-
基于奇異值分解的機(jī)器人視覺圖像顯著目標(biāo)自動提取方法研究
在當(dāng)今的機(jī)器人視覺應(yīng)用中,機(jī)器人視覺圖像顯著目標(biāo)提取是一個關(guān)鍵問題。它旨在從復(fù)雜的機(jī)器人視覺圖像背景中突出顯示最重要的信息,以便機(jī)器人可以更有效地理解和處理環(huán)境[1]。然而,這一問題具有極大的挑戰(zhàn)性,因?yàn)樾枰诖罅康臋C(jī)器人視覺圖像數(shù)據(jù)中找到具有顯著性的目標(biāo),這需要復(fù)雜的計算和準(zhǔn)確的算法。
-
基于EMD與SVD結(jié)合的S變換模型的局部放電信號去噪研究
摘要:局部放電監(jiān)測是目前高壓電氣設(shè)備亟需解決的重要問題。由于局部放電信號往往含有大量白噪聲,會影響對真實(shí)放電信號的識別,因此提出了一種基于EMD與SVD結(jié)合的S變換改進(jìn)模型進(jìn)行去噪的新方法。該方法主要由經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)、S變換、奇異值分解(SVD)3個部分組成。首先利用經(jīng)驗(yàn)?zāi)B(tài)分解對局部放電信號進(jìn)行分解,提取其中主要的特征量:其次對得到的特征量進(jìn)行S變換,得到時頻矩陣:然后對該矩陣進(jìn)行奇異值分解,去除噪聲:最后進(jìn)行逆S變換,重構(gòu)信號,從而得到較為清晰的時域放電信號。
-
基于鏡像奇異值分解的單樣本人臉識別
前有許多正面人臉的識別方法，當(dāng)有充分?jǐn)?shù)量的訓(xùn)練樣本時,能取得較好的識別效果，然而當(dāng)處理單樣本人臉識別問題時,效果則明顯下降。針對這種情況，提出了基于鏡像奇異值分解的單樣本人臉識別方法,通過采用鏡像的方法增加訓(xùn)練樣本信息。實(shí)驗(yàn)表明，在對人臉圖像進(jìn)行識別時取得了較好的效果，并且在一定程度上克服了單樣本條件下姿態(tài)變化對識別效果的影響。
