基于联合HOG特征的车牌识别算法

为解决车牌中汉字识别未考虑汉字结构特征的问题,提出联合方向梯度直方图特征(HOG)结合支持向量机(SVM)的车牌识别算法。将灰度图、二值图、16值图的HOG特征在一定的权重下融合为联合HOG特征,使用核主成分分析法(KPCA)对联合HOG特征进行降维;对汉字和数字字母分别利用支持向量机进行分类,利用交叉验证方法对参数进行优化,得到最优预测模型;利用预测模型预测识别结果。实验结果表明,相对于传统车牌识别算法,该算法可以应用于复杂环境下的车牌字符识别,车牌识别率提高了10%左右,鲁棒性强且便于硬件实现。     

L_1和L_2混合范式超分辨率重建的车牌识别

针对视频中低分辨率图像的车牌识别准确率低的问题,提出一种结合L_1和L_2混合范式的序列图像超分辨率重建的车牌识别技术。首先对序列低分辨率图像进行L_1和L_2混合范式超分辨率重建,其次对重建后得到的一帧高分辨率图像进行基于HSV颜色模型车牌定位,然后对分割出的字符采用方向梯度直方图和支持向量机相结合的方法进行车牌识别。实验结果显示提出的算法对车牌中的字符识别效率高达96%,对比于传统的基于特征匹配和BP神经网络的车牌识别算法对字符的识别有明显的改善。结果表明,通过L_1和L_2混合范式的超分辨率重建处理,将方向梯度直方图和支持向量机相结合的识别方法对车牌中的字符有较好的识别效果。     

短波信道下跳频信号检测

跳频信号检测是当前通信对抗领域紧迫而困难的任务之一,提出了一种在复杂短波环境下有效检测跳频信号的新方法。首先,对已有动态门限算法进行改进,提出一种新的估计噪声基底的方法;用该方法对信号时频图每个时间单元的功率谱图进行滤波,将信号的时频图降噪处理;然后根据短波信道特点设计了参数统计规则,得到信号描述表,最后采用直方图方法对各信号持续时间统计分类判断出是否存在跳频信号。仿真实验证明,该方法运算简单,能够较好地解决噪声和干扰较大的复杂短波信道环境下跳频信号的检测问题。     

基于CASH-CFAR的跳频信号检测

为解决复杂短波环境下跳频信号检测概率低的问题,提出了一种基于恒虚警概率(CFAR)的稳健的跳频信号检测算法.分析了CASH-CFAR算法,为了提高运算速度对其进行了一定的改进,根据跳频信号的特点将其扩展到二维并应用到时频谱图上检测跳频信号,通过形态学图像处理方法滤除噪声.仿真实验结果表明,该方法能够在低信噪比情况下有效地检测跳频信号,并同时抑制定频干扰,检测率较高,运算速度快.     

智能监控中的工程车辆识别算法

针对智能监控在矿区监管中的应用,提出一种基于视频序列的工程车辆识别算法.该算法采用目前应用比较广泛的梯度方向直方图(HOG)结合线性支持向量机(SVM)的方法.为了缩小检测范围提高检测效率,在识别之前,算法使用背景差分法提取包含运动目标的区域;同时为提高识别的准确率,本文提出一种基于视频序列的跟踪检测方法,多次检测后给出识别结果.实验结果表明,在实际的现场环境中,所提的算法能够识别出现场的工程车辆,在检测速度和检测正确率方面都优于现有的方法;同时对于CPU资源的占用方面表现出较好的性能.     

基于CMOR的跳频信号参数盲估计算法

针对传统算法在复杂的电磁环境中不能准确有效地检测跳频信号的不足,提出一种基于Morlet复小波变换(complex-Morlet wavelet transform,CMOR)的跳频信号参数估计算法,挖掘CMOR的尺度序列与跳频信号频率之间的内在联系。MATLAB仿真与真实信号验证结果表明,该算法无需任何先验条件,能够准确地估计跳频信号的跳变点、跳周期、跳速及跳频频率等性能参数,算法流程清晰度与估计精度均优于其它算法。     

一种基于HOG与SVM的监控视频车辆识别方法

针对基于监控视频的车辆检测识别问题,给出了一种基于视频监控的面包车识别算法。该方法对监控视频中已跟踪的车辆,提取车辆的方向梯度直方图（HOG）特征作为支持向量机（SVM）分类检测的输入,分类识别该车辆是否为面包车;通过车辆大小的检测,增强了分类识别算法的准确性与鲁棒性。实验证明,该方法能准确进行面包车的分类识别,基于实际的标清监控视频,面包车的分类准确率达到90％左右。     

基于LLC与加权SPM的车辆品牌型号识别

针对传统车辆识别算法鲁棒性及实时性不强的问题,结合局部线性约束编码(LLC)和加权空间金字塔匹配(SPM)模型,提出一种车辆品牌型号精细识别算法。提取图像方向梯度直方图特征,通过LLC对图像特征进行编码映射,得到具有语义信息的图像表达向量,以提高识别的准确率。利用加权SPM模型将空间位置信息引入图像表达向量中,并将每个图像的最终表达送入线性支持向量机分类器进行训练与识别。使用交通监控摄像头在不同天气和光照条件下采集150种车辆类型共56 827张图像进行实验,结果表明,该算法可有效改善识别效果,提高识别速度。     

一种基于局部梯度矢量的车辆检测方法

在物联网智能交通的车辆检测中,实时性极其重要。针对梯度方向直方图特征中特征矢量维数较多、计算量大的问题,分别对车辆梯度分布特点及支持向量机分类耗时与特征向量维数的关系进行分析,提出一种结合局部梯度矢量均值、散布矩阵特征和支持向量机进行车辆检测与提取的方法。首先,将样本图像均匀地分为若干小块;然后,分别计算块内的梯度矢量均值和散布矩阵作为样本的特征向量;最后,利用支持向量机进行分类训练与识别,其中又通过变步长法进一步减少计算量。实验结果表明,该方法的检测效果与基于梯度方向直方图特征的方法相当,但平均识别时间减少为51%。     

基于NSCT和支持向量机的SAR图像识别

针对传统的合成孔径雷达图像（SAR）识别算法识别精度低,用时长等问题,提出一种基于非下采样轮廓波变换（NSCT）和支持向量机（SVM）的SAR图像识别算法。首先通过非下采样轮廓波变换将目标图像分解成不同的尺度,然后得到目标图像的低频分量和高频分量;接着在高频分量中提取方向梯度直方图特征（HOG）,在低频分量中利用局部二值化算法（Local Binary Pattern,LBP）提取纹理特征;然后将提取的梯度方向直方图特征和局部二值化特征空间连结,并使用支持向量机（SVM）作为分类器;最后对算法进行了测试。实验结果表明,该方法不仅能够有效地提高了SAR图像目标分类的精度,在MSTAR数据库上的准确率达到90.7%,而且对相干斑的影响具有较高的鲁棒性。     

自适应跳频MF-TDMA抗干扰卫星通信技术

MF-TDMA卫星通信系统中,网内终端本身具有频率跳变的能力,可以与跳频相结合实现抗干扰的目的。文章分析了MF-TDMA卫星通信和自适应跳频技术的特点,比较了两种常用的自适应跳频技术,并根据分析结果提出了一种基于分布式干扰检测、频点集中规划的自适应跳频MF-TDMA(AFH-MF-TDMA)卫星通信技术,该技术具有干扰检测准确、频率资源综合利用率高的特点,可以有效增强MF-TDMA卫星通信系统的抗干扰能力。     

基于CMFS-MIC特征选择的跳频电台个体识别方法

针对跳频电台细微特征集中存在冗余特征等导致电台识别时存在计算量大、识别准确率低等问题,提出了一种基于CMFS-MIC特征选择的跳频电台个体识别方法。首先计算采集到的各个跳频电台信号样本的细微特征集,然后采用关联信息熵度量特征子集的组合效应,兼顾考虑特征间的关联关系和冗余关系对各个特征进行降序排序。在此基础上,采用最大信息系数度量的近似马尔可夫毯方法删除冗余特征,实现对特征子集进行优化和降维。最后,设计了投票组合分类器实现对4部跳频电台信号的识别。仿真结果表明,本文算法具有更高的分选识别率。     

基于多类SVM和小波变换的ECG检测、分类算法

提出了一种基于多类SVM和小波变换的ECG检测、分类算法,利用小波变换的时频特性,最大限度地避免了原始ECG信号的各种噪声干扰,有效提取ECG的特征量作为多类SVM的输入训练样本。实验结果表明,将小波变换和SVM相结合,可以有效地将不同病患的ECG信号识别出来。     

基于DSP+FPGA的矿井轨道行人检测系统设计

为了避免矿井机车撞人事故的发生,提出了基于数字信号处理器结合现场可编程门阵列(DSP+FPGA)架构的轨道行人检测系统.通过A/D采样芯片对摄像机输出的模拟信号进行采样,将采集的数字信号由FPGA进行预处理;通过外部存储器接口(EMIF)将预处理后的信号传送至DSP,由DSP执行自适应阈值的边缘检测;基于极角、极径约束的霍夫(Hough)变换,降低维度的梯度方向直方图(HOG)特征提取,结合支持向量机(SVM)行人检测等算法;通过以太网接口,将检测的行人信息传送至上位机显示.实验结果表明:设计的轨道行人检测系统,检测效果良好,帧率可达8 fps,满足矿井环境对安全应用的要求.     

局部二次加权与多特征融合的行人检测算法

针对复杂背景下采用单一特征进行行人检测时的局限性,提出了一种融合多种特征并运用模板弹性模型与局部二次加权的算法,将梯度直方图（HOG）、肤色、发色与曲率有效融合,建立了适用行人检测的各特征模型。第一级采用改进HOG特征结合模板弹性模型利用SVM分类器初次检测;第二级提取局部模板感兴趣区域（ROI）进行头部肤色、发色与腿部曲率检测。实验表明,该算法弥补了单一特征的不足,有效检测了行人整体与局部关键特征,提高了识别性能。     

基于非重构压缩采样的动态稀疏信号快速检测技术研究

战场电磁环境的快速、准确感知对于提高战术无线通信系统的时变电磁环境适应能力和抗干扰能力具有重要意义。本文分析了跳频通信信号、扫频干扰信号等战场常见的多种通信信号与干扰信号的动态稀疏特性,构建了动态稀疏信号检测的统一框架。在此基础上,提出了基于非重构压缩采样的动态稀疏信号快速检测技术的基本思路,并分析了该方法的检测性能界。分析结果表明:该方法不仅能够充分利用动态稀疏信号的稀疏特性,大大降低采样速率和后续分析与处理中的数据量,而且避免了复杂的信号重构,能够有效降低动态稀疏信号检测的处理时延,提高了战场电磁环境感知的实时性。     

多特征融合的道路车辆检测方法

通过改进基于Haar-like特征和Adaboost的级联分类器,提出一种融合Haar-like特征和HOG特征的道路车辆检测方法。在传统级联分类器的Harr-like特征基础上引入HOG特征;为Haar-like特征和HOG特征分别设计不同形式的弱分类器,对每一个特征进行弱分类器的训练,用Gentle Adaboost算法代替Discrete Adaboost算法进行强分类器的训练;在级联分类器的最后几层上使用Adaboost算法挑选出来的特征组成特征向量训练SVM分类器。实验结果表明所提出的方法能有效检测道路车辆。     

视角和旋转角变化时梯度方向直方图的转换

使用梯度方向直方图(HOG)来检测目标,需要大量的,有代表性的样本来训练分类器.一个目标的HOG,其特征在不同的摄像机视角和不同的光轴旋转角下,并不相同.因此,使用不同视角下的混合样本集来训练分类器时,目标检测的准确率受到样本噪声的影响将会降低.基于摄像机成像的基本原理,提出了一种转换算法,可以把一个样本在某个视角下的HOG特征转换成另一个视角下的HOG特征.这样既降低了分类器训练时需要采集的正负样本数量,又提高了支持向量机(SVM)分类的准确性,从而提高了目标检测的准确性.大量目标检测实验结果表明本文提出的算法是有效的.     

Improved voice activity detection algorithm using wavelet and support vector machine

This paper proposes an improved voice activity detection (VAD) algorithm using wavelet and support vector machine (SVM) for European Telecommunication Standards Institution (ETSI) adaptive multi-rate (AMR) narrow-band (NB) and wide-band (WB) speech codecs. First, based on the wavelet transform, the original IIR filter bank and pitch/tone detector are implemented, respectively, via the wavelet filter bank and the wavelet-based pitch/tone detection algorithm. The wavelet filter bank can divide input speech signal into several frequency bands so that the signal power level at each sub-band can be calculated. In addition, the background noise level can be estimated in each sub-band by using the wavelet de-noising method. The wavelet filter bank is also derived to detect correlated complex signals like music. Then the proposed algorithm can apply SVM to train an optimized non-linear VAD decision rule involving the sub-band power, noise level, pitch period, tone flag, and complex signals warning flag of input speech signals. By the use of the trained SVM, the proposed VAD algorithm can produce more accurate detection results. Various experimental results carried out from the Aurora speech database with different noise conditions show that the proposed algorithm gives considerable VAD performances superior to the AMR-NB VAD Options 1 and 2, and AMR-WB VAD.