基于GA-BP神经网络的脱机手写藏文识别方法

通过对当前流行的各种识别技术进行分析比较,在对藏文手写体特征展开深入研究的基础上,考虑到将来的研究趋势及可扩展性,提出了一套基于手写藏文识别的技术方法,即基于GA-BP神经网络的藏文识别方案,并着重对手写藏文识别中的特征提取和分类器设计进行了分析,提出了藏文识别领域今后的发展方向。     

基于小波变换的数字调制信号的特征提取

主要研究基于小波变换的数字调制信号的特征提取.和傅里叶变换不一样,小波变换是一个很好的时频分析工具.在实际中数字调制信号常常带有噪声(如白噪声等).首先对ASK、PSK、FSK信号进行小波分析,并对其特征进行提取(幅度、频率和相位等),其次对染噪的数字调制信号进行去噪处理,然后再进行小波分析比较.     

基于小波变换的心电信号特征提取

心电信号中的QRS波群及T波包含心脏活动的重要信息,对心脏疾病的预防和治疗具有重要意义.为正确高效地提取出心电信号中的这些特征点,提出一种基于小波变换的QRST波检测方法.采用Coiflet4小波基对心电信号进行8层分解,用软阈值法去除心电信号中的噪声,采用改进的自适应差分阈值法对心电信号中的特征点进行检测.研究表明,...     

基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了利用小波变换和径向基神经网络进行签名图像分类识别的有效性,且成功识别率100%.     

时间序列的多尺度小波变换特征提取

本文基于小波变换,提出了一种提取时间序列特征的方法,用小波变换的低频逼近信号表示原时间序列。与傅里叶变换降维比较,该方法更能体现原时间序列的细部特征。     

基于IHS变换和形态小波变换的遥感图像融合

针对多光谱图像与全色图像的融合,本文提出了一种基于IHS变换和形态小波变换的遥感图像融合方法。新方法首先对多光谱图像作IHS变换,得到亮度I,色度H,饱和度S三个分量;其次,利用形态小波变换融合方法融合多光谱图像的亮度分量与全色图像,并用融合后的图像代替多光谱图像的亮度分量;最后,作IHS反变换得到新的多光谱图像。主观视觉效果分析和客观统计参数分析评价分析表明,新方法的性能优于IHS变换融合、小波变换融合方法,不仅较大地增强了融合图像的空间细节表现能力,而且很好地保留了多光谱图像的光谱信息。     

基于小波变换与Boosting的人脸识别方法

文章首先对人脸图像做三层小波变换,分析了小波分解后的各个小波子带图像,研究了每一个小波子带单独运用主成份分析方法进行人脸识别的识别率,然后利用Boosting算法中的投票组合原则,组合各小波子带来进行人脸识别,与传统的主成份分析方法相比,具有更高的识别率.     

基于多小波变换的数字水印嵌入方法

提出了一种基于多小波变换的数字水印算法,将二值水印嵌入到宿主图像的多小波变换域中。首先将对应于相同位置的多小波系数形成向量序列,然后采用均值量化方法嵌入数字水印。实验结果表明,该水印算法在多种攻击下都具有较好的鲁棒性。     

基于小波变换的图像渐进传输方法

根据图像小波变换的系数特征,给出一种基于小波变换的图像渐进传输方法,使图像的传输效率大大提高。     

基于小波变换的信号降噪

介绍了应用一维小波变换对电信号进行降噪的方法,并利用Matlab编程仿真给出仿真结果.     

Wavelet packet feature selection for lung sounds based on optimization

In this paper, a wavelet packet feature selection method for lung sounds based on optimization is proposed to obtain the best feature set which maximizes the differences between normal lung sounds and abnormal lung sounds (sounds with wheezes or rales). The proposed method includes two main steps: Firstly, the wavelet packet transform (WPT) is used to extract the original features of lung sounds; then the genetic algorithm (GA) is used to select the best feature set. The obtained optimal feature set is sent to four different classifiers to evaluate the performance of the proposed method. Experimental results show that the feature set obtained by the proposed method provides a higher classification accuracy of 94.6% in comparison with the best wavelet packet basis approach and multi-scale principal component analysis (PCA) approach. Meanwhile, the proposed method has effective generalization performance and can obtain the best feature set without priori knowledge of lung sounds.     

一种基于梯度方向信息的虹膜定位方法

根据虹膜的环状结构特性以及眼部图像的灰度分布特点,提出了基于梯度方向信息的虹膜定位方法.实验证明,该算法能提高虹膜定位的速度和精度.     

一种基于凹凸特性的脱机英文字母识别方法

提出了一种基于整体（凹凸）特性的脱机大写体英文字母识别方法。首先计算字母图像的赋值背景,再从中提取凹凸特性,然后根据凹凸特性构建分类表进行分类识别。     

基于Contourlet变换和PCA的人脸识别算法

为了减少光照、姿态变化对人脸识别的影响,提出一种基于Contourlet变换和PCA的人脸识别方法：首先利用Contourlet变换对人脸图像进行多尺度多方向分析,得到低频子带图像和高频子带图像,然后对分解后的低频子带和高频图像进行PC A分析,最后将提取出的低频特征以及高频统计特征组合成特征向量进行人脸识别。在orl人脸数据库和Yale人脸数据库上的实验结果证明：与PCA方法相比,该方法能够有效减少光照、姿态变化影响,提升人脸识别率。     

Motion classification of EMG signals based on wavelet packet transform and LS-SVMs ensemble

This paper presents an effective method for motion classification using the surface electromyographic (sEMG) signal collected from the forearm. Given the nonlinear and time-varying nature of EMG signal, the wavelet packet transform (WPT) is introduced to extract time-frequency joint information. Then the multi-class classifier based on the least squares support vector machine (LS-SVM) is constructed and verified in the various motion classification tasks. The results of contrastive experiments show that different motions can be identified with high accuracy by the presented method. Furthermore, compared with other classifiers with different features, the performance indicates the potential of the SVM techniques combined with WPT in motion classification.     

一种应用于大型综合实验的运动目标识别与跟踪方法

介绍了一种基于NM I特征的目标识别与跟踪算法,与基于图像灰度的跟踪算法相比,该算法利用运动目标的NM I特征值,避免了背景亮度变化对目标识别和跟踪的干扰,具有实时性好、抗干扰性强的特点,适用于复杂背景下的运动目标检测和跟踪。     

一种基于互信息和梯度信息的医学图像配准算法

由于互信息不需要对图像进行预处理，因此被广泛地应用于医学图像配准中．但是，配准过程中的局部极大值难以克服．本引进了梯度信息，用于解决局部极值问题．并将这种方法应用到人体的非刚性形变的医学图像配准中．同时，给出了一些用于改进精度的方法，如：Powell搜索算法、灰度插值和出界点问题，提高了匹配精度．采用此方法对脑部和肺部的多模图像进行配准，实验结果表明该方法对非刚体医学图像的配准有很大的可行性．