排序方式： 共有12条查询结果，搜索用时 15 毫秒
1.
主成分分析法（PCA）由于具有高识别率和简便性的优点,成为人脸识别技术学习者的首选。介绍了K-L变换和PCA算法的主要步骤,由于PCA算法对异常值很敏感,因此在PCA基础上进行改进,提出了PCA-LDA人脸识别方法。该方法通过 PCA算法求得训练样本集的特征空间,接着执行LDA 算法获得两者融合的特征空间,然后对投影于特征空间的人脸进行训练及识别。实验结果表明,改进的PCA-LDA人脸识别算法比传统的PCA算法识别率高,速度更快,很好地综合了两个算法的优点,达到了预期效果。 相似文献
2.
3.
基于Donoho经典小波阈值去除图像噪声基本思路,分析常用硬阈值法和软阈值法在图像去噪中的缺陷。针对这些缺陷,提出一种改进的阈值去噪法,该方法不仅可克服硬阈值不连续的缺点,还能够有效解决小波分解预估计系数与真实小波系数间存有的恒定误差。通过Matlab仿真实验,使用改进的小波阈值法对图像去噪处理后,除噪效果比较理想,在去噪性能指标上,PSNR(峰值信噪比)和EPI(边缘保护指数)均好于传统阈值方法。 相似文献
4.
图像超分辨率重建算法的主要内容是使用低分辨率的图像信息生成高分辨率图像。近年来,随着深度学习和卷积神经网络的发展,出现了很多基于卷积神经网络与残差网络的超分辨率算法。为了解决这些算法参数数量过多、处理过程复杂、训练时间长等问题,结合现有残差网络模型和深度学习算法对其进行改进,包括调整网络结构,减少需要学习的参数,以及去除批归一化层,降低计算复杂度。改进后的网络模型能够取得更好的效果,生成图像的主观和客观评价有一定提高。 相似文献
5.
传统的分水岭算法应用于脑肿瘤CT图像时容易产生过分割现象,为了避免该现象,提出一种改进的分水岭图像分割算法。该方法主要包含形态学重构以及标记控制思想,首先对原始梯度图像进行形态学重建,相当于滤波处理,然后对原图设定灰度阈值并进行形态学处理标记出肿瘤部分,接着用分水岭变换标记背景部分,最后根据两个标记部分对调整后的梯度图像进行强制最小和分水岭变换得到分割线。实验结果表明,该算法能够准确地区别肿瘤部分与背景,并用封闭的分割线包围脑肿瘤区域,从而避免了对不感兴趣区域的误分割,有较好的针对性。 相似文献
6.
7.
随着人工智能的发展,计算机对于输入的手写字符识别需求越来越大,采用改进的卷积神经网络对手写字符进行识别分类。用VGGNet16模型构造卷积神经网络模型,每一层都加上批标准化,通过平均值池化对卷积层进行下采样,利用PRELU激活函数代替ReLU激活函数,最后通过Softmax分类器对手写字符图像进行分类。在MNIST手写数字数据集和EMNIST-bymerge手写字母及数字数据集下进行实验,改进的卷积神经网络模型在MNIST数据集中识别准确率提升到99.65%,在EMNIST数据集中识别准确率为90.37%。因此,改进模型识别准确率较高,适用于手写字符识别。 相似文献
8.
9.
通信传输过程中信号干扰衰落现象无可避免,信道编码技术可以增加编码增益,提高通信系统传输信道容量。极化码理论上可以达到香农信道容量极限,且具有较低的编译码复杂度,因此引入极化码信道编码技术。基于Matlab计算机仿真系统搭建衰落信道仿真模型,在接收端进行去干扰处理,通过对比分析误码率和信噪比仿真曲线,发现误码率能够降低30%,表明极化码具有较好的抗衰落性能。 相似文献
10.
在玻璃缺陷识别系统中,利用BP神经网络基本原理结合特征参数设计BP神经网络结构。为了更准确地识别玻璃表面缺陷,在传统BP神经网络算法基础上,提出加入动量因子、引入陡度因子以及调节学习效率的方法,并进行对比试验。仿真结果表明,3种方法均可提高缺陷识别率,但只有引入陡度因子的方法可使最优误差与期望误差最为接近,能够更好地改善网络收敛性。 相似文献