摘要：由于中亚地区某些文种相似度较高,单一纹理特征不能充分描述它们的纹理特点。为此,提出基于NSCT子带纹理特征融合的文种识别方法,即先对预处理后的文档图像进行非下采样Contourlet变换。对变换产生的子带分别提取局部二值模式和灰度共生矩阵特征,生成高维融合特征向量,通过主成分分析法对其进行降维生成低维特征向量。通过对阿拉伯文、俄文、藏文、中文、维吾尔文、英文、蒙古文、吉尔吉斯斯坦文、哈萨克斯坦文、土耳其文进行实验,验证了该方法能更准确地提取文档图像多尺度、多方向的纹理特征,有效提高识别率。

摘要：提出灰度共生矩阵特征加权融合和BP神经网络的维吾尔文手写签名鉴别方法。提取灰度共生矩的能量、熵、惯性矩和局部平稳性等4种特征并对其进行加权融合的方法进行签名鉴别。实验结果表明,15名签名者的(共600个签名样本)平均签名鉴别率为91.78%。与同样规模的GPDS英文签名进行对比实验可知,本文提出的方法对维吾尔文手写签名具有较高的稳定性和鉴别能力。

摘要：为有效解决文档图像中单词漏切分和过切分问题,分析维吾尔文文档图像的无嵌入式双栏版面特性和文字特点。综合考虑连体段位置信息、密度及高宽特征和相邻连体段重叠性,提出一种文档图像中精确切分完整单词块的方法。将图文混排的版面分析与重叠域合并相结合,采用两级K-means分类策略,有效避免标点符号的影响,增强完整单词块的被切分能力。实验结果表明,该算法比连通域搜索算法和投影算法具有更高的切分精度,在多文种图像单词切分中具有更高的有效性。

摘要：为有效提取和融合表情多粒度特征信息,降低自然场景人脸表情数据集存在不确定性和错误数据等因素致使准确率难以满足现实需求的问题,基于深度卷积神经网络提出多粒度与自修复融合的表情识别模型。采用拼图生成器生成不同粒度图像,利用渐进式的训练过程学习不同粒度图像之间互补的特征信息,采用自修复方法避免网络过度拟合错误样本图像,对错误样本进行重新标注。在AffectNet数据集和RAF-DB数据集上准确率分别达到了63.94%和87.10%,实验结果表明,该模型具有较高的准确率和良好的鲁棒性。

摘要：对维吾尔文签名图像进行预处理(含灰度化、平滑、二值化、归一化、细化等)的基础上,提出基于密度特征的维吾尔文离线签名识别方法,结合签名样本的空间地位信息,对离线签名进行有效处理和识别。从维吾尔文签名样本库中选取75个签名者的(20个样本/人)1500个签名样本进行分类实验,得到最高为96%的识别率,实验结果表明,密度特征是维吾尔文手写签名的一种有效特征,能较全面地描述与捕捉维吾尔文手写签名的书写特点。