摘要：掌纹自动识别是对基于生物统计学的身份鉴别的重要补充。论文尝试了对掌纹图像代数特征的提取 ,并设计了基于 k- l变换的掌纹自动识别方法。实验表明 ,这种方法能够取得很好的识别效果 ,即使对于低分辨率下的图像也有较高的识别率。在此基础上结合子空间法模式识别理论 ,提出了双子空间掌纹自动识别方法。并用双子空间对各类样本的空间分布进行了更加精细的刻画。然后采用分层最小距离分类器实现掌纹识别 ,使识别率和鲁棒性得到了进一步提高。

摘要：为实现外观相似的不同玉米品种的有效识别,提出了k-l变换与最小二乘支持向量机相结合的籽粒品种鉴别方法。采用标记算法及多尺度小波分析方法获得玉米单籽粒图像,应用k-l变换技术提取籽粒图像的特征数据,设计了二叉树型多类lS-SVM分类器,实现了对特征数据的有效分类。通过试验分析,确定了较为合理的状态空间维数(l=3),正确识别率可达95.3%。

摘要：Ｋ－Ｌ变换是均方误差准则意义下的最佳交换，是心电地图数据压缩的重要方法．但Ｋ－Ｌ变换的常规算法计算量大，目前又无快速算法，实现困难．本文采用人工神经网络算法来实现Ｋ－Ｌ变换，并将其应用于心电地图的数据压缩，实验结果表明：该网络算法具有设计简单、易于实现以及对数据扰动的稳健性等优点，其压缩效果与Ｋ－Ｌ变换常规算法相当．

摘要：针对车牌识别中识别率和识别速度难以同时提高这一难点,本文提出一种k-l变换和最小二乘支持向量机相结合的车牌字符识别新方法。首先使用k-l变换对预处理后的车牌字符图像进行特征降维;然后根据车牌字符的排列特征采用聚类分析中类距离思想,设计四组最佳二叉树的最小二乘支持向量机子分类器来分别实现字母、数字和汉字的识别。实验结果表明,该方法所设计的分类器较好的解决了传统多类算法中存在的不可分区域情况,具有较高的识别率和识别速度及分类推广能力。

摘要：为了有效改善解码语音的质量,提出了一种k-l变换语音波形编码算法。由语音帧构造协方差矩阵,并对其进行特征值分解,得到特征值及其对应的特征向量,由特征向量构造正交矩阵;用正交矩阵对语音帧作正交变换得到变换系数向量;选取适当特征值对应的特征向量构造重构矩阵;用重构矩阵对变换系数向量作逆变换得到增强后的语音信号;对增强后的语音抽取并传输至解码端;通过插值技术重构语音信号。在不同信噪比下对不同语音样本进行仿真实验,并同离散余弦变换编码比较,实验表明,该算法不仅数据压缩率高、解码语音清晰和自然,而且同时实现语音良好的自适应增强。

摘要：因地质自身复杂的几何和物理特性,地质雷达采集到的图像不可避免的包含了各种各样的干扰信号。本文在分析地质雷达图像特征的基础上,采用小波域k-l变换以及多尺度多结构元的数学形态学边缘检测对图像信息进行降噪与边缘检测处理,突出地质雷达回波信号中的同相轴。仿真实验表明本文采用的处理方法,可以更好的刻画地质雷达图像中的目标信息。

摘要：首先介绍了k-l变换和近邻法判别的原理;然后以MATlAB R2009b为实验平台,分别利用类间散布矩阵和总体散布矩阵作为k-l变换的的产生矩阵,对ORl人脸库的400幅图片进行k-l变换,一部分作为训练样本,一部分作为待识别样本,训练样本以产生特征脸空间;接着计算出待识别图片在特征脸空间的坐标,采用平均近邻法进行人脸识别。最终的实验结果给出了基于两种产生矩阵的算法时间和正确识别率,实验证明采用k-l变换对人脸提取特征很有效,本文基于k-l变换和平均近邻判别法的人脸识别的方法正确率最高可达到95%。

摘要：智能巡检终端采集的电力设备数据大多为图像、视频、声音等非结构化数据,具有复杂性、多样性的特征。对上述非结构化数据提取的准确性决定了电力设备的监测能力,为此,面向智能巡检终端中的非结构化数据,提出了一种新的特征提取技术。分别识别智能巡检终端中数据的图像特征值、视频特征值、声音特征值。以识别结果为基础,对其进行归一化处理,利用k-l变换完成对数据样本的降维处理,实现对智能巡检终端非结构化数据特征的提取。实验结果表明,所提方法提取的结构化数据样本长度始终与智能巡检终端主机所需输配电数据样本长度差距小于0.05×109 MB,提高了非结构化数据特征提取的精准性。

摘要：为解决降维滤波矩阵设计存在的维数与滤波性能之间的矛盾,提出了一种结合k-l变换(karhunenloeve Transform)降维空域滤波矩阵的设计方法.该文首先推导出了滤波矩阵较大特征值的数量取决于滤波矩阵通带带宽的规律,并利用阻带衰减给出了区分大小特征值的门限,进而通过向大特征值对应的特征向量矩阵投影的方法,获得最终的降维空域滤波矩阵.仿真实验证明,由该方法获得的降维矩阵具有与降维前接近的空域滤波能力.

摘要：针对误差分散类彩色半调图提出一种边缘检测算法.首先应用k-l变换,将( R,G,B)空间转换为具有正交特性的彩色特征空间(I1,I2,I3),构造灰度图I使之包含所有单色图像的边缘信息,最后设计多尺度边缘检测模板以获取图像边缘.实验表明,算法较传统方法抗半调噪音的能力强,能快速、准确地提取彩色半调图像的边缘.