复杂性分析方法在语音及图像处理中的应用研究

摘要

现阶段,信号处理的传统方法大部分是基于线性的理论,而信号本身并不是线性的,我们用线性的方法处理非线性的信号仅仅是最大似然的逼近,并不能真正反映信号本质的东西,这就需要我们研究用非线性的方法来处理非线性的信号.该论文的目的是用非线性的处理方法进行信号处理.该文主要探讨了复杂性测度在说话人识别、车牌定位中的应用,并取得了可喜的研究结果.可以说,非线性的处理方法将在信号处理的研究中起到越来越大的作用.说话人识别方面,该文做了以下研究工作:1.提出了一种能够有效反映说话人个人特征的KC复杂性特征.2.基于传统的MFCC美尔倒谱特征和这种新的特征(KC复杂性特征)建立说话人辨认系统,该文设计了文本有关和文本无关的说话人辨认系统.车牌定位方面,该文做了以下研究工作:1.提出一种反应不同模块特征的KC复杂性特征对所关心的车牌区域和背景模块进行标测,实现车牌定位.2.该文还特别研究了背景模块有竖条纹理干扰情况下的车牌定位有效性.

目录

摘要

Abstract

第一章绪论

1.1概述

1.2复杂性概念

1.3非线性处理方法应用于说话人识别

1.4非线性处理方法应用于车牌定位

1.5本课题的工作

第二章复杂性测度及KC复杂性

2.1概述

2.2复杂性测度的分类

2.3 Kolmogorov复杂性

2.4复杂性的新定义

2.5小结

第三章复杂性测度在说话人识别中的应用研究

3.1概述

3.1.1说话人识别的技术难点

3.1.2说话人识别的基本原理

3.1.3表征说话人的基本特征

3.1.4说话人识别的主要方法

3.2说话人识别的特征提取

3.2.1语音信号的预处理

3.2.2说话人传统特征提取

3.2.3 KC复杂性特征提取

3.2.4不同参量结合特征

3.3说话人识别方法

3.3.1概述

3.3.2高斯混合模型GMM说话人识别

3.4说话人辨认系统的实现

3.4.1概述

3.4.2文本有关的说话人辨认系统实现

3.4.3文本无关的说话人辨认系统实现

3.5实验结果

3.5.1语音数据库

3.5.2实验数据分析

3.5.3结论

3.6小结

第四章复杂性测度在车牌定位中的应用探讨

4.1概述

4.1.1车牌识别的基本原理

4.1.2车牌定位技术及难点

4.1.3车牌定位研究的现状

4.2二维图像的一维化

4.3图像复杂性特征的提取

4.4车牌区域的确定

4.5车牌与图像竖纹区分

4.5.1图像预处理

4.5.2车牌与图像竖纹复杂性特征的提取及区分

4.6实验结果

4.7小结

第五章总结与展望

致谢

参考文献

研究生期间发表的论文