改进残差网络的字轮式数字表盘识别算法

针对识别字轮式表盘数字时,出现耗时长、双半字符识别率不高、模型参数过大等问题,提出了一种改进残差网络的字轮式数字表盘识别算法。首先,对采集的表盘原始图像进行预处理操作,得到包含完整字符图像和双半字符图像的数据集;其次,对ResNet-18网络进行优化改进,引入深度可分离卷积和Dropout函数;最后,加载数据集进行训练和测试。实际验证结果表明：改进后的残差网络模型识别准确率达99.8%,模型参数大小减小到7.71 MB左右,模型平均推理时间缩短至12 ms左右。     

一种联机手写汉字识别算法的设计与实现

提出了一种统计识别算法与结构算法相结合的联机手写汉字识别算法，模糊采集手写汉字与模板的结构对应关系．应用统计算法进行特征匹配识别，实现了与书写笔划顺序无关的快速、高识别率、手写字形限制小的国标两级汉字识别．     

实时识别数字和英文字母快速算法的现场可编程门阵列设计

在分析阿拉伯数字以及大写英文字母的形状特征后,提出了一种适于现场可编程门阵列(FPGA)实现的图像实时识别算法.该算法能够充分描述数字和字母图像的特征向量,然后经过预处理和定位后提取出各特征向量,最后计算出各特征向量间的距离并比较大小就能对图像进行实时识别.算法对图像平移和小角度旋转具有不变性,并且具有简单、识别准确率高、计算复杂度低、存储量小的优点.FPGA仿真结果表明,该算法只需要8 000逻辑门就能实时识别出50×75像素大小的数字和字母图像,证明了算法具有较高的可行性和高效性.     

基于嵌入式机器视觉的液气表盘识别研究与实现

传统的液气表采用分户计量,分布在不同的地点,表难以改造以实现集抄。为了实现快速地计量,展开基于嵌入式机器视觉来实现液气表盘的图像采集,自动识别网络自动传输数据,针对数字式仪表和机械式仪表盘的特色,采用了灵活的算法,实现了液气表盘数字的识别和集抄,从而提高效率。     

质心层次特征的无约束手写体数字识别

光学字符识别（ＯＣＲ）是模式识别最为成功的应用之一．目前,ＯＣＲ的研究重点是无约束手写体字符识别．采用了基于字符质心的层次特征对无约束手写体数字进行分类识别．基于字符质心的不均匀分块方法,在一定程度上可以克服无约束手写体数字字形千变万化所引起的不稳定性．层次特征将字符在空间的二维分布转化为一维,特征抽取过程简单,易于实现．将该算法应用于无约束手写体数字的信函分拣系统,单字的平均识别率达９７％以上．     

基于卷积神经网络的字轮式仪表双半字符识别

针对远程自动抄表系统中字轮式表盘出现双半字符导致识别困难的问题,提出一种基于卷积神经网络(CNN)的双半字符识别方法.对采集到的表盘图像,首先通过图像预处理和投影算法分割出完整字符和双半字符.鉴于实际图像中双半字符样本较少,不足以训练深度网络,该方法通过收集相邻数字的完整字符图像进行对齐拼接,再从中随机截取子图像从而建...     

基于形态算子的汉字字形衍生方法研究

针对传统汉字字形衍生方法的不足,提出了一种全新的基于形态算子的汉字字形衍生方法．通过对字体不同广义形态运算,选择不同的结构元,可产生不同的衍生汉字字形．对多面体及Beizer曲线与圆曲线的形态算法进行了详细讨论．实验证明运用该方法生成的汉字质量好、自动化程度高,可用于三维字体生成．     

汽车追尾预警系统中的车道识别技术的研究

基于数字标尺技术的高速公路汽车防撞系统需要解决两个关键问题：车辆纵向车间距的测定及横向车道的识别．分析了由车载摄像头获取的道路图像的特点，提出了一种车道识别的算法，使之能够自动提取原始图像的车道部分并检测出图像中的所有车道．实验表明，对于不同的天气状况和车道种类，该算法均可得到良好的识别效果．     

图像空洞填补算法及其FPGA硬件实现

文章提出了一种有效的空洞填补算法,该算法首先通过深度梯度过渡减少前景与后景的边界空洞,然后根据空洞与周围像素远近关系设置不同填补权值并进行空洞填补;同时算法依据填补像素中不同的空洞数量给出不同填补方法。仿真结果表明,目标视图的峰值信噪比与均方误差分别达到38.64 dB和8.90,能够有效地消除目标视图中的空洞。运用Quartus II软件,对该算法进行现场可编程门阵列(field programmable gate array, FPGA)硬件实现及测试;结果表明,该算法在硬件实现上也能够有效填补图像中的空洞。     

基于YOLO算法的指针式仪表智能识别系统设计

针对指针式仪表自动检测读数时,受复杂背景环境等因素影响造成仪表图像检测难、提取速度慢、仪表盘定位扭曲、倾斜等问题,提出基于YOLO算法的指针式仪表智能识别系统。首先,利用YOLO算法对工业指针式表盘进行精确定位,并使用透视变换算法进一步校正,克服表盘扭曲或倾斜带来的误差;然后,对得到的二值化图像使用几何矩算法遍历得到仪表表盘的圆心和半径,提取仪表的刻度区域和指针;最后,采用角度法计算仪表读数。实验结果表明,该系统的仪表读数识别准确率不低于95%,可满足工业应用的精确度要求。     

基于Gabor函数的汉字字体识别

汉字字体识别是当前中文OCR系统需进一步解决的问题之一,字体信息属于汉字笔画上的微细结构部分,抗干扰能力差,这样基于局部微细结构分析的方法是具有较大难度的.这里采用了一种新的基于Gabor函数的全局纹理分析的识别方法.在实验中选用了汉字4种常用标准印刷字体（宋、仿宋、黑、楷）的样张,以证实这种方法的有效性.     

基于卷积神经网络与Transformer的电能质量扰动分类方法

复杂电能质量扰动的智能分类对于智能电网发展具有重要意义。扰动特征的提取与定位、模式识别与分类是电能质量扰动分类方法研究的难点。本文采用深度学习算法,将具有关注全局信息的Transformer与善于提取局部特征的卷积神经网络相融合,提出了一种基于卷积神经网络与Transformer的电能质量扰动分类方法,即CTranCBA。这种双深度学习模型分类方法主要是通过一维卷积神经网络提取电能质量扰动信号特征,利用Transformer自注意力机制引导模型关注序列中不同位置间的依赖关系,实现对扰动信号局部特征与全局特征的互补,克服了因感受野的限制而带来的识别不清、分类不准等问题。本文使用了23种不同电能质量扰动信号,将CTranCBA与Deep-CNN、CNN-LSTM、CNN-CBAM方法进行比较,结果表明该方法在分类准确率和抗噪性方面表现优异,可为电能质量扰动智能分类提供一种新的方法。     

基于多任务压缩激发网络的行人属性识别

自然场景下的行人属性识别是一个具有挑战性的研究课题,存在行人属性类别多样、行人视角和分辨率多样、样本不平衡等诸多难点,致使难以有效建模。为克服上述难点,本文提出基于多任务压缩激发(Squeeze-and-Excitation, SE)网络的行人属性识别方法,通过多任务卷积神经网络、联合压缩激发模块与残差模块、焦点损失函数三方面改进,研究了自然场景下行人属性识别效果提升的不同方式。结果表明,本文的方法相比基线模型在Market-1501数据集和DukeMTMC-reID数据集上的准确率和效率均有提升。可见,本文的方法具有普遍有效性。     

视觉动态目标识别研究进展

近年来,基于计算机视觉的动态目标识别的研究和应用逐渐成为热点问题,通过介绍国内外基于计算机视觉的动态目标检测、确认、定位等领域的研究进展,展望目标识别的发展趋势.首先介绍目标识别过程中的典型方法,然后对基于计算机视觉的动态目标识别算法进行分类,接着对各种方法中采用的不同算法技术进行阐述,并分别介绍了各类别中具有代表性的算法及其优缺点,最后就动态目标识别领域的研究难点及发展趋势进行了简要论述.     

一种基于维度约减的快速人脸检测方法

针对视频监控中的高维度和复杂环境的困难,文章提出一种基于主成份分析与Adaboost的视频人脸检测算法．该方法先使用PCA方法对特征空间进行降维,并以PCA特征建立误分率最小化弱分类器,最后使用Adaboost算法提升弱分类器性能,将所有已训练的弱分类器联合成一个强分类器．实验证明,在正面人脸样本和具有复杂表情变化的人脸测试集上,该方法可以得到很好的检测结果．     

基于电子舌技术的不同品种大米区分识别研究

采用法国Alpha公司生产的Astree电子舌对四种不同品种大米进行区分识别研究,系统研究了大米样品经过不同预处理方法后的区分识别效果、研究味觉传感器优化前后大米样品区分效果、研究应用PCA、DFA两种模式识别方法区分识别效果;结果表明,大米经简单预处理后,电子舌能有效区分、识别出不同品种的大米。在大米品质检测方面,电子舌应用是一个新的检测方法,有着广阔的发展空间。     

噪声环境下语音识别方法研究

研究了6种噪声背景下与说话人有关的孤立词语音识别方法。它们是：线性预测误差法,单边自相关线性预测法,语音前端声学处理法,正则相关分析的谱变换补偿方法,特征综合法和同模极点增加法。实验结果表明,这6种方法都有效地提高了噪声环境中语音识别率,其中较好的方法在强噪声环境中(信噪比为0dB)的语音识别率达到80%以上,为信噪比较低的噪声环境中自动语音识别展现了美好前景。     

A New Algorithm for Feature Matching in Reverse Engineering

Feature recognition and surface reconstruction from point clouds are difficulties in reverse engineering. A new surface reconstruction algorithm for slicing point cloud was presented. The contours of slice were extracted. Then, the intersection of two adjacent curve segments in the contour was obtained and curves feature was extracted. Finally, adjacent section contours were matched directly with Fourier-Mellin curve matching method for feature extraction. An example of 3-D model reconstruction shows the reliability and application of the algorithm.     

基于深度卷积神经网络的水稻病害图像识别研究

水稻病害类型多,采集过来的图像病斑交界特征复杂多变。即便同类别水稻病害在不同的生长时期,发生在叶片、茎秆、穗部等部位呈现的病斑特征也不一样,而且不同类型病害也存在相似病斑,这些都给水稻病害图像的精准识别带来了相当大的困难。采用深度卷积神经网络模型,使用数据集扩增技术,运用fine-tune方法对网络进行调参及构建,将自然场景下采集的常见8类水稻病害图像输入网络模型中进行训练和测试,在有限的图像数量下取得较高的识别精度,其中纹枯病的准确率为93%。不同于其他方法仅聚焦在水稻叶部或稻穗部,本文识别的图像是多株水稻的场景,可为水稻病害远程自动诊断提供关键技术支持。     

舰船目标识别技术研究进展

 舰船目标的有效识别和监控对维护海洋权益、保障海上航行安全至关重要。根据舰船目标信息的获取形式，从辐射噪声信号、雷达回波信号、卫星遥感图像、合成孔径雷达图像、红外图像、可见光图像几个舰船目标的主要信息获取来源出发，阐述了舰船目标识别技术的研究进展，总结分析了目前基于不同信号源的舰船目标识别方法普遍存在的具有高度任务相关性、计算成本高与运行时间长等问题。结合深度学习技术在语音识别、图像识别等领域的发展，建议将基于深度学习技术的典型目标识别方法Faster R-CNN及YOLO引入舰船目标识别领域，以研究鲁棒性更好、准确率更高、实时性更强的舰船目标识别方法。