① 如何提取特征三类:韵律特征,音质特征,mfcc参数
特征提取
一、 low-level,主要是MFCC,以及基于MFCC并对其优化的一些方法。 1、 MFCC
2、 抗噪声较优的方法:
WMVDR:warped minimum variance distortionless response
Multitaper MFCC:思想是用multiple windows(tapers)来代替汉明窗。
MHEC:mean Hilbert envelope coefficients.此方法对抗汽车噪声很有用。 3、 对抗回声较优的方法(reverberant robustness):
FDLP: frequency domain linear prediction
4、 融合MFCC的方法(fusion with MFCC):
SCF/SCM: spectral centroid frequency/magnitude
该方法的提出,是考虑到MFCC子带中无法体现能量分布,而FM(frequency molation)计算量太大。
FFV: fundamental frequency variation,该方法同时考虑到了MFCC和韵律(prosodic)
信息.
HSCC: Harmonic structure cepstral coefficient,该方法体现了能量分布,实现用到了
LDA。
二、 high-level,主要是基于phone ,syllable ,word 一级。 1、 韵律特征(prosodic features)
目前研究的有 pitch distribution和non-uniform extraction region features(NERFs) 2、 音素特征(phonetic features)
建模可以用N-gram,也可以用SVM建模。 3、 语法特征(lexical features)
词一级的N-gram,建模的方法有LLR(log likelihood ration)和SVM.SVM的效果应该更好一些。 4、 cepstral-derived features
实现用最大似然线性回归MLLR(maximum likelihood linear regression)
一些特征: MFCC
PLP 感知线性预测 LPC 线性预测系数 过零率 LSP 短时能量 子带流量比 亮度 基频
频谱峰值点 SDC CEP 线谱对 频谱能量
Delt(MFCC)
② 语音识别特征参数提取
你意思是已经有原始特征集了还是要收集原始特征集? 如果是前者就是KL变换用的多
③ 如何从特征参数中提取信号特征频率
采样频率越高,时域波形的细节变化越明显,分析频率的上限越高,反之亦然。
④ 集和几种常用的特征提取方法,常用的分类算法
竞争性自适应重加权算法(CARS)是通过自适应重加权采样(ARS)技术选择出PLS模型中回归系数绝对值大的波长点,去掉权重小的波长点,利用交互验证选出RMSECV指最低的子集,可有效寻出最优变量组合。
⑤ 地物特征遥感信息提取和分类方法研究的意义与目的
遥感影像提供了目标区域的极为丰富的、复杂的大量数据,其反映了农、林、水、土、矿产、能源、海洋等各种地表信息。但是由于每个象元同时包含有不同地物在水平和垂直方向上交叉重叠的波谱特征,而且这些特征也仅代表地物的局部性质,使影像与地物之间存在某些对应关系,即所谓遥感影像的多解性。影像处理的最终目的是确定影像上的某些目标与地物之间的对应关系。从而达到认识地物状态的目的。
现阶段遥感影像的提取任务是应用数学方法确定影像与某些地物的对应关系并匹配到人眼的观察范围之内。
遥感影像信息的提取技术在地质领域的应用主要表现在对岩矿信息以及岩性识别信息的提取上,主要的研究对象是地球表面地质体(例如岩石)的分布规律、物化属性等信息的提取,目的是通过研究它们的电磁波辐射特性有效地识别地质体的物理、化学性质与运动状态,探测地质作用发生的过程与演化机制,为开展地质构造研究、矿产资源勘查、区域地质填图、环境和自然灾害监测等工作服务。与一般地质勘查方法相比,遥感具有宏观、快速、准确等技术优势,因此常作为地质勘查工作的先期手段,用于大面积的遥感地质调查和专题制图工作。
岩石是地壳主要的物质组成,是开展地球科学研究的基础,是各种地质现象和矿产资源赋存的载体,因而岩石学是地球科学研究中最重要的基础学科。遥感作为现代科学中一种新兴的对地探测技术,理所当然地把岩性信息提取和岩石分类研究作为遥感地质学最重要的内容,成为当今遥感地质研究的前沿和焦点。随着遥感信息获取技术的不断进步,高光谱分辨率(纳米级)和高精度空间分辨率(米级)遥感数据,为岩性遥感和岩性填图带来了大量的新型信息和新的发展机遇,使遥感地质工作在更高水平上开拓和深化。
遥感技术的理论基础是物理学的电磁波理论,电磁波与岩石和地层表面物质发生作用,产生岩石和地质体的特征光谱,不同物质成分的岩石和地质体,形成不同的特征光谱。它们在可见光、近红外和热红外形成各自连续的光谱分布,光学遥感就是依据这些不同光谱分布表现出来的特征(能量、谱形等)来探测目标的。不同物质成分构成的岩石和矿物同样具有不同的光谱能量和谱形特征,了解、认识了这些光谱特征,就能够利用遥感信息提取技术识别它们。因此,基于光谱特征的岩性遥感信息提取与岩石分类方法研究具有重要的理论和现实意义。
在遥感应用中,岩矿信息往往因其组合共生与风化分布的复杂性、地壳覆盖物(比如土壤)和植被的干扰、混合象元以及大气辐射的影响而使特征表现较弱、信息有一定的不确定性和模糊性。随着遥感传感器性能的提高,尤其是成像光谱仪的出现,改善了信息识别与提取的技术环境。使遥感从对地物的鉴别(discrimination)发展到对地物直接识别(identification)的阶段。
在遥感地质应用中,对岩矿光谱和空间分布精细特征的探测是空间与光谱高分辨率遥感的优势所在。矿物中离子与晶格位置的差异、元素的变化,岩石中矿物成分的不同以及成生的背景环境的影响等造成岩石矿物谱形特征各异。因此,岩矿光谱特征,尤其是其诊断性特征是岩矿信息识别与提取的基础,也是遥感技术革新与开发的基石。以光谱特征及其差异为基础,利用相应的遥感信息处理技术可直接识别岩矿类型,划分变质相带,圈定矿化蚀变中心及矿化蚀变带;根据提取的矿物(尤其是蚀变矿物)及其相对丰度分布进行共生组合与成矿关系分析,圈定成矿靶区,进行资源潜力评价。
因此,本研究立足于实验室标准矿物光谱与地质应用的关联分析,探讨遥感岩矿(含微量元素)信息的识别、提取与量化的光谱特征;进而基于光谱特征知识和现代数理方法,利用ETM,MAIS,AVIRIS和PHI数据,研究和发展不同尺度下遥感岩矿信息提取的技术;探索与研建遥感岩矿信息提取优化组合模型与技术集成。
经过近30年发展,遥感技术在数据获取技术方面得到突飞猛进的发展,图像信息提取及分类技术都取得了长足的进步,应用领域不断扩展,研究程度不断加深。作为一门边缘学科,遥感地质学必须不断地应用新型遥感数据、引入先进的图像处理和信息提取技术并开展新的信息分析方法研究。遥感信息一次性记录了地质历史过程的综合景观,通过遥感信息反演地质过程中某一段成矿作用所遗留下来的痕迹(构造、岩性和蚀变信息)比较困难,因为,这些信息具有信息弱、隐蔽性强、地表贫化的特点,这也造成利用遥感信息反演成矿信息时的多解性和不确定性。本文针对地质成矿信息的特点,改进和发展了三种遥感岩石岩性信息提取和分类识别的方法,在新疆哈密地区善鄯南山金矿区遥感试验场进行了应用研究,取得了良好的效果。
⑥ 我要提取一组信号点的特征参数,但是不知道都有哪些时域统计特征提议提取。
有效值
峰值
峭度
偏度
短时能量
峰值因子
波形因子
脉冲因子
K因子
⑦ 图像的特征提取都有哪些算法
常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。
一 颜色特征
(一)特点:颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征。另外,仅使用颜色特征查询时,如果数据库很大,常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法,其优点是不受图像旋转和平移变化的影响,进一步借助归一化还可不受图像尺度变化的影响,基缺点是没有表达出颜色空间分布的信息。
(二)常用的特征提取与匹配方法
(1) 颜色直方图
其优点在于:它能简单描述一幅图像中颜色的全局分布,即不同色彩在整幅图像中所占的比例,特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于:它无法描述图像中颜色的局部分布及每种色彩所处的空间位置,即无法描述图像中的某一具体的对象或物体。
最常用的颜色空间:RGB颜色空间、HSV颜色空间。
颜色直方图特征匹配方法:直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。
(2) 颜色集
颜色直方图法是一种全局颜色特征提取与匹配方法,无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从 RGB颜色空间转化成视觉均衡的颜色空间(如 HSV 空间),并将颜色空间量化成若干个柄。然后,用色彩自动分割技术将图像分为若干区域,每个区域用量化颜色空间的某个颜色分量来索引,从而将图像表达为一个二进制的颜色索引集。在图像匹配中,比较不同图像颜色集之间的距离和色彩区域的空间关系
(3) 颜色矩
这种方法的数学基础在于:图像中任何的颜色分布均可以用它的矩来表示。此外,由于颜色分布信息主要集中在低阶矩中,因此,仅采用颜色的一阶矩(mean)、二阶矩(variance)和三阶矩(skewness)就足以表达图像的颜色分布。
(4) 颜色聚合向量
其核心思想是:将属于直方图每一个柄的像素分成两部分,如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值,则该区域内的像素作为聚合像素,否则作为非聚合像素。
(5) 颜色相关图
二 纹理特征
(一)特点:纹理特征也是一种全局特征,它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性,并不能完全反映出物体的本质属性,所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同,纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行统计计算。在模式匹配中,这种区域性的特征具有较大的优越性,不会由于局部的偏差而无法匹配成功。作为一种统计特征,纹理特征常具有旋转不变性,并且对于噪声有较强的抵抗能力。但是,纹理特征也有其缺点,一个很明显的缺点是当图像的分辨率变化的时候,所计算出来的纹理可能会有较大偏差。另外,由于有可能受到光照、反射情况的影响,从2-D图像中反映出来的纹理不一定是3-D物体表面真实的纹理。
例如,水中的倒影,光滑的金属面互相反射造成的影响等都会导致纹理的变化。由于这些不是物体本身的特性,因而将纹理信息应用于检索时,有时这些虚假的纹理会对检索造成“误导”。
在检索具有粗细、疏密等方面较大差别的纹理图像时,利用纹理特征是一种有效的方法。但当纹理之间的粗细、疏密等易于分辨的信息之间相差不大的时候,通常的纹理特征很难准确地反映出人的视觉感觉不同的纹理之间的差别。
(二)常用的特征提取与匹配方法
纹理特征描述方法分类
(1)统计方法统计方法的典型代表是一种称为灰度共生矩阵的纹理特征分析方法Gotlieb 和 Kreyszig 等人在研究共生矩阵中各种统计特征基础上,通过实验,得出灰度共生矩阵的四个关键特征:能量、惯量、熵和相关性。统计方法中另一种典型方法,则是从图像的自相关函数(即图像的能量谱函数)提取纹理特征,即通过对图像的能量谱函数的计算,提取纹理的粗细度及方向性等特征参数
(2)几何法
所谓几何法,是建立在纹理基元(基本的纹理元素)理论基础上的一种纹理特征分析方法。纹理基元理论认为,复杂的纹理可以由若干简单的纹理基元以一定的有规律的形式重复排列构成。在几何法中,比较有影响的算法有两种:Voronio 棋盘格特征法和结构法。
(3)模型法
模型法以图像的构造模型为基础,采用模型的参数作为纹理特征。典型的方法是随机场模型法,如马尔可夫(Markov)随机场(MRF)模型法和 Gibbs 随机场模型法
(4)信号处理法
纹理特征的提取与匹配主要有:灰度共生矩阵、Tamura 纹理特征、自回归纹理模型、小波变换等。
灰度共生矩阵特征提取与匹配主要依赖于能量、惯量、熵和相关性四个参数。Tamura 纹理特征基于人类对纹理的视觉感知心理学研究,提出6种属性,即:粗糙度、对比度、方向度、线像度、规整度和粗略度。自回归纹理模型(simultaneous auto-regressive, SAR)是马尔可夫随机场(MRF)模型的一种应用实例。
三 形状特征
(一)特点:各种基于形状特征的检索方法都可以比较有效地利用图像中感兴趣的目标来进行检索,但它们也有一些共同的问题,包括:①目前基于形状的检索方法还缺乏比较完善的数学模型;②如果目标有变形时检索结果往往不太可靠;③许多形状特征仅描述了目标局部的性质,要全面描述目标常对计算时间和存储量有较高的要求;④许多形状特征所反映的目标形状信息与人的直观感觉不完全一致,或者说,特征空间的相似性与人视觉系统感受到的相似性有差别。另外,从 2-D 图像中表现的 3-D 物体实际上只是物体在空间某一平面的投影,从 2-D 图像中反映出来的形状常不是 3-D 物体真实的形状,由于视点的变化,可能会产生各种失真。
(二)常用的特征提取与匹配方法
Ⅰ几种典型的形状特征描述方法
通常情况下,形状特征有两类表示方法,一类是轮廓特征,另一类是区域特征。图像的轮廓特征主要针对物体的外边界,而图像的区域特征则关系到整个形状区域。
几种典型的形状特征描述方法:
(1)边界特征法该方法通过对边界特征的描述来获取图像的形状参数。其中Hough 变换检测平行直线方法和边界方向直方图方法是经典方法。Hough 变换是利用图像全局特性而将边缘像素连接起来组成区域封闭边界的一种方法,其基本思想是点—线的对偶性;边界方向直方图法首先微分图像求得图像边缘,然后,做出关于边缘大小和方向的直方图,通常的方法是构造图像灰度梯度方向矩阵。
(2)傅里叶形状描述符法
傅里叶形状描述符(Fourier shape descriptors)基本思想是用物体边界的傅里叶变换作为形状描述,利用区域边界的封闭性和周期性,将二维问题转化为一维问题。
由边界点导出三种形状表达,分别是曲率函数、质心距离、复坐标函数。
(3)几何参数法
形状的表达和匹配采用更为简单的区域特征描述方法,例如采用有关形状定量测度(如矩、面积、周长等)的形状参数法(shape factor)。在 QBIC 系统中,便是利用圆度、偏心率、主轴方向和代数不变矩等几何参数,进行基于形状特征的图像检索。
需要说明的是,形状参数的提取,必须以图像处理及图像分割为前提,参数的准确性必然受到分割效果的影响,对分割效果很差的图像,形状参数甚至无法提取。
(4)形状不变矩法
利用目标所占区域的矩作为形状描述参数。
(5)其它方法
近年来,在形状的表示和匹配方面的工作还包括有限元法(Finite Element Method 或 FEM)、旋转函数(Turning Function)和小波描述符(Wavelet Descriptor)等方法。
Ⅱ 基于小波和相对矩的形状特征提取与匹配
该方法先用小波变换模极大值得到多尺度边缘图像,然后计算每一尺度的 7个不变矩,再转化为 10 个相对矩,将所有尺度上的相对矩作为图像特征向量,从而统一了区域和封闭、不封闭结构。
四 空间关系特征
(一)特点:所谓空间关系,是指图像中分割出来的多个目标之间的相互的空间位置或相对方向关系,这些关系也可分为连接/邻接关系、交叠/重叠关系和包含/包容关系等。通常空间位置信息可以分为两类:相对空间位置信息和绝对空间位置信息。前一种关系强调的是目标之间的相对情况,如上下左右关系等,后一种关系强调的是目标之间的距离大小以及方位。显而易见,由绝对空间位置可推出相对空间位置,但表达相对空间位置信息常比较简单。
空间关系特征的使用可加强对图像内容的描述区分能力,但空间关系特征常对图像或目标的旋转、反转、尺度变化等比较敏感。另外,实际应用中,仅仅利用空间信息往往是不够的,不能有效准确地表达场景信息。为了检索,除使用空间关系特征外,还需要其它特征来配合。
(二)常用的特征提取与匹配方法
提取图像空间关系特征可以有两种方法:一种方法是首先对图像进行自动分割,划分出图像中所包含的对象或颜色区域,然后根据这些区域提取图像特征,并建立索引;另一种方法则简单地将图像均匀地划分为若干规则子块,然后对每个图像子块提取特征,并建立索引。
⑧ 用什么数学模型可以提取特征参数
我的数学基础也比较差,大一数学都是刚及格,然后考研数一考了120多分,不是很好,不过我自己挺满意的。我是先过一遍课本,细枝末节的,搞明白了,然后就是李永乐的复习全书,难度适中,对于其中很偏的,我们底子差,也不用说全都透透的,掌握个80%,这本书,我做了一遍,梳理了一遍,然后错题什么的整理了一遍,最后就是刷真题了。真题一天一套,这是最后冲刺的时候练手感的。 说的好像做了很多,其实我也就从7月份开始准备的,每天要有计划,安排的东西都要落实下去,是真的会做了,数学这东西,就是要会做题,做得出来,什么都好说。 反复的练习,反复的做题很重要,一定不要默默地看,这样子费时费力,但是眼高手低,一到做题,那个手感,还是练出来的。练到最后,什么题型,什么方法,烂熟于心。
⑨ labview设计语音识别系统如何提取特征参数
3.2 ECG特征点的提取方法 因为Peak Detection VI的输出中已包含有相应点的幅值、二阶导数及位置索引信息,在确定R峰点后,可进一步根据ECG的特点确定出其它各特征点。完整的ECG特征点判别方法及步骤为:(1)幅值最大或二阶导数最小(或两者同时满足)的波峰点判定为R峰点;
(2)R峰点之前的第一个小于零的波谷点(Valley)为Q点;
(3)R峰点之后第一个小于零的波谷点(Valley)为S点;
(4)Q点之前合理时限内的最大波峰点为P点;
(5)S点之后合理时限内的最大波峰点为T点。
(U波幅度较小且目前对其认识还不清楚,本文不作讨论。)4、基于虚拟仪器LabVIEW8.2的编程实现 按图2流程编制LabVIEW8.2程序,考虑到实际ECG波形中存在干扰,阈值(Threshold)不宜取零。程序中采用本周期段数据中最小波谷点的0.02倍作为Valley点阈值,最大波峰点的0.03倍作为Peak点的阈值,这样可将基线附近的绝大多数高频干扰点避开,这些干扰点将不会出现在输出序列中
⑩ 成像光谱遥感岩矿光谱特征信息量化、识别和提取的方法研究
从分析机载成像光谱遥感的几何光学位置(太阳光—岩矿目标—传感器)关系出发,在分析数据的几何特性和辐射特性的基础上,开展适合于国土资源调查的机载成像光谱数据的几何纠正和辐射纠正方法技术研究,并进行岩矿地质体光谱特征反演的方法技术分析。提高成像光谱技术的应用效果、促进其朝着产业化的方向发展的另一关键技术是发展岩矿光谱特征量化、信息提取和识别技术方法。从地质调查的应用出发,结合地质信息、岩矿光谱特征信息以及其他相关岩矿测试技术手段提供的信息(如岩矿鉴定、XRD、电子探针和化学分析等),利用反演的成像光谱数据发展成像光谱遥感矿化蚀变(异常)信息的识别技术。通过有效的岩矿信息识别与提取,为地质矿产资源评价提供更有利的成矿蚀变信息。
通过这些分析研究为开展地质矿产资源评价分析提供可靠的高光谱分辨率的成像光谱反射率数据。同时通过开展数据处理分析方法研究,以形成成像光谱岩矿识别的方法技术流程,能够推进机载成像光谱技术朝着产业工程化的方向发展。