基于MATLAB的语音情感特征提取与识别研究。内容详细，适合写作论文参考

记录自己学习的一点点东西，当做是一个笔记吧。只恨自己没有及早开始写这个东西

主要为大家详细介绍了python利用opencv实现SIFT特征提取与匹配，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

MATLAB指纹识别（GUI，库外识别）,主要对指纹图像进行三方面处理：图像预处理、特征提取和特征匹配。图像预处理包括四个步骤：图像分割、滤波增强、二值化、细化，对指纹图像进行预处理后，去除了原图像的冗余部分，方便后续的识别处理；特征提取主要是提取指纹图像细化后的端点和分叉点；特征匹配是利用两个指纹图像进行特征点比较，来确定两幅图像是否来自于同一手指。

基于不变矩的数字验证码识别,本课题将模板匹配作为基本框架的验证码识别系统。本系统的优点在于能够对特定类型的数字验证码进行精确识别，实验中识别准确率可达到95％以上，并提供动态更新样本库的功能，可根据实际运行的环境提高验证码的识别率。 本案例选择了经典的数字验证码识别作为识别的对象。验证码的识别涉及图像预处理、分割、特征提取、识别等相关技术，本案例通过对彩色验证码图像进行灰度化、二值化、去噪和归一化等步骤来进行预处理，通过建立模板库的动态更新机制来提高系统的兼容性，进一步提升验证码识别的效率和准确性。

此文件收集了一些经常用到的纹理特征提取的代码，包括GLCM（灰度共生矩阵）、GGCM、GLDS（灰度差分统计）、Tamura纹理特征、LBP（局部二值模式）、HMRF、gabor变换、小波变换、Laws纹理测量等，希望给有需要的人省去一些找代码的麻烦

本程序包提供了提取图像hog特征的手段，使用的是matlab自带的函数，并且提供了简单的基于KNN分类的验证程序，用于验证所提hog特征是否有效，效果是否好于普通的灰度特征。

方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。 本文提供详细讲述和完整算法代码

本文意在讲解语音识别的方法，主要包括语音特征提取（Mel频率倒谱系数的提取），softmax分类器进行四分类，数据库为京剧。

采用新型3D传感器能够便捷地同时获取多场景、多视觉和多目标彩色和深度信息的RGB-D图像，利用其在物体重叠和遮挡下深度信息对颜色和亮度的不变特点，有效提高RGB-D图像分类的精度。对微软Kinect设备的发展及原理做详细介绍；介绍了现有的RGB-D数据集；对现有RGB-D图像特征提取与分类方法进行了归纳、分析和比较；阐述RGB-D图像分类的发展趋势。