专利交易市场

本发明公开了一种加工表面纹理特征自适应提取方法，按下述步骤进行：S1：利用图像采集设备获取加工表面纹理图像；S2：将获取的加工表面纹理图像转换为灰度图像；S3：根据所需任务要求，设置经验模态分解的自适应提取的最大分解层数；S4：依次在不同分解层数条件下对灰度图像进行经验模态分解；S5：计算不同分解层数条件下灰度图像经验模态分解各层特征信号与原始灰度图像之间的关联度；S6：选择最大关联度的特征信号作为加工表面纹理的提取结果。本发明能够在给定表面图像的条件下自适应进行加工纹理特征的提取，具有抗特征模态混叠能力强、旋转不变等特点。

本发明涉及一种基于UWB雷达技术的手势识别方法，属于图像处理领域。该方法包括以下步骤：(1)联合局部二值卷积层和残差模块结构的UWB手势图片LBP特征提取模块；(2)基于Shuffle Net和深度可分离卷积层改进后生成的手势识别模块UGSM和UGP NAS优化的方式组成的轻量级手势识别模块UGEN；(3)基于无代理任务的神经框架搜索(UGPNAS，UWB Gesture Proxyless NAS)的适用于手势识别的应用情景以及对应的硬件设备需求的模型训练方式。本发明通过该模块可以在极低的时间成本和少参数量的条件下获得97％的手势识别准确率，较好地满足手势识别的实际应用场景和相应的设备需求。