针对人脸识别中的特征提取问题，提出一种新的基于Gabor的特征提取算法，利用Gabor小波变换良好的提取区分能力和LDA所具有的判别性优势来进行特征提取。首先利用Gabor小波变换来提取人脸特征。然后对得到的高维特征采用PCA进行初次降维，再利用LDA实现再次降维，得到最终的特征向量。在ORL和YALE人脸库上的实验验证了该算法的有效性。
标签： Gabor 特征提取 人脸识别 中的应用
上传时间： 2013-12-14
上传用户：alex wang
检测运动物体需要无运动物体的背景图像，所以，首先应用多帧像素平均值法提取了运动视频序列的背景图，从背景图像中分离目标像素，获取目标的质心坐标，并应用质心跟踪法以灰色图像序列为基础，对运动的目标进行实时检测和跟踪。质心跟踪法的目标位置通过质点的中心来确定，该算法计算简单，计算量小，其稳定性与精度主要取决于序列图像的分割及其阀值的确定情况。文中给出了用Opencv实现算法的具体过程和关键代码，并且设计了跟踪运动车辆的控制界面，方便了实时监控。实验结果表明，该方法可以实现视频序列中运动目标的识别，具有实时性、并能给出较好的识别效果。
标签： Opencv 运动目标 检测
上传时间： 2013-11-12
上传用户：虫虫虫虫虫虫
文中在研究现有先验知识与支持向量机融合的基础上，针对置信度函数凭经验给出的不足，提出了一种确定置信度函数方法，更好地进行分类。该方法是建立在模糊系统理论的基础上：将样本的紧密度信息作为先验知识应用于支持向量机的构造中，在确定样本的置信度时，不仅考虑了样本到所在类中心之间的距离，还考虑样本与类中其它样本之间的关系，通过模糊连接度将支持向量与含噪声样本进行区分。文中将基于先验知识的支持向量机应用于医学图像分割，以加拿大麦吉尔大学的brainWeb模拟脑部数据库提供的不同噪声的图像进行实验，实验结果表明采用基于先验知识的支持向量机比传统支持向量机具有更好的抗噪性能及分类能力。
标签： 支持向量机 图像分割 中的应用
上传时间： 2013-10-12
上传用户：cmc_68289287
研究了超声导波进行长距离在役管道检测技术, 并利用人工神经网络进行管道缺陷的智能识别, 通过超声导波设备进行了管道缺陷检测实验, 从原始检测数据的信号处理结果中提取出了样本特征值, 并建立和训练了一种用于实现管道缺陷识别的BP神经网络。
标签： 神经网络 超声导波 缺陷识别
上传时间： 2014-01-24
上传用户：梧桐
使用第二代身份证照片作为训练样本进行人脸识别属于典型的单样本问题，由于没有充分数量的训练样本，会造成常规的人脸识别算法识别率低下，甚至无效的问题。为此采用虚拟样本生成方法，并针对遇到姿态变化较复杂的人脸时，识别率不高的问题，提出了一种新的多姿态的虚拟样本生成方法，通过模拟人脸侧向旋转、俯仰和立体旋转等增加有效的训练样本，再使用鲁棒性较好的HMM进行人脸识别。在自建的身份证人脸库上进行测试，实验结果显示，该方法在一定程度上减弱了人脸姿态的变化对识别率的影响，并取得了较好的识别效果。
标签： 人脸识别 多姿态 虚拟样本
上传时间： 2013-10-17
上传用户：hanwu
探讨了radon变换在低信噪比图像特征检测的适用性!分析了radon变换变换的优势与不足!并从信息融合的角度出发!提出了radon变换补充的应用策略!对低信噪比的机场跑道图像进行了验证!显示出较好的检测效果.
标签： radon 变换 低信噪比 图像
上传时间： 2015-01-03
上传用户：herog3
提出了一种在RGB颜色空间中颜色距离定义的方式，并根据颜色距离，用Roberts梯度算子得到颜色距离直方图，确定图像边缘信息的阈值。通过Roberts算子，使用此阈值得到图像的边缘信息。这种方式，充分考虑了图像中的颜色信息，与灰度图的处理方式相比，减少了计算量，提高了具有相似亮度的不同颜色之间边缘信息的提取成功率。
标签： 颜色信息 图像分割
上传时间： 2013-11-19
上传用户：懒龙1988
借助数码相机摄像原理，融合高速单片机技术、FPGA技术、高速CMOS图像传感器技术、点阵图形液晶技术和高速网络传输技术等，研制了一种智能化、网络化、小型化的图像监测系统。实践表明，这种系统可以缩短开发周期，灵活性好、柔性强；由于通过以太网控制器实现图像的数据传输，使系统数据传输速度和稳定性大大提高；而软件设计的模块化结构又使系统的通用性和可移植性增强，有利于系统的功能扩展。
标签： 智能网络 图像监测
上传时间： 2014-01-10
上传用户：ljt101007
色环电阻大小的识别和误差的判断方法
标签： 色环电阻 识别 误差
上传时间： 2013-12-20
上传用户：evil
常用三极管的识别
标签： 9014 9013 8050 三极管
上传时间： 2013-11-05
上传用户：cccole0605
