型建立原理。利用有标志点的图像训练集变化模式的先验知识而建立模型的方法能够将人脸形状的变化限制在合理的范围内,并能够充分表征人脸特征,实验证明该方法是有效的。     

基于k-means的纸质心电图数字化信息提取研究

针对临床诊断中纸质心电图容易遭到不同程度的损坏,且不便于保存的问题,探讨了纸质心电图的数字化问题。采用均值法降噪,在Sobel算法中加入了45°和135°2个方向的模板,利用k-means方法进行了改进,从而得到更加精准的心电图的数字化提取图形。实际验证发现,心电图的数字化提取精度得到了有效提升,有望在医疗实际中推广应用。