手写字符轮廓曲率的特征提取和识别

首先对手写体字符图像进行平滑,同时获取字符的轮廓点.然后提出了一个字符轮廓曲率计算的有效方法,为了利用小波变换对曲率信号进行去噪和平滑,该方法不是直接从轮廓点出发,而是进一步抽样得出新的轮廓点.最后得到了不受字符旋转、平移、大小、位置影响的字符特征,以及相应的识别算法.实验结果表明,它在单一的特征识别方法中优于其他方法.     

基于经验模态分解的局域网络入侵检测算法

通过对局域网络入侵的准确检测可以保障网络安全,由于局域网网络入侵信号具有瞬时频率特性,采用传统的时频分析方法难以实现有效检测,出现检测不准确的问题.为此提出基于经验模态分解的局域网络入侵检测算法,分析网络攻击的防护原理和DOS攻击对网络的危害,对信号处理方法进行检测方法设计.卡尔曼滤波方法对DOS入侵信号进行前置滤波,去除入侵信号的EMD虚假分量,采用小波阈值去噪方法进行信号提纯,采用经验模特分解方法,使得DOS入侵信号特征与干扰组成成分最佳匹配,提取HHT频谱实现对入侵信号的准确检测.仿真结果表明,采用该检测方法进行局域网入侵检测,精度较高,抗干扰性强,检测性能优于传统算法.     

碎片图像字符特征提取方法研究

字符特征提取是含文字碎片图像拼接的关键环节,直接影响拼接效果。提出了一种包含文字信息的碎片图像特征提取方法,首先,对原始碎片图像进行预处理,分别得到字符和碎片背景的二值图像;然后,利用边缘检测算子提取字符和碎片背景的单像素边缘;最后,利用结构算子检测碎片图像中字符与碎片背景边缘的交叉点,并根据交叉点的信息提取字体边缘方向特征。仿真实验结果表明本文提出的碎片图像字符特征提取方法思路合理,能够快速、准确地提取出碎片图像中的字符特征,为后续的匹配拼接奠定基础。     

基于边缘检测的提升小波图像去噪

为了图像去噪的同时能很好地保持图像的细节,提出了一种基于边缘检测的提升小波图像去噪方法,先用Canny边缘检测方法得出原图像的边缘,提升小波去噪时就可用阈值去噪而不必担心损害图像的重要特征。其去噪步骤是：对噪声污染图像进行提升小波去噪;对含噪图像提取边缘图像;对去噪图像高频系数进行阈值处理进行重构变换;图像合并。实验结...     

基于斯皮尔曼等级相关性的彩色图像椒盐噪点检测算法

为了避免在图像去噪时对非噪声点产生运算,更好地保护图像边缘细节,针对彩色图像设计了一种椒盐噪点检测方法.首先,将图像中的每个像素点作为待检测点,对待检测点及其左侧相邻像素点利用彩色图像的空间和色彩相关性构造两个6维向量;然后,算出两向量的斯皮尔曼等级相关系数,通过设置阈值T_1筛选图像中的极值点,初选出所有可能的噪点和边缘点;最后,计算初选点与其周围8个像素点之间的斯皮尔曼等级相关系数,通过设置阈值T_2将初选点确定为噪点或边缘点.仿真实验表明,利用粒子群优化算法对两个阈值参数寻优后的参考取值范围为0.28T_20.410.70T_10.80;用寻优的阈值,对椒盐噪声浓度介于0.01～0.1和0.2～0.8的含噪图像的噪点检测率分别不低于91.51%和88.01%,对加入人为噪点的含噪图像的噪点检测率不低于88.71%.该检测精度能够保证去噪后的彩色图像的CPSNR值超过57dB.     

基于小波分析的字符图像分割技术

针对汽车车牌图像自动识别的问题,提出了一种对多字符图像的快速分割技术。此技术具有很好地分析信号局部特征的优点,利用小波分析与图像投影特征相结合的方法,快速检测出图像中多字符的边缘突变点,将多字符图像分割成多个单字符区域,从而实现一幅图像中多字符的定位及分割。     

基于Matlab的车牌字符提取

基于Matlab强大的图像处理功能,首先对采集的车牌图像进行灰度化和去噪预处理,然后利用Sobel算子进行边缘检测,最后依据车牌字符对应的不同L值进行字符提取,得到了较为理想的视觉效果．     

浮选泡沫表面动态特征提取方法研究

为了解决浮选泡沫图像中光噪点多、相互黏结、无法准确地提取其动态特征的问题，提出了一种浮选泡沫表面动态特征提取的方法.首先，通过分数阶微分最小均值算法、谷底检测算法和形态学处理，得到泡沫边缘轮廓图像，再对这些图像进行三叉点检测，避免了光噪点的影响；其次，用快速视网膜关键点(fast retina keypoint, FREAK)匹配算法对特征点进行匹配，再利用随机抽样一致(random sample consensus, RANSAC)算法进一步剔除误匹配点；最后，提取出速度特征，并利用特征点对的坐标绘制出速度矢量图和曲线图.实验结果表明，该方法具有更高的抗噪性能，并能够有效改善图像的对比度、减轻泡沫图像光噪点影响、有效剔除误匹配，从而提取出准确的速度特征.本方法的提取准确率为93.3%,该提取准确率较现有一些算法有较大提高，适用于动态变化的浮选工况.     

车牌识别技术的研究与实现

在车牌自动识别系统中,因自然因素或采样因素使得原本规则的印刷体字符产生畸变,给字符识别带来了很大困难.考虑到识别的实际应用及实时性要求,采用改进的模板匹配方法先将字符细化,再结合字符的全局特征,与模板的特征矢量进行匹配,误差最小的作为识别结果.实验结果表明,该算法具有较高的识别率及较好的抗噪性能,能够实现较好的车牌识别效果.     

小波突变点检测的扩频掩密分析算法

研究了音频信息隐藏技术中的"知彼"问题——掩密分析方法。该算法首先对含密音频进行小波去噪处理,然后进行滑动相关计算,最后利用小波突变点检测技术提取特征对待分析的音频进行分类,该算法检测性能具有只受秘密信息嵌入强度影响而与嵌入容量无关的特点。实验结果表明,含密音频中PN序列嵌入强度越大,检测的正确率越高。特别在嵌入强度只有0.002时,算法的检测正确率仍然达到了80%以上,因此,算法具有良好的检测性能。     

空域相关滤波法在突变检测中的应用

为有效检测含噪信号突变点,研究了小波变换的空域相关滤波算法,并应用其分析和处理突变信号.应用Matlab分别对信噪比为15.7133 dB、10.1305 dB、5.7688 dB含噪突变信号进行仿真,结果证明,空域相关滤波算法在不同信噪比下具有良好的适应性.在信噪比为15.7133 dB时,分别运用小波阈值滤波算法和空域相关滤波法对突变信号进行处理,得到平均重构误差分别为1.1636和0.93906。证明了空域相关滤波法在突变点检测中的优越性.     

基于卷积门控循环神经网络的语音增强方法

为了进一步提高基于深度神经网络的语音增强方法的性能,针对单独使用卷积神经网络难以对含噪语音中的长期依赖关系进行建模的问题,提出一种基于卷积门控循环神经网络的语音增强方法.该方法首先采用卷积神经网络提取含噪语音中的局部特征,然后采用门控循环神经网络将含噪语音中不同时间段的局部特征进行关联,通过结合两种网络的不同特性,在语音增强中更好地利用含噪语音中的上下文信息.实验结果表明:该方法能够有效提高未知噪声条件下的语音增强性能,增强后的语音具有更好的语音质量和可懂度.     

基于层内相关性的小波相位边缘检测

图像的边缘检测是提取图像信息的主要方法,是计算机视觉和图像识别的基础,传统的边缘检测大都是基于各种算子的,这些算子在检测边缘的同时特别是对含噪图像的边缘检测难以达到理想的效果.充分利用小波变换的特点,提出一种基于层内相关性的小波相位边缘检测方法,利用小波变换后边缘点与周围局部范围内各点在相位上的相关性提取边缘.实验结果表明,本文方法在很好的检测出边缘的同时,并有较强的去噪功能.     

基于灰色理论的储粮害虫图像边缘检测方法

首先确定参考序列和比较序列,然后计算以各像素为中心的比较序列与参考序列的灰色关联度,将其与选定阈值作比较,最终判断该点是否为边缘点。与传统边缘检测算法相比,该方法对256灰度级粮虫图像能检测到连续、有效的边缘信息,且能较好保留图像细节信息,对二值含噪图像具有较强抗噪性。     

基于投影变换的锂电池喷码字符检测定位

针对锂电池喷码字符检测定位问题,提出一种基于机器视觉的定位方法.该方法首先根据锂电池图像的特点采用梯度特征对喷码字符区域进行初定位,然后通过倾斜校正得到精细定位后的字符区域.在此基础上,将阈值分割后的字符图像与形态学膨胀后的Canny边缘图像进行逻辑与操作,得到待投影字符区域,最后将待投影字符区域进行垂直和水平两次投影得到单个字符的位置信息,完成字符的检测定位.实验结果表明所研究的方法可以较好的实现对单个喷码字符的精确定位,具有一定的应用价值.     

一种基于区域分割的无阈值Harris特征点检测算法

文章针对传统Harris算法需人为设定阈值和特征点聚簇的问题,实现了一种基于区域分割的无阈值Harris特征点检测算法,在图像区域分割过程中引入了极差以剔除不存在特征点的区域,采用了计算区域信息熵差值的方式以减少噪点的干扰,针对10×10像素分块后特征点仍然过密的情况采取了四块合一块的方法,最后根据实际情况在临近的特征点中只保留特征值最高的。实验结果表明,与传统的Harris特征点检测算法相比,本文算法避免了手动设置阈值的不确定性,而且特征点分布均匀、合理,没有出现特征点聚簇的现象,同时具有一定的抗噪性。     

模糊模式的手写数字识别技术研究与实现

通过对CCD传感器获得的邮政编码的24位bmp图像进行仿真和数字识别,提出了一种基于色素的二值化方法,分别提取了邮政编码框格线的二值图像和邮件字符的二值图像;对图像处理的过程进行了分析,它包括邮编框边缘检测和分离、图像的二值化、平滑去噪、倾斜矫正、邮编数字的提取、位置归一化处理、数字图像的细化、字符识别特征提取等。首先对图像识别的预处理过程进行了阐述,然后再对预处理过的图像进行特征字符提取,并对邮件编码框格和字符进行角度修正,最后判断识别结果;在此方法中避免了框格线和编码字符线分割的困难;为了提高识别率,研究使用了手写数字多种方法的复合,使邮件编码的识别率得到了提高;实验表明:该方法可以获得较高的识别率,为邮政系统中分拣识别技术提供了参考。     

一种无监督的中文漫画对白自动定位方法

针对中文漫画图像的特点, 提出一种无监督的中文漫画图像对白自动定位方法, 以满足中文漫画移动阅读的需求。不同于现有基于学习的方法, 该方法不需要训练集, 且具有较强的鲁棒性, 主要包括3个步骤: 1) 利用包围漫画图像文字的空白区域(气泡)的连通性进行气泡检测, 并在气泡中检测完整字符对; 2) 基于字符形状与字符排版规则的一致性, 聚类形成字符行或字符列, 并提取字体特征; 3) 联合多页漫画图像字体特征, 利用贝叶斯分类器检测多页漫画中的剩余字符。在包含900页漫画图像的数据集上进行实验, 结果表明, 该方法可以有效定位中文漫画图像中的对白区域, 取得比较满意的实验结果。     

基于交叉验证法优化参数的Morlet小波消噪方法

针对机械监测故障信号的非平稳性特点,提出一种基于交叉验证法优化参数的Morlet小波消噪方法。选择与机械冲击振动波形相似的Morlet小波,对Morlet母小波进行改进,增加了波形调整参数。通过交叉验证方法设计了改进Morlet小波的波形参数和变换尺度。对信号进行连续小波变换(CWT),实现对含噪信号的滤波消噪。将该方法应用于齿轮故障检测中,对比2种传统的小波消噪方法,验证该方法能够提取出强噪声背景下的有效信号特征成分,具有较好的滤波消噪效果。     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力,是描述和检测信号局部性质的有效手段;利用小波变换模极大值能检测出信号上的所有奇异点,根据小波变换模极大值随尺度的增、减规律,去除噪声对应的极值点,再由模极大值重构信号,提出了小波变换基于奇异信号的消噪方法,并应用于对一瞬时心率信号进行消噪。