模式识别协同算法的平移不变性

在模式识别的协同学理论框架下，引入了和坐标空间相关的模式矢量及其关于坐标的Ｆｏｕｒｉｅｒ变换，从而解决了平移不变性的问题。文中以染色体识别为例作了验证。     

基于边缘的图象配准改进算法

现有的图象配准方法对旋转处理比较困难,且处理效率不高。本文提出一种基于边缘的图象配准改进算法,该算法首先用小波的快速方法提取边缘特征点,通过线拟合模型消除噪声;然后得出特征点的边缘方向,定义“角度直方图”来估计两幅待配准图象间的旋转角,应用线性加权方法消除奇异点,最后得到图象间的精确变换关系。     

改进的EZW算法在红外人脸图象压缩中的应用

在嵌入式零树小波(EZW)算法基础上提出了一种改进算法,引入提升方案和整数变换以降低复杂度,在编码前对系数按重要性进行排序并定义新的阈值以提高算法性能.实验结果表明,用该算法可以对红外人脸图象进行高效压缩.     

一种协同模式识别不变性算法

提出一种协同模式识别的不变性算法.利用协同模式识别的有势动力学理论,求取测试样本的仿射变换参数.通过原型模式对测试样本的自适应或原型模式对测试样本的同化,由序参量动力学演化过程得到正确的识别模式.此算法避免利用傅立叶等方法进行变换域的处理,而且更符合人的认知过程.仿真实验验证了算法的有效性和鲁棒性.     

一种改进的基于小波零树的图象编码算法

针对极低码率下图象的压缩编码问题,在小波零树编码方法的基础上提出了一种新的低码率图象压缩算法,该方法对处于水平和垂直两个方向的高频子带系数采用变换的方法进行了系数重排,以产生新的树结构,这样使得位于这两个方向的高频子带内的重要纱数集中于各个相应子带的低频位置,且所生成树的能量集中性较好,故可以有效地提高编码效率,并能提高对重要系数的传输效率,经过实验证明,使用此方法得到的重构图像其主观视觉效果良好,而且与Shapiro提出的嵌入式零树小波（EZW）算法相比,重构图象的峰值信噪比（PSNR）值在梓同码率的情况下有了较大的提高。     

基于小波概率神经网络的直方图模式识别

针对直方图各种模式的特点,提出了一种基于小波变换与概率神经网络结合的方式,用于直方图的模式识别。模拟仿真结果表明该模型识别精度高,收敛速度快,能满足直方图模式识别的需要。     

一种基于小波与形态学的车牌图象分割方法

针对汽车车牌与车身背景的分割问题,给出了一种基于小波分析和数学形态学的图象分割方法。该方法是通过小波多尺度分解提取出纺理清晰,具有不同空间分辨率、不同方向的边缘子图象。其水平方向低频、垂直方向高频的这一细节分量,主要代表车牌的目标区域。然后,用数学形态学方法对小波分解后的细节图象进行一系列的形态运算,进一步消除无用信息和噪声,以找准车牌位置。用该方法对在不同照明条件下所采集到的一系列车头、车尾图象     

基于二进小波变换和仿生模式识别的人脸识别

针对人脸图像易受光线和表情影响的特点,提出了一种基于二进小波变换和仿生模式识别的人脸识别方法。应用样条二进小波对人脸图像进行处理,对得到的细节子图进行融合。在FFT和PCA处理与降维后,用仿生模式识别进行学习和识别。实验结果表明,该方法比传统方法具有更高的识别率。     

基于正交小波变换的图象去噪算法的改进

本文在BayesShrink阈值的基础上,提出了一种计算更有效的自适应的阈值估计,并针对传统的软、硬阈值函数在去噪中的不足,提出一种新的去噪阈值函数,最后将所提出的图象去噪方法与传统方法进行了实验比较,实验结果表明该方法在图象去噪中取得较好的效果,有效地提高了信号去噪所得信噪比增益。     

改进CLIMB聚类算法在图象数据库中的应用研究

CLIMB聚类算法是基于子空间的算法,基本思想是对每个样本在坐标维上投影,得到样本分布曲线。通过爬山法,找出波谷和波峰,每个山峰对应一个类。对于高维数据,由低维向高维逐步聚类,形成了对原样本集的自顶向下的层次分类。利用小波变换可以对样本分布曲线进行光滑化处理而得到近似分布曲线,该曲线平滑了样本分布曲线上一些变化较大的区域,可以去除噪声干扰。不同尺度下的近似信息去掉了不同程度的细节信息,从而得到不同的样本分类的粗糙度。实验表明,应用该改进后的CLIMB聚类算法对图象特征空间进行聚类可以起到很好的作用。     

基于Contourlet变换和仿生模式识别的纹理图像识别方法

纹理图像的分类是目前一个非常活跃的研究课题。针对现有纹理图像分类算法的局限性,本文提出了一种基于Contourlet变换和仿生模式识别方法的纹理图像识别算法。首先应用Contourlet变换获得能量特征的方法提取能量特征,进而利用仿生模式识别算法实现对纹理图像的识别。采用Vistex纹理库数据进行仿真实验,结果表明:与传统的分类方法相比,利用Contourlet变换和仿生模式识别结合进行纹理图像的识别能获得更高的正确率和速度,最佳正确率可达100%。     

一种基于小波变换的V型坡口焊缝识别算法

小波变换分析方法是现代迅速发展起来的一门新兴学科,在图像处理方面得到很好的应用。利用小波变换检测信号边缘的优势,对V型焊接激光图像的边缘检测技术进行了系统的研究,对V型坡口焊接激光图像的焊缝识别方法进行了系统的研究,给出了基于小波变换的焊缝识别算法,同时进行了大量的实验研究,提出了一种基于小波变换的V型坡口激光图像光纹提取以及计算焊接纠偏量的方法。     

一种新的冷轧带钢表面缺陷图像模式识别方法

针对传统的方法在冷轧带钢表面缺陷图像模式识别中存在的问题,提出了基于小波变换和遗传算法的模式识别方法。结合国内实例,对四种典型冷轧带钢表面缺陷图像进行了实验研究,实验结果表明,该识别方法能够对冷轧带钢表面缺陷图像进行有效识别。另外,还对识别率与训练样本数量的关系进行了研究。     

Adaptive Pattern Recognition

A long term goal of research in artificial intelligence is todetermine and to implement principles which permit a movable machine to direct its actions depending uponsensory feed-back from its environment. This paper concentrates onspatial sensors which input images (2-dimensional arrays). A proposal is put forward in which the machine adaptsto the actual data, and examplesare given of input prediction, of detection of unexpected events, andof recognition of spatial patterns.The image sequence is locally partitioned into temporally contiguous subsequences of afixed spatial extent. The spatial extent is constant over time and the temporal extent of a subsequence is maximizedsubject to the condition that the subsequence has occurred previously. The principle is illustrated on image sequences. It is further demonstrated on images which are structured as pseudo-temporal sequences of their rows. The demonstrations use diverse complex and simple examples to illustrate theversatility of the method. The demonstrations show that to a large degree it is not necessary for the user to supply explicit models for different patternrecognition tasks.     

一种用于大规模模式识别问题的神经网络算法

许多实际的模式识别问题如对手写体汉字的识别,都属于大规模的模式识别问题.目前,传统的神经网络算法对这类问题尚无有效的解决办法.在球邻域模型的基础上提出一种可用于大规模模式识别问题的神经网络训练算法,试图加强神经网络解决大规模问题的能力,并用手写体汉字识别问题检验其效果.实验结果揭示了所提算法是解决大规模模式识别问题的一个有效且具有良好前景的方法.     

基于提升算法的图像小波特征提取分析

讨论小波变换以及提升小波变换的基本原理和变换过程。利用2种变换分别实现了对同一图像库的特征提取,并利用支持向量机（SYM）进行分类。结果表明,与传统的小波变换相比,提升小波变换对于图像特征的提取同样是有效的,另外由于其独特的变换构造,使得计算量大大降低,计算时间显著减少,具有很大的实用价值。     

用于模式识别的ART-2神经网络算法的改进

针对模式识别中模式有序输出的要求,对ＡＲＴ－２神经网络的算法进行了改进和调整,提出了ＡＲＴ－２神经网络的改进算法,通过对改进算法与原算法的识别试验结果进行比较,表明该改进算法对模式的有序输出是可行的和有效的。     

基于图像处理和模式识别的网络图像监控系统

随着科学技术和生活水平不断的提高,人们的财产和人身安全问题已经不仅仅来自于传统的经验,而是逐渐的转变到虚拟的网络当中;为此,提高人们的隐私安全和财产安全需要加强网络监控,其中图像监控是较为主要的方面;加强图像监控的可靠性和实时性,是实现社会稳步发展和人民网络隐私安全的首要目标;应用计算机网络技术和现代化通讯技术相结合,综合图像处理技术和模式识别技术的应用,设计应用于网络图像监控系统是当前社会发展的安全技术保障之一;文章通过对图像监控进行简析,阐述图像处理技术和模式识别技术的相关方面,探讨研究网络图像监控中图像识别和处理方面的技术;通过对图像处理中的色彩均化和模糊识别实验,得出其对于网络中传播的图片辨识度和提取信息能力具有很高的发展。     

Range Image Segmentation through Pattern Analysis of the Multiscale Wavelet Transform

This work presents an image segmentation method for range data that uses multiscale wavelet analysis in combination with statistical pattern recognition. A feature-detection framework based on multiscale analysis and pattern recognition has several potential advantages over other feature detection systems. These advantages are detection of features at different scales (i.e., features of all sizes), robustness, and few or no free parameters. Our system creates a fuzzy edge map and derives a segmentation from this edge detection. A scale-space signature is the vector of measurements at different scales taken at a single point in an image. We analyze these 1-D signatures with traditional pattern-recognition methods. We train a pattern-recognition system with scale-space signatures from the edge points of a training image. Once trained, the system determines the degree ofedgenessof points in a new image. The goal is to create a system that exploits the advantages of a multiscale, pattern-recognition framework.     

An Approach to Solving Multidimensional Problems of Training in Pattern Recognition

A possible approach is proposed to the solution of multidimentional problems of training in pattern recognition. The approach lies in reducing a multidimentional problem to a one-dimentional one.