本发明公开了一种基于冗余特征消减的医学超声图像自动识别方法。首先从待处理的医学超声图像中提取感兴趣区域，从感兴趣区域提取特征；然后对提取的特征进行主成分分析，以去除冗余和无关的特征分量，确定独立有效的特征；最后依据独立有效的特征，利用分类器对感兴趣区域分类。本发明通过计算机对医学超声图像进行分析，提取的图像特征涵盖了空域和频域，更为全面地反映了图像的本质特性，有助于进行正确分类，具有较好的临床实用性。

本发明公开了一种基于有限混合模型的行人再识别方法，属于 计算机视觉和模式识别领域，提升行人再识别的准确度，包括以下步 骤：(1)构建行人图像库预处理图像并提取图像特征；(2)计算图像库中 所有图像的有限混合模型和待再识别行人的图像的有限混合模型参 数；(3)将需再识别行人的有限混合模型与图像库中所有图像的有限混 合模型之间的距离进行最优化求解，并进行距离排序返回再识别结果。 本发明优化混合模型之间的距离度量，提高行人

本发明涉及图像鉴别领域，尤其涉及基于图像噪声分析的照片来源识别方法。包括以下步骤:步骤 1:构建模式噪声数据库;步骤 2:将待测图像通过小波变换得到去除噪声之后的图像;步骤 3:将所述 的除去噪声之后的图像和所述的待测图像相减，得到该图像的模式噪音;步骤 4:通过 K 近邻法判定该 图像所属相机源。本发明通过对图像的噪声分析便可以准确定位照片的来源，提高了正确率。

悬赏金额：15万元 发榜企业：中科软件测评（广州）有限公司 需求领域：图形图像处理 数据库系统及数据处理 软件开发 检测分析技术及服务 信息技术及系统服务 产业集群：新一代电子信息产业集群 技术关键词：图像,识别,准确率

成果描述：本发明申请要解决的问题是，在偏僻的野外或者野生动物保护区，对珍稀物种检出，从而追踪它们的生活轨迹，或者在某些仓库农场对破坏储存物的害虫或者家养动物的天敌的检出是非常重要的。本专利建立一种实时的基于生物声音的只能检测方法，分析提取了动物声音的时域特征，频域特征，通过对特征的分析、分类，及时有效的检测出生物的运动痕迹。市场前景分析：生物活动轨迹的追踪有着重大的现实意义，在粮食以及动物保护方面有着非常广泛的作用。本发明着重从声音的频域、时域进行特征提取，然后选取特征组合，对特征进行有效的分类。研究实验表明，本算法的平均准确率达到89.9%。与同类成果相比的优势分析：本篇专利提出的识别系统的流程在原有的基础上增加了两个环节，即流程成为：预处理->声音提取->特征提取->特征选择->模型训练；并且还提出了新的算法，采用了许多最近提出的特征，比如MFCC[6-9]。经实验验证，本文提出的方法相比之前的方法正确率提高了20%左右，达到了89.9%。

本发明公开了一种基于ＫＬ展开的分布随机动载荷识别方法。本发明的方法包括步骤：Ｓ１．开展模态试验，获取结构的模态参数，包括固有频率和模态振型；Ｓ２．将结构随机振动响应利用模态振型展开，获取结构在模态空间的动响应；Ｓ３．利用ＫＬ展开由模态空间内的随机动响应求解模态空间内随机动载荷；Ｓ４．求解结构上随机动载荷的随空间分布的时变统计特征。本发明解决在时域内利用实测结构动响应样本识别结构上随机动载荷随空间分布的时变统计特征问题，为服役于分布随机动载荷环境下的工程结构设计与安全评估提供一种动载荷间接获取手段。

小试阶段/n航空插座广泛应用于各种电气线路中，起着连接或断开电路的作用。但由于航空插头的种类繁多，特别是随着信号线数目的增加，给航插的检测、焊接和信号线编号的识别带来巨大困难，传统的检测方法是利用万用表对航 插两端逐个检测通断，该操作非常麻烦，且容易操作失误。。本发明公开了一种航空插座信号线编号的自动识别方法与装置，其中该装置包括微处理器，以及均与该微处理器连接的总线扩展单元和线路检测单元；该总线扩展单元包括多个航空插座/头，被测航空插头/座通过该多个航空插座/头与所述总线扩展单元连接；被测航空插座/头还通过线路检测单元与微处理器连接；该装置还包括键盘；通过键盘输入被测航空插座/头的型号或者芯线数目，微处理器发出巡检信号并根据被测航空插座/头的反馈信号识别被测航空插座/头的信号线编号。本发明通过微处理器发出巡检信号，从而实现航空插座信号线编号的自动识别，同时还可以对焊接质量进行检测。。支持额度：。50。万元。承接单位：。湖北省。项目进展：。航空插座广泛应用于各种电气线路中，起着连接或断开电路的作用。但由于航空插头的种类繁多，特别是随着信号线数目的增加，给航插的检测、焊接和信号线编号的识别带来巨大困难，传统的检测方法是利用万用表对航 插两端逐个检测通断，该操作非常麻烦，且容易操作失误。本发明公开了一种航空插座信号线编号的自动识别方法与装置，其中该装置包括微处理器，以及均与该微处理器连接的总线扩展单元和线路检测单元；该总线扩展单元包括多个航空插座/头，被测航空插头/座通过该多个航空插座/头与所述总线扩展单元连接；被测航空插座/头还通过线路检测单元与微处理器连接；该装置还包括键盘；通过键盘输入被测航空插座/头的型号或者芯线数目，微处理器发出巡检信号并根据被测航空插座/头的反馈信号识别被测航空插座/头的信号线编号。本发明通过微处理器发出巡检信号，从而实现航空插座信号线编号的自动识别，同时还可以对焊接质量进行检测。。项目基本内容：。航空插座广泛应用于各种电气线路中，起着连接或断开电路的作用。但由于航空插头的种类繁多，特别是随着信号线数目的增加，给航插的检测、焊接和信号线编号的识别带来巨大困难，传统的检测方法是利用万用表对航 插两端逐个检测通断，该操作非常麻烦，且容易操作失误。本发明公开了一种航空插座信号线编号的自动识别方法与装置，其中该装置包括微处理器，以及均与该微处理器连接的总线扩展单元和线路检测单元；该总线扩展单元包括多个航空插座/头，被测航空插头/座通过该多个航空插座/头与所述总线扩展单元连接；被测航空插座/头还通过线路检测单元与微处理器连接；该装置还包括键盘；通过键盘输入被测航空插座/头的型号或者芯线数目，微处理器发出巡检信号并根据被测航空插座/头的反馈信号识别被测航空插座/头的信号线编号。本发明通过微处理器发出巡检信号，从而实现航空插座信号线编号的自动识别，同时还可以对焊接质量进行检测。

本发明公开了一种基于空间变换的自然场景下文本识别方法， 首先对训练图像集中的文本图像，获取图像的文本内容，并训练基准 点定位网络、图像预处理网络、图像编码器网络以及特征解码器网络 等网络模型；然后利用训练得到的网络模型对待识别图像集中图像进 行空间变换，得到变换后的待识别图像；然后计算变换后的待识别图 像的特征向量以及预测概率序列，最终获取图像识别的结果。本发明 方法文本识别准确率高，且能够克服文本排列不规则等不利因素的影 响。

本发明公开了一种基于深度图像的手势识别方法，训练数据集 和测试数据集中的深度图像通过深度传感器采集得到，首先计算图像 中人体区域的最小深度值，再利用深度阈值，结合人手是离传感器最 近物体的预设条件，分割出深度图像中的手势；然后获取手势在三个 正交平面上的投影图，分别称为正视投影图、侧视投影图和顶视投影 图；接着提取三个投影图的轮廓片段包特征，并级联成原始深度手势 的特征向量；最后训练分类器，对从待识别深度图像中获取的手势特 征向量进行分类，得到待识别手势的识别结果。本发明还提供了相应 的手势识别系统。本发明方法手势识别简单易行，推广能力强，识别 准确率高，能有效克服杂乱背景、光照、噪声及自遮挡等不利因素的 影响。

软件所含缺陷的风险或数目是合理安排软件测试资源，提高软件测试效率，衡量软件设计及开发质量的关键信息，应用模式识别技术对软件所含缺陷进行有效预测将对我国航空工业软件测试工作从被动测试到主动测试的转变起到积极的作用。对软件所含缺陷进行风险或定量预测，其根本技术在于利用以往软件缺陷数据，构建软件内在信息和软件缺陷信息之间的映射关系函数。 软件缺陷数据具有如下特点：软件度量信息冗余；软件缺陷数据分布及其不平衡；软件缺陷数据易含有不准确数据（如不准确的缺陷量）对于模型构建来说就是噪声数据；软件缺陷数据维度高，复杂度高等。该技术的广泛使用，将对我国航空工业中的软件测试工作，从传统的被动测试向主动测试，合理安排有限的测试资源，提高测试效率，从而提高软件质量起到重要作用。