LST变换和手部几何特征融合的模糊掌纹识别

为了解决非接触采集时的离焦状况容易导致掌纹图像出现模糊现象,从而造成识别系统的性能降低的问题,在建立模糊模型并分析模糊现象机理的基础上,提出了一种新的解决方案。使用拉普拉斯平滑变换(laplacian smoothing transform,LST)提取模糊掌纹的低频系数作为稳定特征,提取手部几何特征即手指相对长度和宽度作为特征向量,将LST特征和几何特征进行融合,最后利用特征向量之间的欧式距离进行匹配和分类。在自建的SUT-D模糊掌纹图库上的测试结果表明该算法等误率可达7.01%,与融合之前及其他典型识别方法相比,等误率最高可降低13.11%,显示出该算法具备有效性,为解决模糊掌纹的识别问题提供了一条可行途径。

离焦状态下的模糊掌纹识别

针对掌纹识别时非接触信号采集可能出现的离焦状态会导致掌纹模糊,从而降低识别系统性能的问题,提出了一种基于稳定特征的模糊掌纹识别方法。建立了掌纹的离焦退化数学模型;在分析模糊机理的基础上,使用拉普拉斯平滑变换提取模糊掌纹的低频系数作为稳定特征,利用特征向量之间的欧式距离进行匹配和判别。文中给出了算法的步骤,并通过实验确定了需要选取的低频系数的个数。在建立的SUT-D模糊掌纹库上进行了识别测试,结果表明本文算法的等误率可达17.101 7%,与传统的DCT变换及Eigen Palm,Palm Code等8种典型识别方法比较,等误率最高可降低7.908 4%。这些结果显示本文方法不但能够提升识别效果,而且特征维数较低,改善了模糊掌纹识别系统的性能。

用带形状校正的腐蚀膨胀实现Euclidean距离变换

提出一种用带形状校正的腐蚀膨胀实现的Euclidean距离变换新算法。该方法的特点是采用新的数据结构——线段表来表示区域与边界。对于用线段表表示的区域作腐蚀膨胀比用卷积型腐蚀膨胀算法效率提高数十倍。通过总结腐蚀膨胀造成失真的规律,设计出形状校正的方法来消除所造成的误差。与传统基于局部距离累加的Cham fer算法相比较,该方法在保真度与处理效率两方面都有提高。新的距离变换算法也可用于数字图像的合成,优点是生成羽化蒙板时形状保真度高并且运行速度快。特别适用于任意形状区域可选宽度边界条带上的羽化处理。

基于小波变换与神经网络的石羊河流域夏季地温预测模型研究

地温变化在气候反馈效应中起着重要作用,理解地温及其与影响因素之间的时空关系对预测全球温度变化至关重要。利用1998-2017年石羊河流域的逐日常规气象观测资料,采用小波分析结合BP(Back Propagation)神经网络构建了石羊河流域夏季地温预报模型,结果表明:日平均地温预测效果在不同站点均为最佳,其中预测值和观测值的相关系数均大于0.87,3℃以内的预测概率均大于84%。其中,民勤地区地温预测效果最好,预测值和观测值的相关系数达到0.91,3℃以内的预测概率达到86%。日最高地温的预测值与观测值的相关系数高于0.8,但误差平方和、标准差较大。永昌地区日最高地温的模拟效果最好,3℃以内的预测概率达到83%。日最低地温的预测与观测值的平均相关系数高于0.66,3℃以内的预报概率高于83%,但预测值略低。其中,武威地区日最低地温的预测效果最好,预测值与观测值的相关系数为0.72,3℃以内的预测概率达到94%。研究成果可为有效弥补干旱、半干旱区地温观测资料缺失和探讨其与局地气候的关系提供一些参考。

MArP风险过程破产时间的改进算法

文章分析索赔服从PH分布下的MArP风险过程,提出这一风险过程破产时间的改进算法.即,将MArP风险过程转化为Markov流体队列（MFQ）,基于Erlang分布,构造初始水平为0的MFQ序列,应用MFQ理论,得到了MArP风险过程破产时间的LST的趋近表示式,进而给出最终破产概率以及破产赤字分布的改进算法。

阈值分红策略下具有PH索赔分布的风险过程的破产时间分析

本文分析阈值分红策略下具有PH索赔分布的风险过程,并给出计算这一风险模型的新破产时间的方法.将阈值分红策略下的风险过程转化为有限容量的Markov流体队列(FMFQ)模型,在FMFQ模型中,引入一个新的连续积累过程用以刻画FMFQ中系统在特定状态中的停留时间,从而得到风险过程的破产时间.应用FMFQ理论及转换关系,得到阈值分红策略下具有PH索赔分布的风险过程破产时间的Laplace-Stieltjes变换(LST)表示式,并给出风险过程的最终破产概率的解析表示式.

基于DCT-PLS算法的MODIS LST缺值填补方法研究

受云层、传感器误差等因素影响,中分辨率成像光谱仪(MODIS)获取的地表温度产品(LST)在时间和空间上存在大量缺失数据,严重影响了基于时间序列数据的分析与应用。本文引进一种基于离散余弦变换与惩罚最小二乘的多维数据快速平滑方法(DCT-PLS),利用数据集自身的时间和空间信息填补缺值。本文在粤港澳大湾区开展实证研究,将DCT-PLS算法用于填补该地区2001年1月—2017年12月的月值MODIS LST数据缺值,并引入人工模拟缺值对算法进行误差分析与精度验证。算法误差分析结果表明,填补误差主要来源于三维算法对数据集中有偏LST时间信息的使用,并因此产生显著高估或低估的填补结果。基于此,本文提出了利用MODIS LST数据集自身时间序列信息自动计算获取有效辅助LST信息的优化策略,从而实现填补算法计算效率和精度的提升:平均计算时间从12.0 s提高至1.7 s,平均R从0.94提高至0.97,平均RMSE从1.94 K提高至0.74 K(相较于三维算法)。在大湾区的填补结果表明(日间结果:R=0.98、RMSE=0.79 K;夜间结果:R=0.99、RMSE=0.56 K),优化后的DCT-PLS算法可以快速鲁棒地填补MODIS LST月值数据产品中的缺值,并且具有稳定性强、不依赖外部数据集的计算特性,能够适应长时间序列MODIS LST缺值填补。

Laplace平滑变换及其在人脸识别中的应用

本文主要研究如何从最优化的角度出发,从图像中提取低频特征.首先,基于图像的局部梯度定义了一种图像频率,并基于这种定义,诱导出Laplace平滑变换(LST),将二维图像映射到一维的向量.然后,将LST与学习算法相结合,提出二步子空间学习算法.所提的基于LST的二步子空间方法,对于光照、表情、姿势具有鲁棒性.实验表明,在ORL,Yale和FERET人脸数据库上,基于LST的人脸识别算法,相对DCT,DWT和PCA等预处理算法,具有更小的识别误差.