基于小波和分形的跳频信号分类识别研究，梁颖，周亚建，扩频通信是目前军用电台的常见通信方式，采用扩频技术能够有效地降低通信信号被侦测的概率，减少敌方电磁干扰的影响。但是对于跳

行人再识别的主要任务是利用计算机视觉对特定行人进行跨视域匹配和检索。相比于传统算法,由数据驱 动的深度学习方法所提取的特征更能表征行人之间的区分性。

数据集：本实验使用 Plant Village 公开数据集。本实验中的数据集共用 38个类别名称，代表38类病害。 代码：包含resnet50\ATT-ResNet\VGG等多个模型 实现环境：Python3.6.5、keras2.2.4、tensorflow1.12

三维人脸识别研究综述，周大可，杨欣，三维人脸识别是当前人脸识别研究中的一个热点，在安全、监控、法律、金融等领域有着广泛的应用前景。文中结合近年来已发表的文献

随着深度学习的发展，研究人员开始探索将深度学习应用于行人重识别任务并提出了大量方法，随之也迎来了新的挑战。为系统地了解这一领域的研究现状和发展趋势，首先对行人重识别任务以及存在的问题进行简单介绍；其次，根据训练方式的不同，分别探讨监督学习、半监督学习/弱监督学习以及无监督学习上行人重识别任务的研究进展，并根据现有研究热度介绍生成对抗网络和注意力机制在行人重识别上的应用；之后，列举了该领域中常用的经典数据集，并对比了深度模型在这些经典数据集（Market-1501、CUHK03等）上的表现；最后，对行人重识别领域的未来方向进行了展望。

为了提高植物叶片图像的识别率, 采用改进神经网络算法, 通过径向基函数神经网络建立模型; 采用多环量子算法确定各环量子个体选择概率, 量子旋转门在一定范围内动态调整, 不同环上节点信息共享概率非线性动态变化; 对植物叶片图像进行识别, 包括形状特征、纹理特征; 通过多环量子算法实现径向基函数神经网络参数寻优。实验结果表明, 本文算法对植物叶片图像的几何特征、纹理特征、综合特征的平均识别率分别为91%, 89%, 93%, 与其他算法相比较高, 训练、识别时间分别为3.5 s、2.5 s。

基于卷积神经网络的SAR图像目标识别研究

基于计算机视觉的手势识别研究,基于计算机视觉的手势识别研究

基于VQ的特定人孤立词语音识别研究，给出了实现原理、过程和MATLAB程序。

在室外光照条件变化下进行有效的障碍物识别是高压输电线路巡检机器人所面临的技术难点之一。针对弱光条件下障碍物识别的稳健性问题，提出了一种基于机器人视觉的障碍物识别智能方法，以使巡检机器人适应各种不同程度的弱光变化。通过对采集的障碍物图像进行自适应同态滤波处理，以减少部分光照的影响；将障碍物图像分成均匀大小的子区域，运用改进的局部方向模式提取各个子区域图像的特征直方图向量，并把子块特征直方图逐个串联为总的直方图；再选用卡方距离法进行统计识别。实验结果表明：该方法使巡检机器人对输电线上的防震锤、悬垂线夹和绝缘子串能够进行有效的识别。相比于其他算法，其具有更好的抗光照干扰效果和更高的准确识别率；提升了机器人巡检过程中图像识别的稳健性、适应性和准确性，极大地提高了巡检机器人在电力行业的可持续发展性。