基于多特征判别分析的指纹图像分割方法

针对指纹图像的分割问题,提出了一种基于多特征判别分析的自适应分割算法。对于给定的待分割图像,该算法从每个特征在该图像上整体的分布出发,构造出综合考虑各个特征的两类分类能力的分类器,然后利用该分类器对图像中的每个子块做出前景或背景的判断。与已有的基于分类器的分割方法相比,该方法无需从数据库中人工采集样本用以训练分类器,实现了图像级别的自适应分割。算法在FVC2004竞赛的公开数据库上进行了测试,实验结果证明了该分割算法的有效性。

基于桥梁点云特征的精简优化算法

为了平衡桥梁工程中点云数据精简的质量与速度,提高数字信息模型的精度,提出一种面向桥梁特征的点云精简算法。该算法基于主成分分析(principal component analysis,PCA)法对点云坐标系进行自动修正,改进点云特征识别方式,采用层次化精简策略对特征进行分层级保留,最后再将点云数据融合。以精简效率和运行速度作为评价指标,与其他精简算法进行对比分析。结果表明,在较高精简率下,该算法可保留更多的桥梁细节特征,且精简质量更高。

物联网中非结构化信息特征自动提取方法研究

由于物联网中非结构化信息占比较大,且信息增速较快,为解决现有方法无法有效处理海量非结构化信息的特征,存在特征提取结果准确性不高与耗时较长的问题,提出物联网中非结构化信息特征自动提取方法。依据非结构化信息描述概念,构建一个四面体结构,实现对非结构化数据的整体描述。采用小波降噪方法去除非结构化信息中的非正常流信息,保证特征提取的效率。在此基础上,运用多特征判别方法实现对有价值特征与无价值特征的判别,从而实现对非结构化信息特征的自动提取。实验结果表明:所提方法能够实现对非结构化信息特征的高效提取,且提取结果准确性较高,所得结果具有可靠性。