检索结果-内蒙古大学图书馆

物理学报 2015年第5期64卷 393-403页

作者：成谢锋李伟南京邮电大学电子科学与工程学院南京210003

心音分析与识别目前主要局限在一维信号处理方面,为了获得心音信号更直观特征表现形式,提高分类识别效果,拓展心音识别研究领域,提出了一种将心音与图像处理技术相结合、基于心音窗函数的心音纹理图特征提取与识别算法.本文首先给出心... 详细信息

心音分析与识别目前主要局限在一维信号处理方面,为了获得心音信号更直观特征表现形式,提高分类识别效果,拓展心音识别研究领域,提出了一种将心音与图像处理技术相结合、基于心音窗函数的心音纹理图特征提取与识别算法.本文首先给出心音的模型,定义心音时频图和心音纹理图,然后讨论如何利用心音窗函数和短时傅里叶变换获取二维心音时频图,并且针对心音的特点,重点研究了心音窗函数的构造原则和实现方法,最后通过改进的脉冲耦合神经网络模型实现了对心音纹理图的特征提取与身份识别.仿真实验表明,心音窗函数与传统窗函数相比较,所获得的心音时频图具有第一、第二心音纹理更加清晰,噪声纹理得到较好抑制的优点,并且改进的脉冲耦合神经网络模型具有更低的计算成本,与3种典型识别方法相比较,呈现更高的识别率,因而基于图像处理技术对心音进行特征提取与身份识别是一种行之有效的方法.

关键词：心音时频图心音纹理图心音窗函数改进的脉冲耦合神经网络

来源：评论

学校读者我要写书评

暂无评论

基于梯度域导向滤波器和改进PCNN的图像融合算法

引用

系统工程与电子技术 2022年第8期44卷 2381-2392页

作者：王健何自豪刘洁杨珂西北工业大学电子与信息学院陕西西安710129 西北工业大学第365所陕西西安710065

为解决当前融合后图像存在的光晕伪影现象以及不利于视觉感知的问题,提出了一种基于梯度域导向滤波(gradient domain guided filtering, GDGF)和改进的脉冲耦合神经网络(pulse-coupled neural network, PCNN)的图像融合算法。首先,利用... 详细信息

为解决当前融合后图像存在的光晕伪影现象以及不利于视觉感知的问题,提出了一种基于梯度域导向滤波(gradient domain guided filtering, GDGF)和改进的脉冲耦合神经网络(pulse-coupled neural network, PCNN)的图像融合算法。首先,利用图像结构、清晰度以及对比度显著性的图像特征构建图像融合模型。其次,采用梯度域导向滤波取代传统优化方法,通过像素间相关性优化初始决策图。然后,将优化决策图作为外部输入刺激改进PCNN模型,得到融合权重图。最后,对源图像和融合权重图进行加权操作得到最终融合图像。实验结果表明,所提方法更好地保留图像边缘、纹理和细节信息,避免目标边缘的光晕伪影现象,且利于视觉观察。

关键词：导向滤波器改进的脉冲耦合神经网络图像融合

来源：评论

学校读者我要写书评

暂无评论

混沌蜂群优化的NSST域多光谱与全色图像融合

引用

遥感学报 2017年第4期21卷 549-557页

作者：吴一全王志来南京航空航天大学电子信息工程学院南京210016 南京信息工程大学江苏省大数据分析技术重点实验室南京210044 浙江工业大学浙江省信号处理重点实验室杭州310023 广西师范大学广西多源信息挖掘与安全重点实验室桂林541004 成都理工大学国土资源部地学空间信息技术重点实验室成都610059 中国地质科学院矿产资源研究所国土资源部成矿作用与资源评价重点实验室北京100037

为有效融合多光谱图像的光谱信息和全色图像的空间细节信息,提出了一种基于混沌蜂群优化和改进脉冲耦合神经网络(PCNN)的非下采样Shearlet变换(NSST)域图像融合方法。首先对多光谱图像进行Intensity-HueSaturation(IHS)变换,全色图像的... 详细信息

为有效融合多光谱图像的光谱信息和全色图像的空间细节信息,提出了一种基于混沌蜂群优化和改进脉冲耦合神经网络(PCNN)的非下采样Shearlet变换(NSST)域图像融合方法。首先对多光谱图像进行Intensity-HueSaturation(IHS)变换,全色图像的直方图按照多光谱图像亮度分量的直方图进行匹配;然后分别对多光谱图像的亮度分量和新全色图像进行NSST变换,对低频分量使用改进加权融合算法进行融合,以互信息作为适应度函数,利用混沌蜂群算法找到最优加权系数。对高频分量采用改进脉冲耦合神经网络(PCNN)方法进行融合,再经NSST逆变换和IHS逆变换得到融合图像。本文方法在主观视觉效果和信息熵、光谱扭曲度等客观定量评价指标上优于基于IHS变换、基于非下采样Contourlet变换(NSCT)和非负矩阵分解(NMF)、基于NSCT和PCNN等5种融合方法。本文方法在提升图像空间分辨率的同时,有效地保留了光谱信息。

关键词：图像融合多光谱与全色图像非下采样Shearlet变换混沌蜂群优化改进的脉冲耦合神经网络

来源：评论

学校读者我要写书评

暂无评论

基于非约束性人脸识别方法的研究

基于非约束性人脸识别方法的研究

引用

作者：杨光陕西师范大学

学位级别：硕士

人脸识别技术作为生物特征识别领域中的一种基于生理特征的识别技术,是以通过计算机提取人脸的特征,并根据这些特征进行身份验证的技术。人脸与人体的其他生物特征(指纹、虹膜等)一样是与生俱来,它们所具有的唯一性和不易被复制的良好... 详细信息

人脸识别技术作为生物特征识别领域中的一种基于生理特征的识别技术,是以通过计算机提取人脸的特征,并根据这些特征进行身份验证的技术。人脸与人体的其他生物特征(指纹、虹膜等)一样是与生俱来,它们所具有的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提；同其他生物特征识别技术相比,人脸识别技术具有操作简单、隐蔽性好、结果直观的优越性。因此,人脸识别在出入口控制、信息安全、刑事侦破等领域具有广泛的应用前景。在过去的几十年里人们积极的研究人脸识别技术,也取得了较大的发展,但是只有在约束的条件下才能达到令人满意的识别效果,然而在非约束的情况下识别效果却急剧下降。由于人脸自身及其所处环境的复杂性,如表情、姿势、图像所处环境的光照强度等条件的变化以及人脸上的遮挡物(眼镜、胡须)等,都会使人脸识别方法的鲁棒性受到很大的影响。因此,在非约束条件下的人脸识别技术还有许多实际问题亟待解决,本文提出的非约束性的人脸识别方法,与传统的人脸识别算法相比识别效果有所提高,本文实验中所采用的人脸数据库不做任何预处理。本文的主要研究成果总结如下： 1、一种改进的脉冲耦合神经网络人脸识别方法。该方法提出了一种改进脉冲耦合神经网络(M-PCNN)模型来提取人脸特征,该方法模拟生物视觉的感知过程,将人脸图像分解成由若干二值图像组成的认知序列,计算序列中的每幅二值图像的熵作为人脸特征,基于支持向量机实现分类与识别。同时也克服了标准的脉冲耦合神经网络(PCNN)模型参数过多的缺点,识别率也有所改善。理论与实验结果表明,该方法与现有的人脸特征提取方法相比,对人脸图像在采集过程中的光照、旋转、位置等变化有较强的鲁棒性。 2、基于二维Gabor脸和脉冲耦合神经网络的人脸识别。2D-Gabor小波变换能够对图像进行不同方向和不同尺度的分解,能够捕捉到图像中不同的空间频率、空间位置及方向信息,来提取局部结构信息,这些使其对于光照和人脸姿态的变化不敏感,具有一定的鲁棒性。该算法首先使用2D-Gabor小波变换对人脸图像进行分解得到2D-Gabor脸,然后再对其进行PCNN提取人脸特征,最后使用支持向量机实现分类识别。实验结果表明,与其它人脸识别算法相比,证明了该算法的有效性,由于二维Gabor小波对亮度依赖较小,对光照条件的改变不敏感,所以在不同光照的条件下结果有明显的提高。 3、基于NSCT和M-PCNN的人脸识别方法。提出了一种基于非下采样contourlet变换(NSCT)与改进脉冲耦合神经网络(M-PCNN)的人脸特征提取方法。该方法首先利用非下采样contourlet变换对输入图像进行多尺度分解和多方向稀疏分解,准确捕获图像中的高维奇异信息,然后利用改进脉冲耦合神经网络模型提取各子带的信息熵作为人脸特征,最后使用支持向量机实现分类与识别。理论与实验结果表明,该方法与现有的人脸特征提取方法相比,能够有效的适应光照和姿态等方面的变化,提高了人脸识别在非约束条件下的识别精度。

关键词：人脸识别脉冲耦合神经网络改进的脉冲耦合神经网络 Gabor变换非下采样contourlet变换特征提取信息熵支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于声图特征提取的水下目标检测识别研究

基于声图特征提取的水下目标检测识别研究

引用

作者：马味敏南京信息工程大学

学位级别：硕士

水下声纳探测是国内外海洋远距离探测的主要方式,而水下成像后的处理一直是目前具有应用价值和挑战性的研究热点。声学成像后的图像本身就不如传统光学图像分辨率高,水下环境复杂多变带来的声学成像质量更差,存在伪影和复杂的背景噪声,... 详细信息

水下声纳探测是国内外海洋远距离探测的主要方式,而水下成像后的处理一直是目前具有应用价值和挑战性的研究热点。声学成像后的图像本身就不如传统光学图像分辨率高,水下环境复杂多变带来的声学成像质量更差,存在伪影和复杂的背景噪声,传统的目标检测识别的算法处理效果不尽人意。因此本课题针对水下声图的特征进行研究,提出多种适用于处理声纳图像的改进算法。水下声图的降噪预处理是声纳图像目标检测识别的前提,由于声图存在的噪声复杂,一般光学图像降噪的经典方法对其处理效果有限。本课题中采用非下采样轮廓波变换对声图进行分解得到高低频子带,在其基础上对脉冲耦合神经网络模型进行参数简化和改进并进行高、低频图像融合,经过反变换重构后的声图保留了声图的边缘信息的同时,较好的去除了斑点噪声。即使在噪声水平逐步添加时,本文提出的方法平均信噪比相比于频域降噪,双树双密度降噪,Lee滤波分别提高了34.8%,14.5%,9.4%,有较高的抗噪性能。广阔水域下的声纳探测传回的大量数据为目标识别带来一定困难,在声图目标识别匹配前,先判断声图的目标有无可以有效避免后期的冗余计算。本课题运用二维经验模态分解对声纳图像分解重构,对提取的差分极值点包络曲线进行检测,实验分析证明,在长短时窗检测时采用其差值代替比值能更好的凸显含有目标的声图包络曲线的波动幅度变化,方法简单而且检测准确率高达97.2%。对于正确识别水下声图中的目标是声图处理的关键研究问题,大多数的目标匹配都在探索降低特征点的误匹配率的方法。而本课题中是采用寻找声图目标区域最优特征点对的思想:运用改进后的恒虚警的技术,从surf算法匹配的大量特征点对中筛选目标区域的特征点对。同时再结合环形环状区域统计特征检测,判断二者是否匹配,匹配成功后计算其特征点对的几何关系,经过旋转校正后寻找匹配的目标区域。实验结果证明,该方法在声图复杂背景下,可以有效对抗目标形变旋转带来的影响,目标匹配重叠率相比于最好兄弟相似性算法及其改进算法分别提高了32.59%和16.57%。最后,本课题将目标检测与匹配的算法在Python环境下实现,充分运用其强大的资源环境,调用了Open CV图像视觉库和Py Qt5控件集,完成了可视化的图形交互系统的设计,可以兼容各操作平台,具有较高的可移植性。

关键词：声图改进的脉冲耦合神经网络长短时窗检测最优特征点对 Python

来源：评论

学校读者我要写书评

暂无评论

基于心音窗函数的心音图形化处理方法的研究

基于心音窗函数的心音图形化处理方法的研究

引用

作者：李伟南京邮电大学

学位级别：硕士

心音分析与识别目前主要局限在一维信号处理方面,为了获得心音信号更直观特征表现形式,提高分类识别效果,拓展心音识别研究领域,实现心音在线识别,提出了一种将心音与图像处理技术相结合、基于心音窗函数的心音纹理图特征提取与快速识... 详细信息

心音分析与识别目前主要局限在一维信号处理方面,为了获得心音信号更直观特征表现形式,提高分类识别效果,拓展心音识别研究领域,实现心音在线识别,提出了一种将心音与图像处理技术相结合、基于心音窗函数的心音纹理图特征提取与快速识别算法。心音纹理图可以直观与真实地记录心音信号,并包含大量个人生理信息,如身份信息和健康状况等。本文首先给出心音的组成模型,对一维心音信号进行预处理,定义心音时频图和心音纹理图,然后讨论如何利用心音窗函数和短时傅里叶变换获取二维心音时频图,并且针对心音的特点,重点研究了心音窗函数的构造原则和实现方法。其中,心音窗函数中的系数是根据正常心音与病理心音不同特点采用自适应法来确定各自不同的系数,以满足心音窗函数的构造原则中所提及的要求。最后分别通过改进的脉冲耦合神经网络模型和心音纹理图角点相关性快速识别算法,实现了对正常心音纹理图及病理心音纹理图的特征提取与身份识别。仿真实验表明,心音窗函数与传统窗函数相比较,所获得的心音时频图具有第一、第二心音纹理更加清晰,噪声纹理得到较好抑制的优点,自适应法可以有效的确定心音窗函数中的各个系数,并且改进的脉冲耦合神经网络模型及归一化互相关法具有更低的计算成本,与3种典型识别方法相比较,呈现更高的识别率,特别是心音纹理图角点相关性快速识别算法用于心音身份识别具有高识别率和高速度,可实现在线快速识别。因而基于图像处理技术对心音进行特征提取与身份快速识别是一种行之有效的方法。

关键词：心音纹理图心音窗函数改进的脉冲耦合神经网络身份识别角点相关性快速识别算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：