模式识别中三种字符识别的方法

本文总结出三种字符识别的方法：基于模板匹配的字符识别法、完全基于字符的结构特点和笔画类型的识别法以及利用BP神经网络的字符识别法。     

径向基神经网络算法在车牌字符识别中的应用

提出一种基于径向基网络的汽车车牌字符识别算法.在预处理阶段,采用灰度化、自适应阈值分割去除图像噪声并增强图像对比度;在字符分割阶段,采用极限元素位置确定法实现独立字符分割;在字符识别阶段,利用自行构建的字符子块图像库对径向基神经网络进行训练.选取基于反向传播(BP)神经网络的字符识别算法和基于支持向量机(SVM)的字符识别算法与文中方法进行比较.实验结果表明:文中方法在识别准确率上具有明显优势,更适用于汽车车牌的字符识别.     

基于模糊判别准则和特征加权模板匹配的字符识别

字符识别算法的设计作为光学字符识别的最关键步骤,直接影响到字符识别的精度和速度。运用特征加权模板匹配算法并结合基于模糊原理的判别准则,设计了一个字符识别算法。该算法从当前应用最广泛的模板匹配法入手,对标准模板匹配算法加以改进。在此基础上利用模糊理论作为判断标准来进行字符识别。所提算法能够充分区分开字符笔画和非笔画部分对字符识别的影响大小,从而有效地提升了识别率和鲁棒性。从实验结果来看,该算法性能较优。     

成捆特钢棒材端面字符识别算法研究

为实现特钢棒材生产信息的全流程可追溯,分析特钢棒材生产环境及形状特点,采用基于双标志点的标记方案进行标记并利用机器视觉技术实现成捆特钢端面字符的识别。首先,采用Hough变换将成捆特钢棒材端面图像分割成单根;其次,采用基于小波变换的图像增强算法完成单根特钢棒材端面图像的增强;再次,将MSER算法和边缘检测算法相结合完成单根特钢棒材字符区域的检测,并基于投影法完成字符的分割;最后,通过创建和训练SVM分类器完成每一根特钢棒材端面字符识别,并将成捆特钢棒材端面字符识别结果输出保存。结果表明,新算法可以满足成捆特钢棒材生产过程中字符识别要求,字符识别准确率可达到97.35%。新算法将Hough变换、基于小波变换的图像增强算法、MSER算法、边缘检测算法、投影法及SVM分类器等算法融合到特钢棒材端面字符识别过程中,为特钢棒材生产过程中的信息获取、信息传递及信息追溯的技术实现提供了参考。     

基于小波预处理的神经网络字符识别方法

提出了一种基于小波变换预处理的神经网络法的字符识别法,利用小波变换对字符进行了预处理,提取文字字符的主要能量特征,减少了字符特征识别的维数,与直接采用神经网络方法进行字符识别相比,所用的神经网络规模小,收敛速度快,能有效识别含有噪声的低质量模糊文字字符.     

中文字符识别系统的研究与实现

为提高字符识别率,将 DAG-SVM(Directed Acyclic Graph Support Vector Machine)算法应用于字符识别, 提出了一种基于 DAG-SVM 的 OCＲ(Optical Character Ｒecognition) 中文字符识别系统,分别对图像预处理、 分割,字符识别 3 个模块进行了研究与实现。图像预处理采用图像滤波、灰度化处理、图像归正; 图像分割包 括二值化处理、横向及纵向分割; 字符识别模块对当前流行的三大类算法进行了研究,选用 DAG-SVM 作为字 符识别的算法,并基于 Matlab 进行了实现及验证。结果表明该系统 OCＲ 字符识别率达 92． 86%。     

基于特征加权模糊模板匹配的字符识别

字符识别算法能够直接影响字符识别的精度和速度.把特征加权模板匹配算法和基于模糊原理的判别准则结合起来,设计一个字符识别算法.该算法首先对标准模板匹配算法进行改进,然后在此基础上以模糊理论作为判断标准来进行字符识别.从理论分析和实验结果这两方面来看,所提字符识别算法能够充分区分开字符笔画和非笔画部分对字符识别的影响大小,可以有效提升识别率和鲁棒性,性能较优.     

基于BP神经网络的数字字符识别

本文介绍了字符识别的常用方法及BP神经网络的基本原理,并将BP神经网络应用于数字字符识别。通过Matlab实现了对采集的数字图像进行样本训练以及基于BP神经网络的数字字符识别。仿真试验结果表明,BP神经网络可以对阿拉伯数字进行快速、准确的识别。     

基于支持向量机的车牌识别方法

车牌识别（LPR）是智能交通中关键技术之一.针对目前车牌识别技术存在的一些问题,详细分析基于支持向量机的车牌字符识别方法,字符特征提取方式采用一种基于半分积分投影法,选用高斯径向基作为核函数对字符进行训练.仿真实验结果表明效果良好.     

基于LS_SVM的车牌字符识别

提出一种基于最小二乘支持向量机（LS_SVM）的车牌字符识别算法．实验表明,该算法对车牌字符识别速度平均为19．23ms／字符,该方法可用于陕速分类识别．     

基于卷积神经网络的低分辨雷达目标一步识别技术

现有低分辨雷达目标识别通常采用先特征提取、再进行目标分类的两步识别算法,存在识别率难以提高和方法泛化性不足的问题,因此提出了一种基于卷积神经网络(CNN)的低分辨雷达目标一步识别算法。该算法直接将采样数据作为输入,利用设计的一维CNN,通过卷积池化等操作自动获取数据深层本质特征,无需特征提取,实现对目标的一步识别。仿真实验结果表明:基于CNN的低分辨雷达目标一步识别方法的识别率较传统基于提取特征的两步识别方法提高了10.31%,识别时间较传统两步识别方法减少了0.142 s,充分证明了一步识别方法的有效性,为低分辨雷达目标识别问题提供了新的解决途径。     

基于DTW的语音识别应用系统研究与实现

DTW算法在实现小词汇表孤立词识别系统时既简单又有效，在特定的场合下获得了广泛的应用。通过对语音识别数学模DTW的研究和改进，实现了一个特定人孤立词，连接词的语音识别系统。     

模式识别在门禁系统中的应用现状

人脸识别技术作为模式识别技术之一,在现代自动智能门禁控制系统中应用广泛。本文主要介绍了人脸识别技术的发展现状,主要原理和技术特征,并搭建了一套基于ARM处理器的人脸识别平台设备。     

车辆牌照字符识别

介绍了一个牌照字符识别系统的字符串图像提取部分和字符识别部分 .前者采用基于纹理的分割阈值选取方法 ,即先对牌照图像进行纹理分析 ,然后对取得的直方图采用模式识别中的最大最小准则决定分割阈值 ,其效果优于传统的直方图方法 .后者采用多个简单识别器融合方法进行字符识别 .这一方法根据不同类型识别器的特性 ,采用串、并联混合的方案将它们组合在一起 .与单一识别器相比 ,不仅大幅提高了识别率而且缩短了识别耗时 .这一系统对牌照汉字、数字和字母的识别率均大于 96%,总的牌照识别率为 82 %.     

基于改进KNN算法的语音情感识别系统

语音是人类表达情感的重要方式之一,语音中情感信息的识别已然成为人机交互不可或缺的组成部分,目前的语音情感识别技术存在一定的问题,如冗余大、识别率低等,故提出一种改进KNN识别算法。首先提取能够表征音频情感信息的特征参数,并通过优化算法对其进行筛选,然后对优化特征集运用所提算法进行识别验证。实验结果表明,笔者所提的识别算法能够用于基于语音信息的个体情绪识别状态。     

位平面分解的人脸识别集成方法研究

研究了基于集成技术的人脸识别,主要包括集成个体分类器的生成与分类结果的融合.为了提高分类器个体间的差异性,通过位平面分解及移动窗口技术生成基分类器,然后对所分解模式的各层进行融合,以确定最后的决策,这些融合方法包括乘法规则、和规则、多数投票规则、最大值规则、最小值规则与中值规则.另外,针对ORL数据库,实验研究了不同融合方法的人脸识别的性能,并对不同的人脸识别方法的性能进行了比较.结果表明,在基于位平面分解的人脸识别集成方法中,应用和规则的融合方法,其性能也优于其他的人脸识别方法.     

语音信号识别中时间规整的概率方法

本文从最大后验概率估值的角度讨论了语音信号识别中的时间规整问题,讨论了由此导出的方法与常用的动态时间规整方法之间的关系,并对这一方法的普遍意义及其在语音识别中的应用提出了看法。     

用于汉语全音节识别的新特征参数——频变参数

本文探讨了一种特定人的汉语全音节语音识别方案,介绍了一种基于人耳听觉特性的语音参数的提取方法,对以1/3倍频程分布的16个通道滤波器组的对数能量输出用非线性时域归正方法归正到定长,然后求出相邻通道间频谱的变化量,即得到一组新的特征参数——频变参数.这组参数能够较好地反映语音中与感知有关的特性,如高音、音强、音调等.音节被选用来作为识别的基本单位,以400个汉语无调音节作为字表.最后给出了识别结果.     

嵌入式智能网络视频监控系统设计与实现

网络视频监控是进行远程分布式视频监控的重要途径。设计实现了一个基于DSP的嵌入式智能网络视频监控系统。整个系统包括视频服务器端、视频客户端和视频控制端三大部分。其中服务器端采用自行研制的嵌入式DSP开发平台实现，具有体积小、智能判断运动目标等特点。测试结果表明，该系统运行稳定，对于D1格式的视频图像，能达到实时网络视频监控的目的。     

ATM系统多通道自动识别及监控功能的研究与实现

针对目前银行系统中ATM自动柜员机存在的不安全因素,将生物识别技术与传统识别方法相结合,构建了基于密码、人脸、指纹和第二代身份证识别的多通道身份自动识别系统,同时安装传感器视频监控模块,以增强ATM自动柜员机的自动识别及安全监控能力。设计中以实用性、可操作性、人性化设计为主,确保ATM系统的鲁棒性和安全可靠,且该系统可随着ATM系统软件进行升级。