基于不同特征的圖像檢索技術，顏色、紋理、形狀、空間關系等特征提取的基礎上，基于語義的圖像檢索技術
上傳時間： 2013-12-29
上傳用戶：invtnewer
6篇有關語音識別特征參數的科技論文，主要包括MFCC參數LPCC參數以及小波應用于特征提取的研究
上傳時間： 2013-12-11
上傳用戶：zm7516678
外國人寫matlab 的gobor特征運算工具箱，包括一，二維gobor特征提取工具。
上傳時間： 2017-02-24
上傳用戶：xinzhch
利用Tough變換提取并檢測小球邊緣，實現該障礙物的特征提取，為機器人避障提供指導！
上傳時間： 2014-01-10
上傳用戶：aix008
用于圖像識別的新型神經元網絡 提出了一種用于圖像識別的映封正交神經元網絡。 在一般情況下待識別的樣本空間的維數相當大, 為了有效地進行識別,必須把樣本空間的維數降下來。目前常用的方法就是特征提取法,本文采用映射正交過程把樣本空間映射成正交分類空間,并在此基礎上,采用網絡進行圖像分類。計算機上模擬結果表明此網絡縣有時缺損和噪聲圖像進行正確識別的能力
上傳時間： 2013-11-29
上傳用戶：思琦琦
光電探測技術是一種根據目標和背景輻射或者反射的光波在波長和強度之間的差異來進行目標探測的一種技術，它包括從紫外光（02-04um）、可見光（04-0.7um）、紅外光（1~3μm，3~5μm，8~12μm）等多種波段的光信號探測。本文通過對低小慢目標的紅外特性進行分析，提出了一種新的紅外低小慢目標探測算法。低小慢飛行器因為其成本低廉和獲取容易，極易形成黑飛，近年來隨著低小慢目標威脅態勢的增加，國內外關于低小慢目標的管控需求日益增長。但是因為低小慢目標本身種類、制作材料多樣，且很多沒有強熱源，導致其在紅外圖像上與周圍環境成像特征類似，常用的紅外弱小目標探測算法無法充分抑制背景，探測效果較差。當前對于低小慢日標的探測以雷達探測為主，紅外探測算法較少，但國內外很多研究機構都已在陸續開展紅外低小慢目標探測方面的研究。本文主要對以下四點內容進行了研究總結。（1）本文首先以無人機為例對低小慢目標的紅外成像特性進行分析，通過分析低小慢日標與傳統紅外弱小目標在紅外特征差異，總結說明了低小慢目標在紅外圖像上更難與背景區分，同時具有復雜多變的運動軌跡（2）對紅外低小慢目標增強進行了研究，通過對奇異值分解（SVD）后的奇異值矩陣設計非線性變換函數，使重構后圖像中目標所在的高頻部分的對比度得到增強從而使目標和背景之間的區別更加明顯，達到了增強目標的目的。（3）針對 Robinson guard濾波器對極值敏感的問題，對原有的計算方式進行了改進，改進后的 Robinson Guard濾波器可以更有效的區分前景和背景，對于背景的抑制更加充分。（4）在上述研究的基礎上，提出了一種新的紅外低小慢目標探測算法，該算法首先使用本文所用的目標增強方法對目標進行增強，然后使用改進后的 RobinsonGuard濾波器進行背景抑制，最后使用基于局部對比度（LC）的自適應閾值分割方法來提取目標使用真實拍攝的紅外低小慢目標序列圖像對本文方法進行仿真分析，實驗結果表明本文方法具有很好的背景抑制效果，可以有效的實現低小慢目標的探測
標簽： 光電探測
上傳時間： 2022-03-14
上傳用戶：
本次畢業論文的內容主要包括兩個方面：（1)確定基于膚色特征的人臉識別算法流程并實現MATLAB仿真.根據目前已有的人臉識別算法和學過的有關圖像處理知識確定出適合本次論文的最優算法，確定算法時的重點是將膚色判斷作為人臉檢測的預處理，即研究膚色模型的選取和建立、膚色分割的方法以及人臉區域的獲得；再根據面部特征提取出人臉的大致框架，通過人臉面積、高寬比、歐拉數等來判斷每塊區域是否為人臉，最后得到圖片中人臉的比較精確的位置。在確定算法時就應該要綜合考慮各方面的因素，要盡可能的提高人臉識別的時間效率，提高識別率。（2）設計出GUI界面，實現人臉識別功能。MATLAB/GUI自帶了很多工具箱函數，方便快捷。設計好的GUI界面只需通過鼠標等簡潔的方式與計算機交換信息，選擇想要運行的程序，實現快速識別。本次設計的GUT界面有窗口、光標、按鍵、菜單、文字說明等對象（Object)，主要包含讀入圖像，轉換顏色空間，皮膚概率圖像，皮膚二值化和定位五個部分，其中使用了開關按鈕（ToggleButton)、靜態文本框（Static Text)、坐標系（Axes)和面板（Pane1)按鈕，要對其進行合理布局，注意回調函數的嵌入。在設計過程中要熟悉MATLAB編程環境，注意控件的選用和參數設置，會根據設計要求對GUI界面進行布局，注意回調函數的編寫，以達到理想的效果。該系統可以較好的實現單人臉識別，能較準確的對其進行定位。但對于多人組和背景較復雜的圖像，會出現漏檢和錯檢的現象，需要進一步改進。
上傳時間： 2022-07-28
上傳用戶：qdxqdxqdxqdx
本文對家用電器中語音識別技術的DSP實現進行了研究。文章介紹了語音識別技術的基本概念，討論了語音識別系統的組成和實現的技術；詳細分析了構成語音識別系統的四個組成部分，包括語音信號數字化與預處理、語音的端點檢測、特征提取與模式匹配。著重介紹了實現端點檢測的短時平均能量與短時平均過零率分析，語音信號的線性預測分析及在此基礎之上的倒譜特征參數，以及實現模式匹配的常用的矢量量化技術、動態時間規整技術和隱馬爾可夫模型；根據提出的語音識別系統的構成，介紹了在MATLAB6.5上實現了采用動態時間規整算法的識別系統的仿真分析。
上傳時間： 2013-04-24
上傳用戶：zwei41
目前，小波分析在信息技術和其他學科方面的應用是眾多科技工作者關心的課題。在理論方面，新觀點、新方法不斷涌現。本文旨在完善小波的基本理論，對原有的小波去噪方法作進一步的改進。 經典的信號處理方法，例如傅立葉變換、短時傅立葉變換等具有局限性，因而限定了它們的應用范圍。小波分析作為一種全新的信號處理方法，它將信號中各種不同的頻率成分分解到互不重疊的頻帶上，為信號濾波、信噪分離和特征提取提供了有效途徑，特別在信號去噪方面顯出了獨特的優勢。本文介紹了經典的去噪方法，并對其適用范圍和效果進行了分析和比較。并且，討論了小波分析的基本理論，介紹了連續小波變換、離散小波變換和小波變換的快速分解與重構算法，最后研究了小波基的數學特性，分析了它們對實際應用的影響和作用。進而，介紹了小波的幾種去噪方法：小波變換高頻系數置零去噪方法、小波變換模極大值去噪方法、小波閾值去噪方法、小波空域相關性去噪方法。用小波變換將高頻系數強制置零去噪的方法是比較方便的，但它的不足之處是經將高頻系數強制置零去噪后重構的信號會使信號丟失一些細節，且小波基的選擇亦有相當的難度，只有靠經驗來確定，不過比傳統的濾波方法所得的效果還是要好。對于小波變換模極大值去噪的原理，分析了去噪過程中幾個參數的選取問題，并給出了一些選取依據；對小波閾值去噪方法的幾個關鍵問題進行了詳細討論。對閾值去噪進行了改進，利用均值逼近與閾值去噪相結合的方法來實現信號的處理，并通過實驗仿真實現。實驗結果表明該方法提高了信噪比，去噪效果優于單獨應用閾值去噪的方法。 在空域相關去噪算法的基礎上，進行了改進，利用閾值濾波與相關去噪算法相結合的一種組合去噪算法，仿真試驗結果表明，由該算法濾波之后得到的小波系數不僅連續性好，準確率高，而且易于重構信號。 本文分別對這四種方法進行了算法分析比較，通過實驗仿真來實現，并對實驗結果進行了分析。實驗仿真結果表明了利用小波分析理論對信號去噪的可行性和有效性。 關鍵詞：小波分析，信號去噪，閾值，均值逼近，空域相關
上傳時間： 2013-07-19
上傳用戶：啊颯颯大師的
隨著科學技術的發展，指紋識別技術被廣泛應用到各種不同的領域。對于一般的指紋識別系統，其設計要求具有很高的實時性和易用性，因此識別算法應該具有較低的復雜度，較快的運算速度，從而滿足實時性的要求。所以有必要根據不同的識別算法采用不同的實現平臺，使得指紋識別系統具有較高的可靠性、實時性、有效性等性能要求。 SOPC片上可編程系統和嵌入式系統是當前電子設計領域中最熱門的概念。NiosⅡ是Altera．公司開發的一種采用流水線技術、單指令流的RISC嵌入式處理器軟核，可以將它嵌入到FPGA內部，與用戶自定義邏輯組建成一個基于FPGA的片上專用系統。 本文在綜合考慮各種應用情況的基礎上，以網絡技術、數據庫技術、指紋識別技術和嵌入式系統技術為理論基礎，提出了一種有效可行的系統架構方案。對指紋識別技術中各個環節的算法和原理進行了深入研究，合理的改進了部分指紋識別算法；同時為了提高系統的實時性，采用NiosⅡ嵌入式處理器和FPGA硬件模塊實現指紋圖像處理主要算法。論文主要包括以下幾個方面： 1、對指紋圖像預處理、特征提取和特征匹配算法原理進行闡述，同時改進了指紋圖像的細化算法，提高了算法的性能，并設計了一套實用的指紋特征數據結構； 2、針對指紋圖像預處理模塊，包括圖像的歸一化、頻率提取、方向提取以及方向濾波，采用基于FPGA的硬件電路的方式實現。實驗結果表明，在保證系統誤識率較低、可靠性高的基礎上，大大提高了系統的執行速度； 3、改變了傳統的單枚指紋識別方法，提出采用多枚指紋唯一標識身份，大大降低了識別系統的誤識率； 4、改進了傳統的基于三角形匹配中獲取基準點的方法，同時結合可變界限盒思想進行指紋特征匹配。 5、結合COM+技術、數據庫技術和網絡技術，開發了后臺指紋特征匹配服務系統，實現了嵌入式指紋識別系統同數據庫的實時信息交換。 實驗結果表明，本文所提出的系統構架方案有效可行，基于FPGA的自動指紋識別系統在速度、功耗、擴展性等方面具有獨特的優勢，擁有廣闊的發展前景。
上傳時間： 2013-08-04
上傳用戶：laozhanshi111
