基于红外图像的绝缘子串自动提取和状态识别

为解决目前绝缘子低零值检测方法漏判率高、操作繁琐的问题,提出了一种新的绝缘子串红外图像中绝缘子盘面和铁帽区域自动提取方法和状态识别模型.首先将现场拍摄的绝缘子红外图像进行灰度化处理、去噪、二值化;然后从二值图像中提取反映绝缘子的特征点集合;通过特征点对二值图进行角度校正;最后通过区域提取中的特定算法提取出绝缘子的盘面和铁帽区域.通过提取该区域内的绝对温度、纹理和相对温差率作为绝缘子状态识别的特征集.将用电压分布法测得的绝缘子状态信息作为输出向量,通过训练得到优化的识别模型,用于绝缘子状态识别.该方法经过了220kV试验验证,证实了模型的有效性和实用性.     

基于图像RGB色彩特征的关联规则挖掘研究

对图像色块RGB值进行抽取和处理、建立常用颜色数据表和图像RGB颜色值的事务数据库D、最后应用关联规则进行挖掘.关键工作是建立"n张图像颜色值事务数据库D",它与使用传统的购物篮数据进行关联规则挖掘的事务数据表形式类似.因此,基于图像RGB色彩特征的非结构化数据挖掘问题就转化成了结构化数据的挖掘问题.     

一种改进的基于几何特征的人眼定位方法

针对灰度图像,提出一种改进的基于人眼几何特征的实现人眼快速定位的方法.先对人脸进行预处理,再根据人眼在二值图像中的几何位置特征制定人眼判定规则并粗估计图像分割的灰度门限所在范围,在该范围内通过递增灰度门限的方法,在不同灰度门限下的人脸二值图像中寻找符合规则的人眼黑块,最后通过二维相关系数来验证.抽取ORL人脸图库中24人的图片进行实验,结果比未经预处理的图片准确率提高了15%,从而证明这种算法是行之有效的.     

基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题, 提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法. 该算法主要基于图像的局部纹理特征, 先提取计算机生成图像和自然图像的特征向量, 再将该特征利用SVM分类器进行分类. 实验结果表明, 该算法可有效地鉴别计算机生成图像和真实图像.     

基于序列图像的虹膜特征提取与分类

根据单一虹膜图像进行虹膜识别时,存在被干扰影响而改变的特征,而从单一图像中无法判断这些特征的有效性.因此,根据这些特征难以对虹膜做出正确分类.针对这个问题,提出了基于序列图像的虹膜识别方法.从多个图像提取的二值相位特征,经过特征配准将虹膜特征投影,获得低维的子空间特征,用子空间上的特征作为该虹膜的特征,将其与数据库中的特征进行比对,从而进行虹膜识别.与基于单一图像的虹膜分类方法相比,该方法的虹膜分类性能明显得到改善.     

基于分形维数和小波域特征的计算机生成图像检测算法

针对自然图像与计算机生成图像在统计特征上存在的差异, 提出一种基于分形维数和小波域特征的计算机生成图像盲鉴别算法, 该算法基于统计特征对图像进行真伪识别. 在使用支持向量机作为分类器的情况下, 对800张标准图像进行实验的结果表明, 该算法对计算机生成图像检测准确率达96.5%, 明显提高了计算机生成图像的识别精度, 为数字图像的真实性提供了保证.     

基于二值图像的车牌精确定位方法

提出一种基于二值图像灰度变化特征进行车牌精确定位的方法.在车牌粗定位的基础上,对分割出的车牌图像进行二值化,对二值车牌图像进行逐行扫描,利用每一行像素的黑、白跳变规律确定车牌的上下边界;对二值车牌图像进行处理得到特征图像,通过对特征图像进行垂直投影确定车牌左右边界.测试结果表明,该方法精确定位的准确率达到99%.     

基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题, 提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法. 该算法主要基于图像的局部纹理特征, 先提取计算机生成图像和自然图像的特征向量, 再将该特征利用SVM分类器进行分类. 实验结果表明, 该算法可有效地鉴别计算机生成图像和真实图像.     

基于目标特征的图像预处理技术

结合建筑物搜索与识别的实例,提出了有利于保留目标特征的二值图像平滑算法和水平分割算法,改进了中心差分算子的边缘检测方法,并采用基于边缘特征的二值化算法对图像进行预处理.实验表明,这种基于目标特征的图像预处理方法对各种条件下采集的图像都能达到较好的处理效果,并取得了令人满意的速度.     

缩微交通环境下的锥形标识别方法

为了能够正确地识别出锥形标,并根据锥形标的摆放位置控制智能车的行驶行为,文章提出了一种基于HSV颜色空间的锥形标识别方法.该方法对图像进行预处理,提取出HSV彩色图像的S分量,并做二值化处理,同时利用腐蚀膨胀技术对二值化结果作去除孤立点、合并连通区域处理；通过基于特征匹配的跟踪算法完成锥形标识别,计算出两锥形标间的连线与智能车的夹角,从而使智能车根据此夹角控制智能车的行驶行为.实验结果表明该方法是可行的.     

管道内表面图象分析与识别系统

本文简要介绍了管道内表面图象计算机分析与识别系统的原理、结构和性能，描述了系统使用的核心技术和算法，包括图象增强、图象的特征提取和分类器的设计。     

基于单片机的图像识别模组的研究

自动识别技术是实现信息数据自动识别与采集的重要手段,是当今世界高科技领域的一项重要系统工程。而作为自动识别技术其中的重要组成部分——图像识别技术在生活中的应用越来越普遍。本文重点介绍了图像的处理、分析和识别模式。通过凌阳单片机SPCE061A与凌阳图像识别模组组合使用来验证图像识别的应用,使大家对图像识别有深层次的认识。     

用人工神经网络识别汉字的探讨

本文在分析人工神经网络原理以及汉字识别原理的基础上,提出了一种用于汉字识别的神经网络,旨在综合汉字识别过程中的噪声去除、特征抽取和识别判决,用例子训练神经网络,取代以前人们用规则对汉字识别系统的训练.     

基于机器视觉的薄带铸轧熔池液位识别方法

为解决薄带铸轧熔池液位难检测的问题,研发机器视觉识别熔池钢水液位的方法.利用线阵CCD下熔池钢水与铸轧辊灰度值有明显差别的图像特征,建立熔池液位的机器视觉检测系统.利用所选线阵相机采集图像速度快的特性,提出基于时间建立熔池液位图像原型的方法,建立了以滤波处理、二值化处理和边界识别为核心的熔池液位视觉识别模型.使用建立的系统和模型在实验室铸轧机和感应加热炉上进行了测试实验,结果表明:所建的熔池液位视觉检测系统和识别方法具备可行性,具有较高的检测精度和较快的检测速度,能够满足工业生产需要.     

基于Zernike矩的图像不变性识别研究

本文提出一种基于Zernike矩的图像不变性识别方法,用于图像的平移、缩放和旋转不变性识别。理论分析和实验结果表明,Zernike矩做为一种经典的正交矩分析方法,具有良好的抗噪能力、图像识别能力。     

维纳滤波在模糊车牌中的识别

传统的基于阈值法的汽车牌照自动识别技术在图片模糊程度超过轻微时,识别率急剧下降。在普通情况下,图片模糊程度主要集中在轻微-中度之间,如何解决这一部分图片的识别问题很有意义。本文根据车牌识别过程中,运动造成图像模糊的特点,分析了匀速直线运动时模糊图像的退化模型和恢复模型。提出了适合本系统环境下的点扩散函数模式,结合维纳滤波的方法复原图像。充分利用维纳滤波在处理图像时计算量小,抗噪性好等优点。通过计算机仿真,表明在在同等条件下,该方法该方法可以有效降低图像噪声、保持图像细节,提高图像质量。     

基于模糊神经网络的车牌图像识别方法

提出了一种基于模糊神经网络的方法对汽车车牌字符进行识别.该方法首先基于Rough Sets.思想获取初始规则和训练集,基于图像识别目标确定网络结构,通过神经网络的学习算法对网络进行优化.然后根据图像识别的模糊特性,利用模糊神经网络对汽车车牌进行精确的识别.实验结果证明该算法比常规识别算法识别率更高.     

计算机免疫系统 GECISM 中识别规则的挖掘

GECISM(GEneral Computer Immune System Model)是基于规则匹配检测的计算机免疫系统,免疫识别规则对"自我"和"非我"特征的表征能力直接影响到GECISM的性能,所以挖掘高效免疫识别规则是GECISM的一个重要研究内容.改进后的Apriori算法以系统调用序列为数据源,从"自我"集和"非我"集中计算出频繁谓词,进而产生免疫识别规则.这些规则反映了"自我"和"非我"的内在特征,是GECISM进行"非我"检测的依据.     

基于BP神经网络的图像识别研究

提出一种采用BP神经网络实现钢材编号文字识别的方法？先采用彩色图像HSI空间中S分量的特性，定位钢材区域，然后利用一系列图像处理技术，对图像中钢材编号区域定位、分割字符，最后采用BP神经网络进行字符识别。实践证明，采用BP神经网络，可有效地识别铜材编号，速度快、识别率高，具有较高的实用价值。     

图像识别神经网络处理系统

目的　研制用于二值图像实时识别的神经网络处理器; 方法　采用数字电路实现的图像识别神经网络系统有３ 大模块：边缘提取模块以二值图像序列作为输入,用平面建筑物原理和８ 邻域原理提取图像的边缘特征;特征提取模块在边缘特征的基础上提取具有不变性的角特性和组块特征;模式分类模块采用４ 层特征映射神经网络实现图像模式识别; 结果　通过对图像信号发生器送出的二值飞机图像识别说明,训练样本数越多系统识别率越高; 结论　该系统能够快速、正确地实时识别二值图像序列;