基于粒子群分类器的遥感图像目标识别

设计了一种用于遥感图像目标识别的粒子群分类算法。首先对数据样本预处理，利用粒子群优化算法通过训练数据进行分类规则的提取，根据提取得到的规则对遥感图像的目标进行分类识别。通过对实测遥感图像中飞机和舰船目标的识别实验，验证了此算法对遥感图像目标具有较高的识别率。     

一种基于改进BP神经网络的图像目标识别算法

本文利用不变矩具有平移、旋转和尺度不变性的特点,将其应用于图像识别.提取图像的七个不变矩,然后利用改进的神经网络(BP)进行了图像目标识别算法研究,结果表明此算法具有较好的识别效果,并且速度较快,可以应用于图像小目标的识别当中.     

基于HSV空间的纸币面额识别算法研究

纸币面额识别是纸币清分过程中的一个很重要的步骤,目前对纸币面额识别的研究主要集中于灰度图像上,还没有人使用彩色图像做过纸币面额识别的研究。在此提出一种基于HSV空间的纸币面额识别算法,根据待识别纸币和不同面额纸币的H、S、V分量均值的色差大小来对纸币的面额进行识别。在此首先使用扫描仪扫描到的高分辨率的图像进行实验,证明了算法的正确性。然后采用智能点验钞机采集到的低分辨率的图像进行实验,针对低分辨率图像,提出采用直方图均衡化的改进算法,分类准确率达到98.78%,证明本算法能够满足实际应用的需要。     

随机选取ROI法在掌纹识别中的应用

从旋转后的掌纹图像中选取一块感兴趣区域进行识别是当前掌纹识别中常用的方法,但此方法会丢掉部分有用信息。针对此问题,在对掌纹图像建立坐标系的基础上随机选取多个感兴趣区域,用这些感兴趣区域来代表某幅掌纹图像,分别在这些感兴趣区域上用小波能量的掌纹识别算法进行识别。实验结果表明,使用此方法在掌纹识别的识别率上有较大改进。     

基于小波变换的红外图像配准方法

图像配准是图像融合、目标探测识别和计算机视觉等技术中的重要步骤和环节,用于 消除来自不同传感器的图像中目标的位置差异。本文在研究基于特征相关算法的基础上,提出了一种基于小波变换的可见光与红外图像的快速算法,仿真结果表明此算法准确有效。     

一种基于中值思想的改进人脸识别方法

主成分分析(PCA)是一种经典算法,可用于人脸识别系统。它基于降维的方法提取样本人脸图像中的主要成分,并将待识别的人脸图像映射到训练集中,经比对后得出识别结果。但在此基本方法中光照变化是影响判别结果的一个重要因素。为克服此问题,在此提出一种新方法,即首先基于中值思想得出较局部二值模式改进的灰度图像,然后借助主成分分析思想去除一些冗余特征,并且再次用PCA算法对图像进行识别。     

虹膜识别中图像采集的研究

介绍了图像采集中的自动调焦方法,并给出了一种基于图像灰度处理的自动调焦判别函数--锐度判别函数,在此算法的基础上设计开发了虹膜识别的图像采集系统.实验证明,用此方法采集的虹膜图像纹理清晰,提高了系统的有效率.     

图像特征融合的行人重识别方法

行人重识别的目的是在跨区域、跨场景的情况下,检索出特定目标行人.由于行人外观可能相似,以及存在姿态变化和遮挡的问题,因此要求行人重识别模型能够捕捉到足够的细节信息.基于此,提出了图像特征融合的行人重识别算法,融合图像的全局特征与局部特征进行目标行人的检索.该算法构建了特征融合的图像通道,由卷积神经网络提取图像的视觉信息...     

基于统计推断的行人再识别算法

行人再识别是指给定一张行人图像,在已有的可能来源于非交叠摄像机视场的行人图像库中,识别出与此人相同的图像。研究该问题有着非常重要的现实意义,同时也面临许多挑战。该文提出一种基于统计推断的行人再识别算法。该算法从统计推断的角度出发学习两幅行人图像的相似度度量函数,利用此函数从行人图像库中搜索待查询的人。在公共数据集VIPeR上的实验表明,该算法性能优于已有的行人再识别算法,学习相似度度量函数的时间花销明显少于已有的基于学习的算法,并且在只有少量训练样本时,缓解了学习相似度度量函数的过拟合问题。     

毫米波人体安检图像自适应滤波方法

为解决毫米波人体安检图像背景区域的大量毛刺、混叠等噪声对隐匿物体识别造成的干扰问题,提出一种自适应的二次模板匹配滤波方法。首先将原始图像进行水平集二值分割,然后将分割结果作为模板对原始图像进行背景滤除,最后将滤除背景的结果作为先验图像对原始图像进行改进的双边滤波。基于毫米波成像系统的实际图像进行对比实验,验证了此算法相比于传统滤波方法的改善,并证明此算法可以针对性地滤除毫米波安检图像的背景噪声,保留人体区域的图像细节,有利于毫米波安检图像中的隐匿物品识别与定位。     

人脸识别技术研究进展分析

人脸识别技术主要是生物识别技术中的一种,其工作原理是利用人脸的五官、肤色进行身份的识别。通过视频采集设备采集人脸的视频,并且对视频中的人脸进行检测,从实现人脸的识别。人脸识别技术是人工智能研究的主要方向,因此要注重人脸识别技术研究现状,阐述人脸识别技术的相关特点,分析人脸识别方法,确定人脸识别技术的发展方向。     

步态识别在智能视频监控系统中的应用前景

步态识别是生物特征识别技术的新领域,它具有可远距离获取、非接触性和非侵犯性、难以隐藏等优点,在未来智能视频监控系统中的应用前景广阔。重点介绍了步态识别技术的最新研究工作,涵盖了基于步态的性别识别、基于步态的年龄识别以及多视角步态识别等前沿技术,并对步态识别的未来发展趋势作了展望。     

人脸面部表情自动识别技术的研究进展

近年来，面部表情识别技术已成为模式识别领域中的一个重要的研究课题，因此表情识别的研究进展也受到了更多的关注。首先介绍了表情识别技术的背景及目前的研究进展，然后介绍了一些表情识别的主要的方法，并介绍了面部表情识别技术的难点，最后对表情识别技术进行了展望。     

A comprehensive multimodal eye recognition

Iris recognition is tested to be one of the most reliable approaches for automatic personal recognition under the infrared light. However, it is challenging and difficult to acquire good quality iris patterns of dark color eyes in the visible wavelengths. Sclera recognition can achieve good recognition accuracy in the visible spectrum, but the performance will drop when the sclera pattern is saturated. In this paper, we proposed a comprehensive multimodal eye recognition system that uses both iris and sclera patterns for recognition from the same eye image. The experimental results show that the proposed multimodal frontal eye recognition method can achieve better recognition accuracy than unimodal iris or sclera recognition. In addition, we propose a multimodal multi-angle eye recognition system that can further improve the recognition accuracy.     

基于多重卷积神经网络的大模式联机手写文字识别

联机手写识别在日常生产生活中有着广阔的应用,模式识别也一直把其作为研究的重点。传统的识别方法是利用普通卷积神经网络技术,该方法在对小规模字符集联机手写文字识别时有着较高识别率,总体性能高,但在对大规模字符集识别时,识别率则大大降低。提出一种基于多重卷积神经网络的识别方法,旨在克服以往方法对大规模字符集识别时识别效率不高的问题,提高大规模字符集联机手写文字的识别率。系统使用随机对角Levenberg-Marquardt方法来优化训练,通过使用UNIPEN训练集测试该方法识别准确率可达89%,是一个有良好前景的联机手写识别方法。     

识别时间可控的人脸识别方案

在已有的人脸识别方法中,识别时间一般随数据库规模而线性增长,因而难以控制,影响算法对大型人脸数据库的实用性。为此,提出了一种新的人脸识别策略:首先通过训练确定一组有代表性人脸作为参考脸,并在此基础上建立基于相似度的排序结构;这样在识别时只需计算待识别人脸与参考脸的相似度,即可结合排序结构确定一组最相似人脸,再逐个比较确定最终识别结果。由于大量计算已离线完成,识别速度大大提高。通过选择参考脸和最相似人脸的数目,可大致控制不同规模数据库的识别时间。实验表明,该识别策略下识别性能略有下降,但识别速度大大提高。     

一种网络化的业务识别系统

下一代网络（NGN）是业务驱动网络,业务识别与控制对NGN的管理和安全具有重要意义。目前业务流识别技术的识别能力范围局限在单一设备上,容易导致识别不出或误识别业务流。未来的业务识别技术应该是基于网络形式的、动态的识别。在TCP/IP体系结构的基础上,通过对现有业务流识别技术的研究,设计出一种基于IP网络的网络化业务流识别系统模型。     

变形网格及其在图像识别中的应用

网格特征是图像识别中一类重要特征,而变形模板对于复杂的图像识别问题如字符识别、数字识别、图标识别等表现出很好的性能,但变形模板很费时。该文针对网格特征提出了变形网格,并分析了变形模板与变形网格之间的近似等价性。所提方法对网格进行变形而不是对图像变形,因而速度比变形模板快得多,而且性能相差不大。把这种方法分别应用于图标识别和脱机手写汉字识别。图标识别实验中变形模板使识别率提高了7.5%,而变形网格使识别率提高了7.3%、手写汉字识别实验中变形模板使识别率提高了6.1%,而变形网格使识别率提高了5.8%。考虑到变形网格比变形模板快得多,所以这种方法是有优势的。     

基于双分类器的自适应单双手手势识别

针对传统卷积神经网络(CNN)中仅有对单手手势语义进行识别的算法和深度学习手势识别算法中CNN的收敛性差和识别精度低的问题,提出了一种基于两个分类器的自适应单双手手势识别算法以对单手和双手进行识别。该算法的核心是联合两个分类器进行单双手手势识别。首先,采用手数分类器对手势进行分割分组预测,将手势识别转化成部分手势图像识别;其次,采用自适应增强卷积神经网络(AE-CNN)进行手势识别,利用自适应模块分析出现识别误差的原因和反馈模式;最后,在迭代次数和识别结果的基础上进行参数更新。实验结果表明,手数分类器进行手势预测分组的正确概率为98.82%,AE-CNN的收敛性优于CNN和CNN+Dropout,对单手手势的识别率高达97.87%,对基于LSP数据集自建的9类单手手势和10类双手手势的整体模型识别率为97.10%,对复杂背景和不同光照强度下手势的平均识别率为94.00%,并且具有一定的鲁棒性。     

基于MTCNN和Facenet的人脸识别

人脸识别技术在智能城市建设中广泛应用,传统人脸识别算法依赖人工设定的特征,通常会带来不可期望的人为因素和误差。随着计算机算力的提升,基于神经网络的人脸识别方法由于其准确高效深受工业界偏爱。提出了基于多任务卷积神经网络(MTCNN——Multi-task Cascaded Convolutional Networks)和Facenet的人脸识别方法,并实现了从图像处理到识别结果输出的整个人脸识别系统。