共查询到15条相似文献,搜索用时 46 毫秒
1.
通过对彩色人脸图像进行HSI色彩空间分解,生成HSI三个通道的人脸图像模板,在保留原始人脸色彩特征的基础上,利用PCNN算法分别对三个通道的人脸特征进行提取,得到人脸图像特征图谱,并用具有唯一性的人脸图谱序列进行人脸识别。经过实验验证,该方法相比原有的PCNN以及其他人脸识别方法,具有检测过程简洁,识别精度高,鲁棒性强以及便于硬件实现等特点。 相似文献
2.
3.
4.
受网络带宽、计算机软硬件和浏览器承载量等因素的制约,现有3D WebGIS在矢量栅格数据一体化表达时容易出现渲染效率不高、表达效果不佳等问题.通过分析2种不同架构下3D WebGIS的技术特点和服务需求,研究了基于屏幕空间像素投影反算方法,设计了优化矢量数据渲染性能的技术方案,提出了一种创建帧缓冲区渲染队列的方法来解决片元着色器承载空间不足的问题,并在B/S架构下开发了基于屏幕空间像素投影反算方法渲染矢量数据的原型系统.实验表明,该方法渲染效率和表达效果俱佳,具有很强的应用前景和研究价值,可为3D WebGIS提高海量矢量数据渲染效率和增强表达效果提供一种新型有效的方法手段. 相似文献
5.
阐述了融合TM和航片数字化影像的HIS变换、主分量分析和高通滤波三种方法,并定性和定量地比较了三种方法融合的影像。结果表明:HIS方法导致影像数据的光谱特性变化最大;主分量分析法居中;高通滤波法导致光谱特性变化最小。 相似文献
6.
针对遥感农作物分类精度低、作物区分不明显的特点,本文提出了一种基于主成分分析的农作物空间分布信息提取方法.通过主成分分析,增强影像的光谱特征,提高样本的可分离性和影像分类精度,满足农作空间分布识别要求.最后以GF-1卫星影像为研究对象进行试验,结果表明,本文提出的方法分类精度可达95%以上,实验结果符合实际情况. 相似文献
7.
梁庆发 《测绘与空间地理信息》2018,(6):83-85,90
提出了一种基于配置的空间矢量数据冲突检测方法,分析与建立了空间数据冲突检测模型,发现了抽象的空间矢量数据与现实世界可能存在不一致的情况,为完善数据提供了依据。 相似文献
8.
将基于像元坐标的空间信息与基于独立成分分析技术结合的方法用于混合像元的分解,是实现端元提取的一种方法。这种方法在空间信息充分利用的基础上得到提高。将该方法运用Cuprite地区的AVIRIS数据,并与传统的PPI方法进行对比,结果表明,利用本文提取端元的方法具有很高的可信度。 相似文献
9.
提出了一种基于小波描述子的矢量多边形的模式识别方法,首先分别计算目标多边形与模板多边形的小波系数矩阵,再通过两个矩阵求取两多边形之间的非相似度,最后通过非相似度来确定是否匹配成功。并且,由所选用的小波的性质,可针对性地计算能够体现多边形特征的系数进行比较,从而使识别效果更好。实验结果表明该方法识别效果好,运算效率高,对平移、旋转、缩放等变换不敏感,是一种有效的矢量多边形模式识别方法。 相似文献
10.
人脸识别中,传统数据降维方法将人脸图像重排列成向量后进行处理,丢失了数据本身的结构特性,导致识别精度不高。本文发展了一种基于张量的数据降维方法———多维正交判别子空间投影。该算法直接用张量描述人脸,并通过张量到矢量投影(tensortovectorprojection,TVP)将张量数据投影到向量判别子空间。此方法寻找相互正交的投影向量集,使得判别子空间中数据类间离散度最大,同时类内离散度最小;进而利用TVP投影将高维张量数据映射成低维向量数据,在合适的约束条件下,这些降维后的向量特征数据是整个人脸数据中最具代表性的特征数据;最后,使用k最近邻(KNN)分类器将这些特征数据分类。利用经典人脸数据库ORL进行实验,验证了本文方法的有效性。 相似文献
11.
12.
通过对两因子模型的进一步深化、提炼和改进,提出了一种基于两因子模型的多姿态人脸识别方法,该方法能有效地缓解人脸特征对姿态变化较为敏感的问题。实验结果表明,经过姿态因子分离后的人脸全局或局部特征在保持较高显著性的同时,均对姿态变化具有理想的鲁棒性,在FERET人脸数据库上取得了最高92.5%的识别率。 相似文献
13.
人脸识别中嵌入式隐Markov模型结构的优化算法研究 总被引:3,自引:0,他引:3
提出了一种优化嵌入式隐Markov模型状态数的搜索算法,并且由此算法得到改进的嵌入式隐Markov模型结构。实验证明,这种结构既能提高人脸的识别率,最高可达到100%,又比传统的结构减少30%左右的训练时间和识别时间。 相似文献
14.
SVD和DCT提取特征向量的方法在人脸识别中的比较 总被引:5,自引:1,他引:5
采用奇异值分解和2D离散余弦变换两种方法得到的特征,分别在嵌入式隐马尔可夫模型的人脸识别中进行比较.得出奇异值分解比2D离散余弦变换在识别率上和时间复杂度上部较差的结果。通过对结果进行分析得出,虽然奇异值分解有很多优良的特性.但是在模式识别中仅使用奇异值分解来提取特征并不是很好的方法。 相似文献