中医脉象信号的参数化双谱估计及切片分析

采用ARMA参数化双谱估计法对15例吸毒者和15例正常人的脉象信号进行了参数化双谱估计.在得到每一例脉搏波的归一化双谱幅值对角切片后,应用K-L变换得到30个样本特征向量,然后设计4-9-1的BP神经网络进行模式识别.除1例正常人被误判外,其余的受测者全部予以正确识别.研究结果表明,归一化双谱对角切片与K-L变换相结合的方法是提取中医脉象信号特征的有效方法.这种方法与BP神经网络的联合应用,对海洛因吸毒者和正常人的脉象信号具有很高的识别率.     

中医脉象信号的参数化双谱估计及切片分析

采用ARMA参数化双谱估计法对15例吸毒者和15例正常人的脉象信号进行了参数化双谱估计．在得到每一例脉搏波的归一化双谱幅值对角切片后，应用K—L变换得到30个样本特征向量，然后设计4—9—1的BP神经网络进行模式识别．除1例正常人被误判外，其余的受测者全部予以正确识别．研究结果表明，归一化双谱对角切片与K—L变换相结合的方法是提取中医脉象信号特征的有效方法．这种方法与BP神经网络的联合应用，对海洛因吸毒者和正常人的脉象信号具有很高的识别率．     

基于主元分析法的手写数字识别

特征提取是手写体数字识别研究中的重要问题。有效特征是提高识别率和识别精度的关键。作者使用的主元分析法能压缩特征的维数 ,满足特征提取的完备性原则和正交性原则 ,提高分类器性能。将经过主元分析法压缩后的特征用BP神经网络进行识别仿真 ,取得了较好的实验效果     

基于RBF神经网络的车牌自动识别系统设计与实现

车牌自动识别系统分为图像预处理、车牌定位、字符分割、字符识别4步.车牌准确定位是LPR系统中的关键,本文利用形态学变换对图像进行滤波聚类,HOUGH变换方法对车牌图像进行水平校正,基于RBF网络的方法识别字符.在DELPHI 7.0环境下设计开发的车牌自动识别系统,经检验取得满意的效果.     

一种改进的调和Arnoldi算法及其应用

对标准的调和Arnoldi方法进行改进,改进后的方法在近似特征向量选取方面充分利用m步Arnoldi过程所产生的最后一个基向量vm+1的信息,在实际产生的m+1维的Krylov子空间中寻求使残量范数达到极小的调和Ritz向量作为所求的特征向量的近似.理论分析和数值实验表明了该方法的可行性和有效性.同时,将这种方法应用于图像K-L变换的协方差矩阵的特征值和特征向量的求解,能进行实时图像的压缩,较对图像分块在每个小块上进行K-L变换的方法更有效.     

K—L变换在BP网络初始权值优化中的应用

提出了一种新的神经网络初始权值的优化方法，该方法首先对样本做K—L变换，将所得到的变换矩阵作为BP网络输入层到隐层的初始权值，然后开始BP算法对多层感知器的训练学习，以缩短样本学习时间．最后分别选取线性可分的样本和非线性可分的样本在MATLAB中进行了仿真，仿真结果证明，该权值优化方法是合理的．     

K-L变换在BP网络初始权值优化中的应用

提出了一种新的神经网络初始权值的优化方法,该方法首先对样本做K-L变换,将所得到的变换矩阵作为BP网络输入层到隐层的初始权值,然后开始BP算法对多层感知器的训练学习,以缩短样本学习时间.最后分别选取线性可分的样本和非线性可分的样本在MATLAB中进行了仿真,仿真结果证明,该权值优化方法是合理的.     

利用K-L变换提高地震记录的信噪比

介绍了K——L变换的基本数学原理，在此基础上着重阐述了K——L变换压制噪声，提高地震记录信噪比的理论依据，并给出了一些理论模型进行了试算研究和分析。结果表明：K——L变换去噪的效果与地震记录上同相轴的空间相关程度及所选取的特征值的个数有关，对于同相轴空间相关程度较好的记录，只要将特征值个数选取在其曲线拐点处进行变换便可达到目的；反之，需选取的特征值个数不易准确确定，从而影响去噪效果。     

基于 Hough 变换及可信度的车牌旋转角度检测

车牌角度矫正是汽车牌照识别的一个重要步骤。采用Hough变换法检测车牌的倾斜角度。首先对汽车牌照图像预处理,再提取车牌上下边框的边缘信息,利用Hough变换对提取的边缘信息进行变换,从而获得车牌上下边框的拟合直线及其倾斜角度,并引入可信度,以度量检测结果的优劣,最终获得较精确的汽车牌照的倾斜角度。实验结果表明,该法抗干扰能力强,检测精度高。     

Application of ambiguity function to ultrasonic signal recognition

The ambiguity function (AF) is proposed to represent the ultrasonic signal for its modulus’ independence of time shift and frequency shift, which avoids the effect of center frequency and arriving time of the ultrasonic signal on feature extraction. Moreover, the K-L transform is considered to extract features from the ambiguity plane, and the effect of signals to noises on validity of ambiguity features is analyzed. Furthermore, we discuss the performance of recognizing ultrasonic signals at different center frequencies and different arriving time based on ambiguity features. Experimental results show that the features extracted by the K-L transform (KLT) are immune to noises, and can recognize ultrasonic signals effectively in a lower dimensional space.     

基于脊波变换的车牌边缘检测

通过分析现有的一些边缘检测方法,针对在复杂环境下对车牌图象进行分割提取这一问题,提出了一种基于脊波变换的边缘检测方法。这种方法以脊波变换为理论基础,具有多方向和多尺度性,能对车牌中的不同方向的边缘特征进行有效的检测。实验表明,该检测方法抗噪声更强,定位更准确。     

基于LabVIEW IMAQ的移动车辆牌照识别

车牌识别是指通过图像处理、模式识别和统计分析等方法从实时车辆图像中提取车牌字符信息,从而确定车辆身份的技术。通过对车牌识别中的图像采集与处理、车牌定位、字符分割和字符识别这4个核心技术的研究,在LabVIEW平台上,利用IMAQ强大的图像处理功能,对USB摄像机获得的实现车牌图像进行格式转换,灰度变换以及二值变换等预处理,将边缘提取与图像投影两种方法相结合精确定位车牌,最后根据特征匹配的方法识别出车牌字符信息。结果表明,基于IMAQ程序可以很好的对车牌图像进行处理,并在平均时间为3s左右情况下完成对车牌字符的识别。     

基于改进的BP神经网络进行车牌定位的研究

采用改进的BP神经网络，对汽车图像中车牌定位的方法进行了研究。选取训练样本图像，以人工定位后的图像为导师信号，将图像的灰度序列直接采用改进的BP算法进行训练，以期提高定位的精度和速度。试验结果表明，用改进的BP网络对灰度图像直接感知，在定位精度和速度方面取得较好的效果。     

汽车牌照字符识别系统设计

随着交通事业的迅速发展,人工管理方式已不能满足实际的需求,针对这一问题,提出了汽车牌照字符识别系统设计,采用了数字图像处理技术、车牌定位技术、车牌字符分割技术、BP神经网络识别技术来解决车牌字符的识别问题,研究了图像预处理、边缘提取、车牌定位、字符分割、字符识别5部分内容,并给出了BP神经网络实现车牌字符的识别,实验表明,此方法能实现良好的定位精确度和较高的识别率.     

基于粗网格神经网络的车牌字符识别方法

目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值.     

Wavelet matrix transform for time-series similarity measurement

A time-series similarity measurement method based on wavelet and matrix transform was proposed, and its anti-noise ability, sensitivity and accuracy were discussed. The time-series sequences were compressed into wavelet subspace, and sample feature vector and orthogonal basics of sample time-series sequences were obtained by K-L transform. Then the inner product transform was carried out to project analyzed time-series sequence into orthogonal basics to gain analyzed feature vectors. The similarity was calculated between sample feature vector and analyzed feature vector by the Euclid distance. Taking fault wave of power electronic devices for example, the experimental results show that the proposed method has low dimension of feature vector, the anti-noise ability of proposed method is 30 times as large as that of plain wavelet method, the sensitivity of proposed method is 1/3 as large as that of plain wavelet method, and the accuracy of proposed method is higher than that of the wavelet singular value decomposition method. The proposed method can be applied in similarity matching and indexing for lager time series databases.     

基于块匹配和迭代反投影的车牌图像超分辨率重建

利用超分辨率重建技术提高车牌图像的质量,以获取更好的识别效果。首先采用基于小波变换的块匹配方法对车牌图像进行配准,然后利用迭代反投影算法对配准后的图像进行重建获得高分辨率的图像。对模拟生成的多帧图像和标准测试视频序列进行了实验,实验结果表明：该算法能有效提高车牌图像的质量。     

基于掌纹的身份自动识别方法综述

回顾了身份自动识别技术的各种方法,按照识别特征的不同,对掌纹的识别方法进行了分类综述,主要介绍了基于模板匹配的方法、图像分析的方法、基于线特征的方法、傅立叶变换(Fourier transform)的方法、Sobel算子和形态学的方法、K-L变换的识别方法、二维Gabor滤波器的方法、F isher-palm s方法、模板学习、小波变换的方法。最后提出了掌纹识别技术今后的发展方向。     

基于Gabor变换和LMBP神经网络的 车牌汉字字符识别

字符识别是汽车牌照自动识别系统中的关键环节,汉字字符识别是其中的难点。提出用Gabor滤波器对灰度汉字图像抽取横、竖、撇、捺的4幅能量特征图像的方法,同时对Gabor滤波器组输出值进行非线性变换,使其适应于不同亮度和低质量灰度车牌字符图像的识别,最终采用网络法提取4幅能量特征图像的特征,用改进的BP神经网络作为车牌汉字字符的识别器,提高车牌识别率。     

基于推广形式的K-L变换的人脸识别方法

提出了一种图像预处理方法,将不同光照条件下的图像甚至是负像处理成亮度、对比度与参考图像基本相同的图像,且调整后的图像与原图像保持较高的相关性,从而有效降低了光照对人脸识别结果的影响.根据随机矩阵的主行列分析法给出了推广形式的K-L变换,提出了进行人脸识别的一种方法.同基于K-L变换的人脸识别方法相比,大幅度缩减了协方差矩阵的维数,从而大大降低了计算特征值的运算量,提高了运算速度.理论分析和实际识别证明了该方法的有效性.