探地雷达回波信号是一种非平稳非线性信号，其中不仅包含地下埋藏物的目标信号，还包含有可能掩藏目标信号的直达波信号，给目标的识别带来困难。文中采用HHT方法对探地雷达回波信号进行特征分析，提取回波信号的IMF分量的瞬时频率作为特征向量。实验结果表明，用HHT方法提取特征可较好的避免直达波影响，该方法是可行而有效的，为进一步鉴别地下埋藏物提供了新的思想和方法。
上传时间： 2013-10-22
上传用户：hjkhjk
为了模拟图像分类任务中待分类目标的可能分布，使特征采样点尽可能集中于目标区域，基于Yang的有偏采样算法提出了一种改进的有偏采样算法。原算法将目标基于区域特征出现的概率和显著图结合起来，计算用于特征采样的概率分布图，使用硬编码方式对区域特征进行编码，导致量化误差较大。改进的算法使用局部约束性编码代替硬编码，并且使用更为精确的后验概率计算方式以及空间金字塔框架，改善了算法性能。在PASCAL VOC 2007和2010两个数据集上进行实验，平均精度比随机选取的特征采样方法能够提高约0.5%，验证了算法的有效性。
上传时间： 2013-10-24
上传用户：wawjj
为了使计算机能更好的识别人脸表情，对基于Gabor小波变换的人脸表情识别方法进行了研究。首先对包含表情区域的静态灰度图像进行预处理，包括对确定的人脸表情区域进行尺寸和灰度归一化，然后利用二维Gabor小波变换提取脸部表情特征，使用快速PCA方法对提取的Gabor小波特征初步降维。再在低维的空间中，利用Fisher准则提取那些有利于分类的特征，最后用SVM分类器进行分类。实验结果表明，上述提出的方法比传统的方法识别速度更快，能达到实时性的要求，并且具有很好的鲁棒性，识别率高。
上传时间： 2013-11-08
上传用户：小眼睛LSL
利用Matlab软件编写了程序提取了的任意大小的字母和汉字的显示特征，给出了对应的图像矩阵，并将读取的二值矩阵转换为单片机能识别的16进制数字代码，通过单片机构建电路实现字母和汉字的显示。提取字母可以改变大小和形状，达到动态显示字母大小和流动变换显示的效果，提高显示设备观赏价值，可以提高人们对重要信息的注意。
上传时间： 2013-11-13
上传用户：lijinchuan
传统多模态生物特征识别方法当出现生物特征缺失时，识别性能会明显下降。针对此问题，提出一种融合人脸、虹膜和掌纹的自适应并行结构多模态生物识别方法。该方法在设计融合策略时，考虑到所有可能的输入缺失，构造并行结构的融合函数集，在实际应用时根据输入状态自适应的选择融合策略进行识别。实验仿真结果表明该方法既可提高识别可靠性又可实现当有生物特征缺失时的性能稳定。
上传时间： 2013-11-02
上传用户：huangld
提出了一个自适应量子粒子群优化算法，用于训练RBF网络的基函数中心和宽度，并结合最小二乘法计算网络权值，对RBF网络的泛化能力进行改进并用于特征选择。实验结果表明，采用自适应量子粒子群优化算法获得的RBF网络模型不但具有很强的泛化能力，而且具有良好的稳定性，能够选择出较优秀的特征子集。
上传时间： 2013-11-16
上传用户：erkuizhang
针对传感器网络下多目标跟踪时目标数量不断变化这一复杂情况，文中对多目标的跟踪和特征管理方法进行了研究。该方法由数据关联、多目标跟踪、特征管理，和信息融合所组成。其中未知数量多目标的跟踪和数据关联通过马尔科夫蒙特卡罗数据关联实现。通过信息融合来整合本地信息，获取所有相邻传感器的本地一致性，最终实现特征管理。试验证明，本方法能够在分布式的传感器网络环境下对多目标进行准确有效地跟踪和特征管理。
上传时间： 2013-11-18
上传用户：wangdean1101
机场道面异物是威胁跑道运行安全的常见病害，及时、准确的检测异物具有现实意义。针对现有的人工目视检测方法，本文基于图像处理理论，提出了一种机场道面异物的自动检测算法。根据机场道面的复杂背景和常见异物的特点，本文采取了分块的方法，选择Harris角点、灰度共生矩阵、灰度级分布范围等特征，分别用阈值法和SVM法对实际机场道面异物图像进行检测。初步实验证明，该方法可以有效检测出机场道面复杂背景下的异物，实验结果显示，检测正确率达到了98%。
上传时间： 2013-11-26
上传用户：2404
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。
上传时间： 2013-12-14
上传用户：alex wang
头肩的定位检测采用了Haar特征和HOG特征的层级分类方法，并根据头肩的对称性特点，提出了一种称为Joint HOG的组合型特征。通过Haar分类器滤除大部分负样本后，接着用HOG进行精细的验证从而得到头肩目标框。实验表明，本文的方法取得了80%~90%的准确率，并且完全可以用于实时处理。
上传时间： 2013-11-13
上传用户：weareno2
