|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
.jpg){kind=logo}
少通道腦機接口EEG信號的特征提取方法
本發(fā)明公開了少通道腦機接口EEG信號的特征提取方法，尤其涉及用于腦機接口的信號處理方法，屬于認知神經(jīng)科學(xué)、信息處理相交叉的技術(shù)領(lǐng)域。本發(fā)明通過基于sin波輔助信號的多變量經(jīng)驗?zāi)Ｊ椒纸鈱⑸偻ǖ繣EG信號擴容至多通道，通過將多通道合成信號映射在多維球體上以獲取投影極限值瞬時時刻及其對應(yīng)的通道信號，由投影極限瞬時時刻及其對應(yīng)的通道信號確定多通道合成信號局域均值，以多通道合成信號及其局域均值的差值為固有模態(tài)函數(shù)，經(jīng)過多次迭代計算獲得多個固有模態(tài)函數(shù)。本發(fā)明提出的基于sin波輔助信號的多變量經(jīng)驗?zāi)Ｊ椒纸庥行Э?
東南大學(xué)
2021-01-12
院.jpg){kind=logo}
基于視覺的機械零件表面紋理特征分析
南京工程學(xué)院
2021-04-13
.jpg){kind=logo}
一種醫(yī)學(xué)圖像的多維多種特征提取方法
本發(fā)明提供一種頸動脈圖像的多維多種特征提取方法，具體為：（1）依據(jù)頸動脈的醫(yī)學(xué)三維超聲體數(shù)據(jù)構(gòu)建感興趣區(qū)域二維序列圖像和感興趣區(qū)域三維圖像；（2）對二維序列圖像提取二維特征，對三維圖像提取三維特征，所述二維特征包括二維紋理特征、二維形態(tài)特征和二維彈性特征，所述三維特征包括三維紋理特征；（3）驗證各種特征是否對圖像分類具有貢獻，保留具有貢獻的特征；以假發(fā)現(xiàn)率最小為目標(biāo)，在具有貢獻的特征中搜索得到全局最優(yōu)特征組合。本發(fā)明針對圖像進行了多個維度多類特征的提取，囊括了紋理、形態(tài)、彈性三大類特征，特征數(shù)目多，
華中科技大學(xué)
2021-04-14
一種局部特征的分布式并行提取方法
本發(fā)明公開了一種局部特征的分布式并行提取方法，包括：利 用圖像爬蟲軟件下載圖像到云環(huán)境中的各個計算節(jié)點，并建立圖像數(shù) 據(jù)庫，圖像數(shù)據(jù)庫中存儲了每張圖像的 ID 與計算節(jié)點的 ID 之間的映 射關(guān)系，并行地獲取每個計算節(jié)點上存儲的每張圖像的像素值，并建 立圖像的 ID 與其像素大小之間的映射關(guān)系，根據(jù)云環(huán)境中每個計算節(jié) 點存儲的每張圖像像素大小，獲得云環(huán)境中每個計算節(jié)點上總像素值， 根據(jù)云環(huán)境里每個計算節(jié)點總像素值、計
華中科技大學(xué)
2021-04-14
一種用于提取半導(dǎo)體納米結(jié)構(gòu)特征尺寸的方法
本發(fā)明公開了一種用于提取半導(dǎo)體納米結(jié)構(gòu)特征尺寸的方法，包括待提取參數(shù)取值范圍的劃分，子光譜數(shù)據(jù)庫的建立，支持向量機分類器訓(xùn)練光譜的生成，支持向量機分類器的生成、測量光譜的映射和在子光譜數(shù)據(jù)庫中進行的最相似光譜搜索。與現(xiàn)有方法相比，本發(fā)明方法通過額外增加一個可以離線進行的支持向量機分類器訓(xùn)練環(huán)節(jié)，實現(xiàn)了將測量光譜映射到一個小范圍的子數(shù)據(jù)庫中。與在整個大數(shù)據(jù)庫中進行最相似光譜檢索相比，在子數(shù)據(jù)庫中展開的檢索所消耗的時間大大減少。并且，通過增加每個分類器中包含的類數(shù)，可以得到更小的子數(shù)據(jù)庫，從而進一步加速參數(shù)的提取。該方法實現(xiàn)了參數(shù)的提取速度可預(yù)期與可控。
華中科技大學(xué)
2021-04-11
.jpg){kind=logo}
一種基于不變量特征匹配的車輛測速方法
本發(fā)明公開了一種基于不變量特征匹配的車輛測速方法，其包括步驟：（1）確定兩幅初始圖像中車輛大致區(qū)域圖像；（2）提取兩幅車輛大致區(qū)域圖像的特征點，獲得兩組不變量特征點的集合；（3）在兩組特征點集合中進行特征匹配，得到兩幅車輛大致區(qū)域圖像的匹配特征點集合；（4）計算每一對匹配特征點在車輛縱向方向上的相對距離；（5）對所有匹配特征點進行聚類，聚類中心處的相對距離即為車輛在圖像中的移動距離；（6）將圖像距離轉(zhuǎn)化為車輛實際的行駛距離，除以獲取兩幀圖像的時間差得到車輛速度。本發(fā)明解決了運動物體在圖像中的精確定位
安徽建筑大學(xué)
2021-01-12
.jpg){kind=logo}
一種基于顯著性特征的人臉痣檢測方法
人臉識別由于具有直接，友好，方便的特點，使用者無任何心理障礙，易于為用戶所接受，從而得到了廣泛的研究與應(yīng)用。除此之外，我們還能夠?qū)θ四樧R別的結(jié)果作進一步的分析，得到有關(guān)人的性別，表情，年齡等諸多額外的豐富信息，擴展了人臉識別的應(yīng)用前景。人臉中痣的檢測可以作為人臉識別的輔助方法，具有重大的應(yīng)用價值。目前該問題已經(jīng)得到了很多人的重視，但是從不同的人臉中提取痣特征是一個比較困難的工作。困難主要體現(xiàn)在，人臉成像時的光照不一致，有的光照比較強烈，有的比較暗淡，另外臉上的眼角，嘴角，皺紋和鼻孔等組織對痣檢測的干擾很強烈。本成果很好的結(jié)果了人臉痣檢測問題，對于人臉識別能夠起到很好的輔助作用。本發(fā)明解決了人臉識別過程中的人臉痣檢測問題。人臉的痣檢測對于提高人臉識別的速度和減小搜索人臉庫的規(guī)模具有很大的優(yōu)勢。本文提出了一種基于痣的顯著特征的檢測方法，結(jié)果表明了這種方法的優(yōu)越性。具有很大的潛在的應(yīng)用。
青島大學(xué)
2021-04-13
一種結(jié)合語義特征的 ERVQ 圖片索引與檢索方法
本發(fā)明公開了一種結(jié)合語義特征的 ERVQ 索引，包括以下步驟：準備訓(xùn)練索引的圖片集 P1 和待索引圖片集 P2，對 P1 提取低層特征(SIFT、SURF 等)，使用殘差量化索引(RVQ)訓(xùn)練方法訓(xùn)練得到一個 L層的 RVQ 碼書 Codebook1，使用 ERVQ 優(yōu)化方法調(diào)整 Codebook1 生成碼書 Codebook2，將碼書 Codebook2 多層質(zhì)心一一組合構(gòu)建索引字典，將索引字典每個索引項上根據(jù)語義劃分成多個倒排鏈表結(jié)構(gòu)，對 P2 提取低層特征和語義特征，根據(jù)低層特征找到索引項，根
華中科技大學(xué)
2021-04-14
一種基于簽到特征的用戶位置分類方法及系統(tǒng)
本發(fā)明公開了一種基于簽到特征的用戶位置分類模型，其應(yīng)用 在針對性的廣告推薦、智能導(dǎo)航、智慧交通等基于位置的服務(wù)中，該 模型包括：針對用戶當(dāng)前的“簽到”場所，查詢其是否已在用戶的歷 史“簽到”位置集里面；如果不在，則分別基于社交網(wǎng)絡(luò)全局用戶知 識域、用戶好友知識域、用戶個人知識域提取用戶的“簽到”特征； 應(yīng)用已訓(xùn)練的 SVM 分類模型對用戶當(dāng)前的“簽到”場所進行分類，預(yù) 測該位置是否為用戶將來頻繁“簽到”的場所。本發(fā)明
華中科技大學(xué)
2021-04-14
基于冗余特征消減的醫(yī)學(xué)超聲圖像自動識別方法
本發(fā)明公開了一種基于冗余特征消減的醫(yī)學(xué)超聲圖像自動識別方法。首先從待處理的醫(yī)學(xué)超聲圖像中提取感興趣區(qū)域，從感興趣區(qū)域提取特征；然后對提取的特征進行主成分分析，以去除冗余和無關(guān)的特征分量，確定獨立有效的特征；最后依據(jù)獨立有效的特征，利用分類器對感興趣區(qū)域分類。本發(fā)明通過計算機對醫(yī)學(xué)超聲圖像進行分析，提取的圖像特征涵蓋了空域和頻域，更為全面地反映了圖像的本質(zhì)特性，有助于進行正確分類，具有較好的臨床實用性。
華中科技大學(xué)
2021-04-14