从工程图子分离和识别字符模式的技术

提出了一种内，外边缘的快速检测方法分离工程图中的字符模式，该方法具有很高的可靠性，可分离写或印刷体的英、法、德、俄、希腊字母、阿拉伯数字和汉字、对于字符识别，采用了Ｈｏｐｆｉｅｌｄ人工神经网络模型，并引入了“半优化”学习算法替代传统的Ｈｅｂｂ学习算法，获得了较好的效果。     

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。     

基于图像处理的车牌识别研究

该文对基于图像处理的车牌识别算法进行了研究。首先,采用灰度化和阈值法进行图像预处理,消除一部分背景信息;其次,采用Canny边缘检测算法提取车牌边缘,采用开运算和闭运算等形态学操作来改善边缘提取的效果,使车牌区域尽量互相连通,进一步消除干扰,准确定位车牌;第三,采用垂直投影法对车牌进行字符分割;最后,采用模板匹配的算法对车牌字符进行识别。Matlab仿真分析表明,该文设计的车牌识别算法可有效地实现车牌识别。     

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.     

改进特征的车牌识别算法

由于光照不均、倾斜、模糊、字符笔画粗细不均匀、切分位置偏差因素,现有车牌识别算法的最终字符识别正确率较低。对现有几种BP字符识别算法所选取的输入特征进行改进和融合,作为BP神经网络的输入,以提高识别的准确度。通过对大量样本仿真实验,证明新特征很好地保留了字符的纹理信息,提高了BP网络对畸异字符的适应性,同时提高了综合识别率,有较高的实用价值。     

改进神经网络与遥感图像的识别

BP网络的分类方法被广泛应用于遥感图像分类,但它存在局部最小值、隐含层节点数及训练速度等问题.高阶神经网络从一定意义上克服了这些缺点,取得比较好的分类效果.本文提出了对高阶神经网络算法的改进,将高阶神经网络作进一步扩展,使其特征数的局限减少,并结合自适应方法,使分类细化,且速度不会影响太大.本文简单介绍了BP网络和高阶神经网络各自的特点;详细描述了改进后的算法,提出对原有的学习方法速度的提高办法;最后分析了应用此算法识别图像的优势和灵活性.     

小波与数学形态学在车牌识别中的一些应用

本文通过小波分析、数学形态学及相应的投影算法，用计算机自动识别车车牌图像。     

基于识别反馈的粘连字符切分方法研究

字符切分是影响OCR系统识别的关键因素之一.对于中英文混排粘连字符图像,笔者提出了一种基于字符类别的识别反馈的字符切分方法.该方法结构简单,容易实现,实验结果表明该方法切分效果好.     

基于动量BP神经网络的英文字符识别

英文字符识别已经广泛地应用于很多重要领域.已有的英文字符识别算法很多,一种典型的算法是BP神经网络算法.但是,BP神经网络算法有时不收敛,或陷入震荡.这就导致识别率下降.为此,本文研究了一种改进的称为动量BP神经网络算法用于英文字符识别.这种算法在BP神经网络算法的网络参数控制中添加一个动量系数和一个动量项.这样可以避免迭代的震荡,加快收敛速度.提高识别率.利用动量BP神经网络算法,对52个英文大小写字符进行了识别试验.实验结果表明,这种算法能获得满意的识别率.     

基于JAVA的鼠标书写的非常用字符识别

采用JAVA语言,通过合理设置网络的变量,改进误差逆传播校正方法(BP算法),缩短了BP算法的学习时间,提高算法的运算速度,实现了鼠标书写的非常用字符识别.试验程序验证表明,识别程序能快速准确识别用鼠标书写的字符.     

基于OpenCV的车牌识别系统研究

车牌识别系统是以汽车牌照为特定目标的专用计算机视觉系统,是智能交通系统的重要组成部分.介绍了一种基于Visual C++平台与Intel开源计算机视觉库OpenCV的静态复杂背景下的车牌识别系统的开发方式.该方式中采用空间域滤波和形态学方法确定车牌的轮廓,采用频域、空间域分析和几何校正相结合的方法对车牌歪斜情况进行校正,最后通过字符分割和模板匹配实现车牌号码识别.经在Visual C++平台下验证,此方法适用于车牌歪斜的情况,识别速度快,准确率高.     

基于统计特征的人脸识别研究

奇异值特征向量是用于图像识别的有效代数特征,但直接用奇异值特征向量做匹配进行人脸识别,识别率极低。通过对人脸图像奇异值向量和其对应的左右正交特征矩阵分析,发现图像的奇异值向量与图像的灰度范围具有相关性,即最大奇异值反映了图像灰度范围的位置,其他奇异值反映了灰度范围的宽度,而且与图像奇异值向量对应的左右正交特征矩阵能够表现图像轮廓的结构信息。基此,提出基于奇异值分解（singular value distribution,SVD）的基空间人脸识别算法,并通过ORL和ORL-IC数据库进行仿真,实验结果分析证明了图像的左右正交特征矩阵能够表现图像轮廓的结构信息。     

基于计算机图像处理的板形识别研究

提出了一种基于计算机图像处理的板形识别方法。首先对输入系统的图像进行中值滤波去噪预处理;再 通过Canny算子检测图像的边缘;用Hough变换提取钢板板形特征;最后根据板形特征应用分类决策树实现对钢 板板形的分类。实验表明该方法能有效地识别出钢板的单边浪、双边浪、中间浪和边中浪。     

基于计算机图像处理的板形识别研究

提出了一种基于计算机图像处理的板形识别方法。首先对输入系统的图像进行中值滤波去噪预处理;再通过Canny算子检测图像的边缘;用Hough变换提取钢板板形特征;最后根据板形特征应用分类决策树实现对钢板板形的分类。实验表明该方法能有效地识别出钢板的单边浪、双边浪、中间浪和边中浪。     

基于RGB-D图像的手语识别算法研究

手语作为表达信息的一种方式,是聋哑人与外界交流的最主要途径。随着人工智能技术的发展,新型、自然、便捷的人机交互方式已经成为当今各行业交互方式的新趋势。传统手语识别方法普遍存在背景干扰严重、特征提取不完整及识别准确率低的缺点。针对以上问题进行研究,提出基于彩色-深度（RGB-D）图像的手语识别算法。在静态孤立词手语识别的基础上测试,实验对比结果表明,基于RGB-D的方法能得到比传统手语识别算法更好地性能;利用深度信息处理图像,有效地去除了场景中光照、背景的干扰,同时结合肤色信息去除非手形部分;采用概率神经网络（PNN）手语分类器对孤立词的识别准确率超过90%,取得了较高的识别率。     

基于模板匹配的车牌字符识别算法研究

针对车牌识别中的字符识别问题,提出了一种改进的模板匹配方法,首先把字符模板根据某种特征进行粗分类,特征类似的分到同一组,识别时首先提取字符的这种特征,根据特征提取相应分组的模板进行匹配,最后给出识别结果。     

基于改进的KPCA的TOFD图像缺陷识别方法

针对TOFD D扫描图像缺陷提出一种新的缺陷识别方法.该方法首先采用KPCA(核主元分析算法)进行特征提取,并采用微粒群算法(PSO)自动优化核参数δ,最后用SVM分类器完成特征识别.在134幅TOFD缺陷图像中,分别采用(PCA+SVM)、(KPCA+SVM)和(PSO-KPCA+SVM)三种方法进行试验,试验结果表明,所提出的方法识别正确率更高.     

基于Bayes决策的手写体数字识别

提出了一种用Bayes决策理论进行手写体数字识别的方法，对已知类别的样品提取特征建立数字样品库，对于任意的手写数字提取特征，根据数字样品库中已知样品的特征，运用基于最小错误概率的Bayes决策进行识别、实验证明Bayes决策理论用于手写体数字的识别有较好的效果，一般情况下识别率能达到96％以上．     

视频图像车牌颜色辨别方法

在实际应用环境的视频图像中,车牌颜色极易受到天气、光照、粉尘、车牌污垢等的影响．传统的车牌颜色辨别方法主要是通过判断车牌颜色分量的阈值来实现的．在视频图像中,由于车牌颜色变化大,很难找到恰当的阈值,因而传统的车牌颜色辨别方法已不具有普遍的适用性．针对这个问题,该文提出了一种全新的基于AdaBoost算法的车牌颜色辨别方法,通过提取车牌字符和背景在RGB和HSV空间的颜色特征,训练出AdaBoost分类器,从而对车牌颜色进行判断．实践证明,该方法不仅可以很好地判断出视频图像车牌的颜色,对于一些非车牌区域的排除也可以达到很好的效果,