首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

用于无声语音接口的超声图像分析

摘要第4-5页
ABSTRACT第5页
第1章 绪论第9-17页
    1.1 研究背景及意义第9-11页
        1.1.1 研究背景第9-10页
        1.1.2 研究意义第10-11页
    1.2 研究现状第11-14页
        1.2.1 无声语音接口第11-12页
        1.2.2 舌部信息采集和提取第12-14页
    1.3 论文主要工作及贡献第14-15页
        1.3.1 搭建数据采集系统第14-15页
        1.3.2 建立基于超声的中文语料库第15页
        1.3.3 超声图像分析方法第15页
    1.4 论文章节安排第15-17页
第2章 数据采集第17-23页
    2.1 数据采集系统第17-21页
        2.1.1 超声采集系统第18-19页
        2.1.2 视频采集系统第19-21页
    2.2 数据同步第21页
    2.3 语料库设计第21-22页
    2.4 数据预处理第22-23页
第3章 经典超声图像特征提取方法第23-29页
    3.1 主成分分析法第23-25页
        3.1.1 主成分分析用于超声图像的操作步骤第23-24页
        3.1.2 主成分分析的作用第24-25页
    3.2 离散余弦变换法第25-29页
        3.2.1 离散余弦变换用于超声图像的操作步骤第25-26页
        3.2.2 离散余弦变换的作用第26-29页
第4章 超声图像分析方法第29-41页
    4.1 混合特征提取方法第29-35页
        4.1.1 HWT-PCA第29-32页
        4.1.2 分块DCT-PCA第32-34页
        4.1.3 分块WT-PCA第34-35页
    4.2 DCT和LBP特征融合第35-39页
        4.2.1 LBP第35-38页
        4.2.2 特征融合方法第38-39页
    4.3 视觉特征后期处理第39-41页
        4.3.1 归一化第39页
        4.3.2 获取动态信息第39-41页
第5章 隐马尔科夫模型识别第41-49页
    5.1 隐马尔科夫模型的基本元素第41-42页
    5.2 隐马尔科夫模型的基本算法第42-45页
        5.2.1 前向-后向算法第42-43页
        5.2.2 维特比算法第43-44页
        5.2.3 Baum-Welch算法第44-45页
    5.3 使用隐马尔科夫模型进行连续语音识别第45-49页
        5.3.1 分词处理第45-47页
        5.3.2 语音标注第47-49页
第6章 实验结果及分析第49-57页
    6.1 实验条件第49页
    6.2 经典超声图像特征提取方法实验结果第49-50页
    6.3 混合特征提取方法的实验结果第50-54页
    6.4 特征融合方法的实验结果第54-57页
第7章 总结与展望第57-59页
    7.1 研究总结第57页
    7.2 后续工作展望第57-59页
参考文献第59-64页
发表论文和参加科研情况说明第64-65页
致谢第65-66页

论文共66页,点击 下载论文
上一篇:基于Restful服务的专利数据分析及可视化系统
下一篇:基于合作目标和单相机的空间相对位姿测量方法研究