基于LBP-PCA的多传感器目标识别算法

为了更加有效地提高多传感器图像融合后的识别率,提出一种基于LBP-PCA的多传感器目标识别算法。首先分别对红外和可见光图像进行预处理用以突显出要识别的目标,采用LBP算法提取目标的特征点向量,利用PCA算法进行特征融合,得到降维后的融合特征,最后利用SVM(支持向量机)进行分类和识别。实验仿真结果表明多传感器目标经过LBP-PCA融合后在保持足够数量的有效信息基础上降低了特征的维数,有效地提高了目标识别率。     

基于多特征融合的远距离身份识别研究

在国际反恐背景下,对远距离人的身份进行确认越来越重要。步态和人脸这两种生物互补性质可以考虑他们作为远距离身份识别技术之间的融合。文章先提出步态识别分类方法,基于部件和LBP的人脸识别方法,并在此基础上提出了一种基于多特征融合的远距离身份识别方法。该方法根据被识别物到相机间的距离实时动态调整融合规则。实验结果表明,引入距离权重的融合方法不仅对单一生物特征识别具有良好的表现,而且也好于传统的静态(固定)融合规则。     

一种加速收敛的LDPC码译码算法

对高斯信道下LDPC(Low-Density Parity-Check)码的传统的译码算法进行分析,指出影响收敛速度的原因,并提出了一种基于整数运算的加速收敛的LDPC码译码算法。该算法融合分层译码(Layered Belief Propagation)算法、带偏移量的最小和算法(Offset Min-Sum)以及量化的优势。仿真验证表明该算法有效地减少了译码复杂度,加速了译码收敛,且性能上同传统的量化最小和算法相比没有下降。