车底图像局部不变特征信号提取SIFT算法对比分析

为实现机车车底图像局部不变特征信号提取,比较了3种新兴的SIFT改进算法:GS-SIFT算法、RIT-SIFT算法和Harris-SIFT算法,对3种改进算法的准确性、实时性和高效性进行评价。应用基于SIFT的改进算法对火车机车车底实际图像进行处理,提取局部不变特征值,改进算法针对机车车底图像具有很好的适用性和准确高效性。     

一种改进的不变矩方法在图像目标识别中的应用

分析了离散状态下比例因子对不变矩的影响，采用一种改进的不变矩算法来提取识别对象的不变量，利用计算出的不变矩特征量来训练BP网络，进行待识别对象的分类。实例计算表明这种识别方法有良好的分类效果，具有一定的利用价值。     

基于图像的车道线内车辆目标识别

为了获取本车道内前方车辆信息,文章提出一种基于HOG特征与SVM模型的车辆识别方法。根据检测出的车道线确定搜索区域,结合车底阴影特征实施车辆的检测并确定车辆可能存在的假想区域,针对假想区域进行HOG特征提取,构建车辆正、负样本库,将假想区域进行HOG特征输入到训练好的SVM识别器,实现车辆目标的识别。通过大量测试图像进行验证,结果表明文章采用的方法可识别出本车道内前方车辆目标。     

手写体蒙古文字识别——切分技术的研究

针对蒙古文字连笔的特殊书写特征,本论文主要论述了手写体蒙古文字识别的切分技术。我们依次采用了去除噪声的预处理技术、基于粗分类和细分类特征提取技术,以及结合了蒙古文自身结构特征的切分技术等。基于以上技术,我们开发出一个蒙古文字切分实验系统。实验结果表明,蒙古文单词平均准确切分率达到80%,系统整体性能良好稳定,切分率初步达到实用化水平。     

基于改进SBELM的耦合故障诊断方法

为了对主减速器的耦合故障进行识别,通过对振动信号经过集成经验模态分解(ensemble empirical mode decomposition, EEMD)所获得的高频分量采用自适应阈值降噪和对低频分量采用区间阈值降噪,有效去除了信号噪声,创建了配对多标签分类策略(paired multi-label classification,PMLC).基于PMLC和稀疏贝叶斯极限学习机(sparse Bayesian extreme learning machine, SBELM)用单故障样本构造概率分类器集,再采用网格搜索方法生成最优决策阈值,将分类器集的概率输出转换为耦合故障模式,提出了基于自适应区间阈值降噪和SBELM的耦合故障诊断方法,并用主减速器的实际样本集验证了该方法的性能.研究结果表明:该方法的诊断精确度达到96.1%,比基于PNN(probability neural networks)和SVM(support vector machine)的诊断方法提高了5%;该方法的训练时间和执行时间为131.4和61.3 ms,比基于SVM的诊断方法减少了70%.      

基于改进傅里叶模态分解和频带熵的滚动轴承故障诊断方法

[目的]针对多分量、强背景噪声下滚动轴承故障特征提取困难的问题,提出一种将改进傅里叶模态分解(MFMD)和频带熵(FBE)分析相结合的滚动轴承故障特征提取方法.针对傅里叶分解(FDM)在强背景噪声下边界频率偏移和过分解等问题,提出频带熵和包络谱相结合的敏感频带和敏感模态分量选取方法.[方法]首先,通过FBE分析选取频带...     

采用符号序列Shannon熵的机器信息提取方法

讨论了将时间序列转化为符号序列,即信号粗粒化问题,给出二进制符号化和角区间符号化2种规则,得到了二进制符号化规则下的符号序列Shannon熵计算方法.对于汽油机瞬态排放信号、柴油机机身振动信号、转子轴振动信号,采用Shannon熵提取了信号特征,结果表明描述符号序列总体特征的SHannon熵能够便捷地反映机器的运行状况.     

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.     

批量图像采集中数字标识自动识别系统的构建

本文研究了批量采集人像时,数字标识自动识别的问题。提出了描述数字结构的n-轮廓跟踪向量的概念,建立了人像背景下数字标识自动识别系统。该系统主要由图像预处理、数字目标定位及分割、数字识别等模块构成。实验表明,本系统能够对人像背景下的数字标识进行有效的识别。     

基于深度数据的车辆目标检测与跟踪方法

现有基于几何特征的目标检测与跟踪方法误检率较高,目标跟踪过程中的漏检易导致错误的目标关联.针对这些问题,本文提出了一种基于激光雷达(LiDAR)深度数据的车辆目标检测与跟踪方法.根据激光雷达深度数据特性,采用一种基于栅格的参数自动化聚类(PAG) 算法对原始数据进行处理,并在每个聚类中提取目标线段,获取目标特征.在此基础上对车辆目标进行识别,并计算得到目标的位置信息.采用卡尔曼滤波算法,制定滤波器管理策略,完成目标关联及状态估计.最后利用装备有一个前向激光雷达的实验车辆对提出的方法进行验证. 实验结果表明,本文提出的方法可准确识别并跟踪多个车辆目标,避免错误的目标关联.