基于小波变换的纹理边缘检测方法

根据Ｍａｌａｔ多尺度边缘检测原理和纹理图像的局部特征,推广了Ｍａｌａｔ多尺度边缘检测算法．这个推广算法不仅适用于一般图像的边缘检测,而且还可用来提取纹理图像的边缘．     

基于纹理特征的鞋底花纹识别分类

在刑事案件侦破中,案发现场提取到的足迹和鞋印对串并案件的侦破有重大作用.文章利用图像处理手段,对鞋印花纹的分类要求和实际图片进行了具体分析,寻找一种基于模式识别的图像处理算法,充分利用计算机快速、高效的特点,实现鞋印花纹的自动识别和分类,进而更好地发挥足迹和鞋印在刑事案件侦破中的作用.把Laws掩模和花纹图像卷积后计算能量作为纹理描述的一个特征量,实现鞋印花纹的初步分类,从而为鞋底花纹精确识别奠定基础.     

基于纹理特征的建筑物震害信息提取方法研究

利用遥感手段快速提取灾害信息是震后应急工作中最为关键的一个环节,在前人研究的基础上,提出一种基于纹理特征的主成分震害提取方法。利用纹理特征描述符及主成分变换对震害信息进行提取,结果要比直接对震害图像分类效果好。     

基于多尺度模糊边缘特征的遥感影像融合方法

针对全色与多光谱遥感影像融合,提出了一种基于多尺度模糊边缘特征的融合方法.该方法根据à trous小波变换特点以及全色与多光谱遥感影像的频率关系,对全色影像进行多层小波分解,并将不同尺度下的小波面叠加得到多尺度小波面,然后对其进行模糊增强处理提取边缘细节信息,最后将边缘细节信息叠加到多光谱影像中得到融合结果.实验中与传统融合方法进行了主观分析与客观定量比较,结果表明本文方法具有良好的融合效果.     

一种基于多尺度特征融合的人头计数检测方法研究

通过摄像机等设备在特定场景下的人群计数在智能安防领域具有重大的研究意义.由于场景中人尺度变化大,背景杂乱,人群遮挡严重,传统的方法在这种场景中往往精度不高.对此提出了一种基于改进的Faster-RCNN人头检测模型,可以对场景中的人进行准确计数.该模型使用ResNet101作为特征提取网络,使用多尺度特征融合模块将提取...     

基于IHS和小波变换的遥感图像融合方法研究

基于IHS变换法和小波变换法,提出一种新的图像融合方法．该方法利用IHS变换法增强空间细节表现能力,利用小波变换法保留TM图像的光谱特性,可以最大限度地保留待融合图像的光谱信息,同时可提高待融合图像的清晰度和空间分辨率．     

考虑空间变异性的桩基础可靠度设计方法比较研究

文章比较两种不同的模拟岩土参数固有空间变异性方式(即基于随机场法的显示模型和基于等效方差折减法的隐式模型)对钻孔桩可靠度设计的影响。利用基于蒙特卡洛模拟的扩展可靠度设计方法对钻孔桩进行设计,分别采用随机场法和等效方差折减法模拟材料参数的固有空间变异性,并对两种方法的设计结果进行对比分析,结果表明,使用方差折减函数简化形式的隐式模型计算结果偏保守。     

基于数据融合的港口货运特征调查方法及实践

港口货运交通特征是港口城市综合交通体系规划的重要依据.传统货运交通特征调查具有以下局限:调查对象类型复杂、样本代表性差、数据抽样和扩样困难、调查实施难度大等.这些问题制约了研究者对城市货运交通特征的获取.采用大数据挖掘、多源数据综合扩样与校验等手段,提出一种基于多源数据融合的港口货运特征调查方法,打破传统货运特征调查因...     

路面纹理的多重分形特征描述与识别方法

应用多重分形理论验证了路面纹理的多尺度特性,研究了路面纹理多重分形谱的直接计算方法以及权重因子对计算结果的影响规律.测量了4组不同级配的沥青混凝土样块纹理高程值,利用小波变换消除噪声数据,分别计算各组样块纹理的多重分形谱参数,构建了一种应用多重分形谱描述与识别路面纹理特征的新方法.分析结果表明:路面纹理呈现出复杂性与自相似性特征,不同路面纹理之间的多重分形谱存在明显的差异性;路面纹理越复杂,高程波度越剧烈,多重分形谱参数越大,反之则越小;对于相同类型的路面纹理,多重分形谱形状和参数均相近.可见,多重分形是一种描述与识别路面纹理特征的有效方法.     

融合PHOG和MSLBP特征的铁路扣件检测算法

为了提高铁路扣件检测的识别率和鲁棒性,以及扣件图像PHOG特征的有效性,提出了简单有效的枕肩定位算法,该算法首先在提取PHOG特征前,根据枕肩、扣件和背景间的位置关系去除冗余背景信息;然后,模拟人眼视觉注意机制,设计MSLBP特征采样方式,提取扣件图像的宏观纹理特征;最后,采用分层次加权融合的方法联立两类特征,并采用SVM分类器进行扣件分类识别,提出一种基于计算机视觉和PHOG-MSLBP融合特征的缺陷识别算法.将该算法应用于实验,结果表明:与使用PHOG、MSLBP单一特征相比,基于PHOG-MSLBP融合特征检测算法的平均识别率分别提高了6.3%、4.5%,且鲁棒性更强,可满足扣件缺陷自动化检测的需要.     

Magnetic Tile Surface Defect Detection Based on Texture Feature Clustering

In the field of magnetic tile surface detection, artificial detection efficiency is low, and the traditional image segmentation algorithm cannot show good performance when the gray scale of the magnetic tile itself is small, or the image is affected by uneven illumination. In view of these questions, this paper puts forward a new clustering segmentation algorithm based on texture feature. This algorithm uses Gabor function spectra to represent magnetic tile surface texture and then uses a user-defined local product coefficient to modify Gabor energy spectra to get the center number of fuzzy C-means(FCM) clustering. Moreover, the user-defined Gabor energy spectra image is segmented by clustering algorithm. Finally, it extracts the magnetic tile surface defects according to the changes of regional gray characteristics. Experiments show that the algorithm effectively overcomes the noise interference and makes a good performance on accuracy and robustness, which can effectively detect crack,damage, pit and other defects on the magnetic tile surface.     

Feature Selection for SVM Classifiers Based on Discretization

The rough sets and Boolean reasoning based discretization approach （RSBRA） is not suitable for feature selection for machine learning algorithms such as neural network or SVM because the information loss due to discretization is large. A modified RSBRA for feature selection was proposed and evaluated with SVM classifiers. In the presented algorithm, the level of consistency, coined from the rough sets theory, is introduced to substitute the stop criterion of circulation of the RSBRA, which maintains the fidelity of the training set after discretization. The experimental results show the modified algorithm has better predictive accuracy and less training time than the original RSBRA.     

基于瞬时频率二次特征提取的辐射源信号分类

提出了基于瞬时频率二次特征提取的雷达辐射源信号分类方法．首先利用改进的瞬时自相关算法提取信号的瞬时频率特征．在此基础上，对所获得的瞬时频率进行级联归一化处理，提取分类特征向量．最后，采用层次决策方法实现自动分类．仿真结果表明，该方法提取的特征向量具有较好的类间分离性，整体信号分类方案在信噪比不低于6dB时，可获得90％以上的分类准确率．     

基于小波变换的脑电信号特征提取及分类

在脑机接口中,基于小波变换法和AR模型法结合线性判别准则对两类思维任务进行特征提取及分类,提出以小波系数均值经K-L变换作为特征,用Fisher判别准则进行分类。结果表明,这种方法可以利用少量的数据提取脑电信号的特征,具有比较好的分类效果。     

基于小波变换的脑电信号特征提取及分类

在脑机接口中,基于小波变换法和AR模型法结合线性判别准则对两类思维任务进行特征提取及分类,提出以小波系数均值经K-L变换作为特征,用Fisher判别准则进行分类.结果表明,这种方法可以利用少量的数据提取脑电信号的特征,具有比较好的分类效果.     

基于K—L变换的汽车电控系统技术状态特征选择与提取的研究

随着汽车电子化程度的日益提高,汽车电控系统的故障诊断方法和理论受到了越来越广泛的关注。基于模式识别技术的汽车电控系统故障诊断方法具有非常广阔的应用前景,但是对具体的事件进行模式采集时,有可能造成样本在模式空间中的维数很大．由此带来数据处理的困难。若可通过K—L变换方法对汽车技术状态的特征参数进行选择和提取,并对选择前后的特征分别用神经网络进行模式识别,不仅能够提高识别的速度,而且能够提高识别的精度。     

基于K-L变换的汽车电控系统技木状态特征选择与提取的研究

随着汽车电子化程度的日益提高.汽车电控系统的故障诊断方法和理论受到了越来越广泛的关注.基于模式识别技术的汽车电控系统故障诊断方法具有非常广阔的应用前景.但是对具体的事件进行模式采集时,有可能造成样本在模式空间中的维数很大,由此带来数据处理的困难.若可通过K-L变换方法对汽车技术状态的特征参数进行选择和提取,并对选择前后的特征分别用神经网络进行模式识别.不仅能够提高识别的速度,而且能够提高识别的精度.