一种基于多通道Gabor小波与2DFLD的人脸识别方法

为了降低人脸图像的Gabor特征的维数,提高计算效率,提出了一种多通道Gabor小波与二维Fisher线性判别(Two-dimensional Fisher linear discriminant,2DFLD)相结合的人脸识别方法.在每个通道用2DFLD进行特征提取和分类,然后进行决策融合以便决定测试人脸的类别.在CAS-PEAL-R1与ORL人脸数据库上的试验结果表明,所提出的方法具有较好的识别性能,尤其在CAS-PEAL-R1人脸数据库的表情子库上,所提出的方法的最佳识别率能达到99%以上.

一种改进的多通道Gabor滤波器布匹瑕疵检测方法

Gabor变换是一种重要的时频分析方法,有很强的纹理分析能力。采用基于多通道Gabor滤波的瑕疵检测算法,通过分析各个尺度的融合信息,提出一种新的多通道融合算法。使用自动阈值迭代算法对融合结果进行二值化处理,得到最终的检测结果。选取4种具有代表性的布匹瑕疵图片进行验证,实验结果表明,该算法不仅能从多通道滤波图像中选择与主观视觉相吻合的通道,而且降低了计算复杂度。

基于多通道Gabor滤波器的高鲁棒灰度图像目标识别新方法

提出了一种针对低质量的灰度图像的基于多通道Gabor小波滤波器的高鲁棒目标识别新方法。主要是利用Gabor小波设计了滤波器,滤波器的中心频率是一个从低到高的范围。滤波器采用不同方向、不同尺度,从而组成多通道滤波器。对灰度图像直接进行小波变换,用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的灰度图像目标的特征,并对获得的小波特征归一化后输入到改进的BP神经网络分类器中进行分类识别。对四种不同的飞机灰度图像目标进行了分类识别仿真实验。结果表明,这种特征提取方法能有效地提取灰度图像目标纹理特征,并且对噪音和形状的变化具有强鲁棒性。在应用灰度图像对目标进行识别时,神经网络的训练时间减少到10min,识别率达到94%。

基于Gabor多通道滤波和Hopfield神经网络的纹理图象分割

文章针对纹理图象的特点，提出了一种基于Gabor多通道滤波和Hopfield神经网络的纹理图象的分割算法。首先构造一组Gabor滤波器（2－D）提取纹理图象多分辨率和多方向性的空域和频域特征。为了使纹理特征更加明显，在此基础上对滤波图象进行非线性变换，最后利用Hopfield神经网络通过松弛迭代算法实现纹理图象的快速分割，取得了良好的分割效果。

基于多通道Gabor滤波与CS-LBP的人脸识别方法

近来,局部二值模式(Local Binary Pattern,LBP)在人脸识别中取得了成功应用。然而,LBP提取的特征维数通常很高。而中心对称局部二值模式(Center-Symmetric Local Binary Pattern,CS-LBP)采用中心对称思想对图像进行编码,能够显著降低提取的特征的维数。为此,将CS-LBP应用于人脸图像特征提取,并结合多通道Gabor滤波,提出了基于多通道Gabor滤波与CS-LBP的人脸识别算法。在Yale,ORL,FETER标准人脸库上的实验结果表明,相比局部二值模式,CS-LBP以提取更少的特征维数取得了相当的识别率,并且,基于多通道Gabor滤波的CS-LBP能显著提高识别精度。

基于多通道Gabor滤波的指纹图像二值化方法

为解决传统的直接利用图像全局或局部灰度特性的指纹图像二值化方法的不足,提出一种多通道Gabor滤波的指纹图像二值化方法。首先构造多通道Gabor滤波器组对规格化后的指纹图像提取不同方向纹线对应的主要频率成分。将获得的多通道的滤波响应图线性叠加形成单幅Gabor滤波叠加响应图。然后对其再次采用以上滤波器组滤波,分别求取各位置的最大Gabor响应构成最终的指纹滤波能量响应图。最后分块并求取块内阈值实现二值化。实验结果表明,该方法较基于灰度特性的方法鲁棒性更好,特别对存在粘连、噪声和断纹、孔洞等现象的指纹图像有较好的处理效果。

基于多通道Gabor滤波和2DPCA的虹膜识别算法

为提高虹膜识别系统的识别率和识别时效性,设计了基于多通道Gabor滤波和二维主分量分析(2DPCA)的虹膜识别算法。利用多通道Gabor滤波器对采集的虹膜进行特征提取。由于得到的特征向量矩阵的维数通常较大,会影响特征匹配和虹膜识别的运算速度,因而需要对特征矩阵进行降维处理。2DPCA算法能有效地克服传统虹膜识别系统中的"维数危机"问题,在保留虹膜特征主分量的基础上,降低虹膜匹配运算量,提高虹膜系统的识别效率。虹膜识别采用差异度匹配法,通过阈值比较得到识别结果,对容量不等的各类虹膜图库均具有良好的适应性。实验中对容量为50的虹膜图库进行了算法测试,系统的最低识别率达到了88%,识别时间仅为传统非降维识别方法的一半。理论分析和实验结果表明,该算法对虹膜纹理的特征提取精度高,识别率高,识别速度快。

基于经验小波变换的多通道微弱电流信号噪声控制

多通道微弱电流信号受很多噪声因素的干扰,导致输出的微弱电流信号与原始信号之间的相对误差增加,控制效果变差,为此提出基于经验小波变换的多通道微弱电流信号噪声控制方法;采集多通道微弱电流信号,利用经验小波变换技术分解采集到的微弱电流信号,判断电流信号中是否存在噪声并确定噪声类型;设计微弱电流信号噪声控制器,根据电流信号中的噪声量与噪声类型生成控制指令,对不同通道微弱电流信号噪声进行控制;在两种不同噪声强度的实验环境下,该方法控制下的多通道微弱电流信号信噪比较高,输出信号与原始信号间的相对误差较低,控制任务完成时间更短;以此证明该方法的多通道微弱电流信号噪声控制效果更好,可以广泛应用至电流信号噪声控制领域。

基于多组多分辨率特征和小波通道注意力的环境声音分类

针对目前环境声音分类(Environmental Sound Classification, ESC)方法对音频特征提取中反映的时频维度信息不足的问题,提出基于多组多分辨率特征和小波通道注意力的分类方法。采用多组多分辨率特征组成的多特征作为网络输入,通过多组滤波器,多个频率分辨率,在时间和频率维度上实现数据增强,同时实现信息互补。为了更好地衡量各个通道的重要性,针对一维音频图像特征设计了小波通道注意力模块,采用离散小波变换(Discrete Wavelet Transform, DWT)将信号的低频子带和高频子带有效结合,得到通道标量,利用Gram-Schmidt正交化方法使网络在信道注意压缩阶段提取的信息多样化,利用长短期记忆(Long Short Term Memory, LSTM)网络长时间保存信息,提高学习的长期可靠性。实验结果表明,在ESC-10和ESC-50数据集上的分类准确度分别达到了98.7%和93.6%,取得了较好的效果,为音频特征处理提供了一种新的研究思路。

组合局部多通道Gabor滤波器和ICA的人脸描述与识别

针对人脸识别是当前人工智能和模式识别的研究热点,提出了一种组合局部Gabor滤波器组和ICA技术(简称LMGICA)的人脸描述方法,首先对归一化的人脸图像进行采样分块,然后对局部子块进行多方向、多分辨率Gabor小波滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值域图谱(local Gabor magnitude map,LGMM),接着由滤波图像直接构建高维特征矢量;再将这些高维特征矢量通过主成分分析进行降维;最后采用ICA技术分析和提取降维后的特征矢量中的独立成分用于识别分类。通过与经典Gabor滤波器、PCA、ICA等方法的对比实验,验证和评价了本方法的性能。

基于多通道Gabor滤波的纹理分割方法

根据视觉信息处理的多通道滤波理论,研究了基于多通道Gabor滤波的纹理分割方法.该方法以覆盖全部频率空间、8个滤波方向的Gabor滤波器组构造滤波通道,通过随机样本方差聚类分析,结合最小距离判别法,实现了图像纹理的准确分割.

基于正则表达式和Jaccard系数的智能变电站录波通道同源匹配

针对220kV及以上电压等级智能变电站双套录波通道同源匹配问题,提出一种基于正则表达式和Jaccard系数的智能变电站录波通道同源匹配方法。首先,针对录波通道命名不规范的问题,使用正则表达式对通道名称文本进行预处理,统一通道名称的表达形式;同时,使用jieba分词算法和去停用词操作,去除通道名称文本中可能存在的冗余信息。然后,使用Jaccard相似系数匹配算法计算录波通道名称文本之间的相似度,依据相似度大小筛选出同源通道。最后,基于电网实际的录波文件数据进行仿真分析。仿真结果表明:所提方法可有效实现智能变电站录波通道同源匹配。

应用小波通道注意力网络的地震数据重建方法

重建缺失的地震道是地震数据处理的关键环节之一。近年来提出了多种基于深度学习理论的地震数据重建方法。然而,这些方法中常用的卷积运算只能捕捉到地震数据的局部特征,没有充分利用全局信息。另外,池化操作也会造成特征图信息的丢失,从而破坏地震反射的细节特征。为此,提出了基于小波通道注意力网络的地震数据重建方法。哈尔(Haar)小波变换能够有效提取信号的多尺度特征,并在上采样过程中避免信息的丢失;高效通道注意力模块通过对不同通道特征图之间的相关性进行建模,能实现全局信息的充分利用。合成和实际地震数据的实验结果表明,与具有代表性的深度学习方法相比,文中所提出的网络模型可以产生更准确的重建结果。

内凹通道中激波串流场特性的实验研究

三维内转式进气道以其高总压恢复系数和高压缩效率等优势,已成为高超声速进气道的发展趋势。然而,内转式进气道流场中更为复杂的激波串结构以及激波串/边界层相互作用成为其性能发挥的关键制约因素。针对内转式进气道中复杂的流动特性,文章开展了高超声速地面风洞实验研究,并对流场进行了可视化测量。首先,搭建了超声速直连式风洞实验台;然后,设计了方转圆段将内转式进气道中独特的内凹通道和矩形喷管平滑连接。结果表明:低来流马赫数下,内凹通道中的激波串前缘激波呈“λ”型,高来流马赫数下则呈“X”型,并且平直壁侧发生流动大分离,流场具有显著非对称性。此外,随着背压的增加,激波串继续向前移动,前缘激波扫掠时的测量点压力发生显著的振荡跳跃。

多通道权重融合和小波分解的癫痫棘波检测方法

脑电的棘波自动化检测是目前研究的重点,对癫痫诊断具有重要意义。现有检测方法主要有两类:信号分析和机器学习。前者对异常值敏感,后者算法对不同数据的鲁棒性未能得到充分验证。另外,传统的基于单通道脑电的棘波检测方法容易受到伪迹干扰。针对现有算法存在的问题并结合棘波的电生理特点,提出了基于多通道数据权重融合和小波分解的棘波检测算法。首先,根据癫痫棘波的放电特性,设计一种以幅值和波形趋势为特征值的多通道权重融合方法,获得棘波数据强化后的单通道数据;其次,算法引入小波分解,有效地提取信号中的局部特征,增强检测癫痫棘波这类具有突变特性信号的能力;最后,通过临床采集的癫痫患者脑电数据,验证了该算法能实现癫痫发作间期棘波的精确检测,诊断准确率可达92.3%以上。相较于传统的单通道脑电棘波检测方法,该方法具有检测准确率高、计算简单的优势,是一种有效的癫痫发作间期的棘波检测技术。

爆炸冲击波在变截面通道中传播规律数值研究

为研究在变截面通道内爆炸冲击波的传播规律,利用LS-DYNA软件对变截面通道内部TNT爆炸进行数值模拟,在LS-DYNA中分析了不同截面变化中冲击波传播云图以及不同测点处超压时程曲线,研究了截面大小变化率和截面长度变化率对爆炸冲击波在变截面通道内传播的影响。结果表明:截面由小变大时,随着截面面积增大,消波率先迅速减小后略微增大再减小,整体上截面面积越大,消波效果越好;截面由大变小时,爆炸冲击波在刚进入截面缩小段,一部分直接以平面波的形式进入缩小段,一部分与截面变化处壁面发生碰撞反射,反射使得该部分爆炸冲击波超压变大并向反方向传播,当小截面缩小至原来一半时,出口处测得爆炸冲击波相当于原来2倍药量在直通道中爆炸的冲击波;同时得到了冲击波超压峰值在不同工况下沿变截面直通道内传播的拟合方程,可为研究新型消波系统提供理论依据。

基于多通道Gabor滤波的手机按键识别方法

为实现手机按键的自动化检测,提出一种手机按键识别方法。利用多通道Gabor滤波器组对图像进行滤波,提取局部能量极值作为特征向量,再通过特征向量的匹配进行识别。采用基于按键边框长宽比估算目标图像旋转角度的方法,提高识别方法的效率。实验结果表明,该识别方法在各种干扰的情况下识别率仍能达到90%以上,具有一定的实用性。

基于融合小波函数与暗通道的图像重构算法

围绕图像识别中的图像去雾模块,在暗通道条件下,对含雾图像的重构算法展开研究。针对去雾图像的颜色失真严重、图像清晰度较低等问题,利用改进的小波函数到暗通道算法多次融合对源图像进行去雾处理,不断调整图像的像素色阶使其达到一个最佳范围,并且使图像的色彩失真在一定程度上获得补偿,以此实现图像去雾的目的。仿真实验表明,利用多次融合的改进小波函数在暗通道的去雾图像重构效果最佳,重构后有更好的清晰度,在多方面的表现均优于其它算法。

基于暗亮通道先验的小波融合图像去雾算法

为解决雾天条件下拍摄图像出现模糊降质的问题以及改善基于传统暗通道先验去雾算法的局限性,提出了一种利用小波变换,并结合暗通道和亮通道先验理论的去雾算法。通过暗通道和亮通道先验理论分别求取对应的大气光值和透射率,利用小波变换将不同滤波尺寸窗口得到的暗通道透射率进行融合,通过线性拟合函数以及导向滤波函数求取最终的大气光值和透射率,并利用大气散射模型还原出清晰的无雾图像。最后,利用主客观分析法,将所提算法与以往比较具有代表性的去雾算法进行仿真比较分析,实验结果表明:所提算法在保证实时性的前提下,能够有效去除原始图像中的雾霾,并解决传统去雾算法中由过度增强所带来的颜色失真等问题,在主观视觉效果上有着不错的表现,同时也有着优秀的客观评价指标,验证了所提算法的可行性、有效性和优越性。

基于声学超材料的串扰抑制与多通道Lamb波通信

传感器阵列常用于机械设备的状态监测,但在密闭金属外壳中,传统无线通信受电磁屏蔽限制难以实现有效传输。超声波因能够穿透金属结构,作为信息载体传输信息具有重要的应用前景。多通道同步传输可以提高通信效率,但信号串扰是亟待解决的难题。为此,提出一种基于声学超材料的通道串扰抑制技术,通过Lamb波频散曲线的带隙效应来阻止声波在通道间的传播。通过数值模拟设计超材料结构并确定带隙范围,然后通过实验验证串扰抑制的有效性。研究实现了三通道独立通信,显著降低了跨通道串扰,同时保证了信号解码的高精度,能够满足封闭金属结构的通信需求。这一研究为解决多通道超声通信的串扰问题提供了一种新颖且有效的方法。