基于声音频谱特征的两层分类方法

提出一种通过分析声音的彩色时频谱图像以完成声音识别与分类的方法。首先采用逐步聚类算法完成对声音信号的第一层聚类;然后通过HSV色图映射将每一聚类声音的时频特征矩阵映射为彩色图像;最后提取相应的时频谱图像颜色矩特征,并给予不同权重值,进而对每一聚类单独使用SVM分类器,完成第二层分类。实验结果表明,在噪声环境下,此分类方法具有良好的抗噪性能与分类效果。

奇异值分解与傅里叶变换相结合的模糊图像分类方法

提出了一种基于图像奇异值分解与傅里叶变换相结合的自动区分运动模糊与离焦模糊图像的方法。首先,剔除图像前几个奇异值加权的映射基进行傅里叶变换。其次,以频谱中心为中点取频谱图中合适大小的特征区域,用合适的阈值对该区域二值化。然后,对二值化后的图像进行闭操作与孔洞填充等形态学操作,提取特征连通域。最后,获取特征连通区域的长宽比,在划定阈值后,以长宽比的大小来区分图像的模糊类型。结果表明,该方法具有很好的适用性与模糊识别准确率。