排序方式: 共有92条查询结果,搜索用时 0 毫秒
1.
2.
由于公共场所异常声音的特殊性及背景噪声的复杂性,极点对称模态分解(ESMD)用于异常声音分解时,存在一些理论和技术上的缺陷。经分析认为公共场所异常声音为非线性、非平稳信号,背景噪声服从T分布。为此,提出改进的ESMD用于公共场所异常声音分解,得到有利于识别的特征。所提出方法的特点是将T分布噪声序列添加到具有背景噪声的异常声音信号中,以减小背景噪声对特征提取的影响;将模态分量的排列熵作为判定异常声音与背景噪声的准则,自适应筛选有效的模态分量;用对称中点插值法替代极值中点奇偶插值法,以缓解ESMD插值端点不明确带来的模态失真。在公共场所异常声音数据库上进行了相关实验。实验结果表明,所提出的方法与目前典型的时频信号处理方法相比,在提高公共场所异常声音分类识别率的同时,缩短异常声音的分解时间,是一种有效的公共场所异常声音特征提取方法。 相似文献
4.
5.
在实际匹配人脸合成画像与照片时,待匹配的照片库是非常庞大的,现有的匹配方法都非常耗时。提出一种基于面部组件码(FCC)表的人脸照片库缩减方法。该方法分为2个阶段:在第1阶段,创建一个面部组件码表库。其中,使用梯度位置方向直方图(GLOH)来描述人脸合成画像的不变特征。在第2阶段,构建缩小后的照片库。本阶段使用待匹配的人脸合成画像的6个面部组件码在FCC表库中检索,将符合条件的FCC表对应的照片来构建缩小后的照片库。方法使用人脸合成画像软件(FACES EDU 4.0)在包含1 119张照片的照片库上进行了实验。实验结果表明:该方法将照片库缩减为原库大小的55.85%,保留目标照片的概率为95.16%。 相似文献
6.
7.
8.
9.
高阶混合正则化图像盲复原方法 总被引:1,自引:1,他引:1
提出了一种高阶混合正则化图像盲复原方法,用于实现模糊噪声图像的清晰化盲复原。根据自然图像边缘的稀疏特性,对图像的边缘细节成分进行了全变差(total variation TV)正则化约束,根据自然图像同性质平滑区域内像素值的变化规律,将一种高阶的类Tikhonov正则化约束运用于图像的平滑区域中,提出了一种新的高阶混合正则化模型。最后,提出一种多变量分裂布雷格曼(Multi-variable Split Bregman MSB)最优化迭代策略对提出的模型进行最优化求解。实验结果表明,提出的方法能够很好地保护图像的边缘细节,同时有效地消除图像平滑区域内的阶梯和假边缘瑕疵。与近几年的一些较好的图像盲复原方法相比,本文方法的信噪比增量(increase of the signal to noise ratio ISNR)增加了0.03~2.5 dB。 相似文献
10.