基于动态贝叶斯网络的语音识别及音素切分研究*

研究了一种基于动态贝叶斯网络(dynamic bayesian networks, DBN)的语音识别建模方法,利用GMTK(graphical model tool kits)工具构建音素级音频流DBN语音训练和识别模型,同时与传统的基于隐马尔可夫的语音识别结果进行比较,并给出词与音素的切分结果.实验表明,在各种信噪比测试条件下,基于DBN的语音识别结果与基于HMM的语音识别结果相当,并表现出一定的抗噪性,音素的切分结果也比较准确.     

一种基于共振峰恢复和Ｍellin变换的非特定人语音特征提取方法

针对非特定人语音识别中的声道长度归一化问题,首先研究一种能够去牛基音激励的,基于自相关估计的共振峰（Ｆormart) 频谱恢复方法,说明了不同说话人发同一元音时的频谱互为尺度化的关系,以及它们与同一说话人发不同元音时频谱的差别,然后结合具有尺度不变性的Ｍellin变换,提出了一种适用于非特定人的语音特征提取方法,在实难中,对从非特定人收集的２０个汉语元音,分别提取了其ＦＦＴ倒谱,Ｍel倒谱,ＦＦＴ－Ｍellin倒谱及本文Ｆormant-Mellin倒谱,并用一种很直观的Ｆ－roato分辨率准则进行了性能评价,结果表明,无论是对纯净的,还是对带附加白噪声的发音样本,本文由共振峰恢复和Ｍellin变换相结合得到的语音特征都具有较高的分辨率。     

隐马尔可夫模型的一种有区分力的反向传播训练方法

研究隐马尔可夫模型(HMM)的一种有区分力的训练方法.在多层前向神经网络的 框架中实现了HMM的前向概率计算.基于这一框架,利用偏导数的反向传播计算方法,通 过梯度上升的优化过程来实现互信息的最大化,从而对HMM进行有区分力的训练.这一 训练方法被称之为HMM的反向传播训练方法.此外,还设计了一个用以实现这一训练方 法的在数值计算上具有强鲁棒性的算法.语音识别的实验结果证实了这一训练方法的优越 性.     

基于人类视觉感知特性的一种纹理图象分割方法

在纹理图象分割的研究领域中,基于人类视觉感知特性的图象分割方法是一个重要的新方向,本文给出了一种纹理图象分割的方法,设计了一组参数不同的2D最佳正交极可分方向滤波器来提取图象特征,然后经过四叉树平滑,用模糊C－均值聚类对图象进行分类,最后进行边缘确定,实验结果表明,这种方法能获得较好的分割效果。     

一种新的基于直线特征的摄像机自标定方法

通过引入场景的几何约束,提出了一种新的基于直线的摄像机自标定方法。利用射影几何中平行直线投影的交点与光心的连线平行于该平行直线的性质,给出了摄像机内参数的线性求解方法。只假设场景中存在垂直的平行直线,相对于文献［1］而言,其适用的情况更为广泛。实验结果验证了方法的有效性。     

面向多媒体信息内容保护的特征水印技术*

将数字水印技术应用于多媒体内容保护方面,提出了一种面向多媒体信息内容保护的通用算法框架,并给出了其核心技术——内容特征提取和评价的基本准则(即对非内容级操作鲁棒,对内容级操作敏感)。该算法完全基于多媒体信号的内容生成特征水印,进而将其不可见的隐藏于原始信号中,从而达到对原始信号进行内容保护的目的。在对受保护的信号进行内容窜改检测时,只需用同样的方法计算当前内容特征水印,并将其与所提取的嵌入水印相比较即可。由于该算法可以在不需任何额外信息的情况下对各种多媒体信号进行内容保护和窜改检测,因此具有较高的通用性和     

基于频谱的人脸识别方法

小波变换后的低频子带图像既去除了某些表情变化，又减小了数据量，而图像的频谱特征则具有良好分类特性，因此两者结合后得到的频谱脸在人脸识别方面具有相当高的应用价值。先利用小波变换和Fourier变换求得原始人脸图像的频谱脸(Spectrofaces)，再对频谱脸继续求取各自的本征脸(Eigenface)和LDA(Linear Discriminant Analysis)特征作为分类特征，并利用了不同的分类方法进行识别。实验是利用ORL人脸库进行的，实验结果证明了比起直接利用空间域上原始图像的识别方法来说，基于频谱的方法可以有效提高识别率。     

遥感地形图象的灰度与分形分析

为了能够更加充分、准确地在遥感地形图象中利用分形信息,需要将其与其他特征配合使用。文章通过从视觉成像的角度,深入地剖析物体不同区域的形状和位置对成像灰度的影响,进而将有关结论与图象分形指数数据相结合,应用于基于图象内容的遥感图象的区域(标识)分割,取得了令人满意的效果,从中检查出分形数据中对应于图象深灰度区无意义的数值部分,从而保证了分形数据的可靠性,同时也说明了结合灰度或其它信息于分形图象应用的图象分析方式是十分必要的。     

基于不同光照方向的子空间人脸识别方法

提出了一种方法，用于解决人脸识别问题中光照方向变化所带来的困难。首先建立对应不同光照方向的子空间，再确定测试样本所对应的子空间，然后在这个子空间中利用最近邻法进行匹配，达到识别的目的。利用SHIMON人脸数据库，分仅有光照变化和同时有视角变化和光照变化两种情况进行了实验，实验结果证明该方法是有效的。     

基于分形理论的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好对其进行分割,文章将SAR图像的特点和分形理论相结合,提出了一种新的SAR图像分割方法。该方法首先对原始SAR图像每个像元为中心取两种不同窗口,计算在该两种窗口下基于区域自选的分形维数并求均值,将其作为分形纹理特征。然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波,最后以SAR图像分形纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果分析表明,该方法是一种有效的SAR图像分割方法。