基于BP神经网络的手写数字识别系统

提出了利用BP神经网络方法来实现手写数字识别系统的方案。手写数字图像通过颅处理后,在特征提取方面采用两种适应性较强的特征提取方法,即18点特征提取方法和手写数字笔画特征提取法．不但减少了提取时间。而且提高了手写数字图像的识别率。利用Visual C＋＋编写手写数字识别系统,得到了较好的识别结果。     

基于Matlab的车辆牌照识别系统

介绍了一种基于Matlab的车辆牌照识别系统,采用基于灰度跳变的定位方法,先对图像进行预处理,再用CAN-NY算子做边缘检测、开闭运算子和车牌长宽比特征识别以实现车牌的定位,最后用二次水平投影分析和阈值技术有效检测了车牌图像的上下左右边框、旋转角度,从而准确实现车牌字符的分割.     

基于Matlab的火灾图像预处理

本文研究了在Matlab环境下如何对图像,特别是火灾图像进行预处理。预处理的过程分为两个步骤,包括火灾图像的增强和滤波。用一些Matlab的处理实验来分析说明各种方法对火灾图像预处理后所得到的效果。     

脱机手写体数字识别研究综述

介绍了目前脱机手写体数字识别在预处理、特征提取、分类识别3个阶段主要采用的方法,比较了各种方法的优缺点,并提出了一种将相关向量机有效地用于解决多分类问题的方法.最后指出今后研究中需要注意的问题和方向.     

手写体数字识别系统中一种新的特征提取方法

本文对手写体数字的特征提取方法进行了讨论,分析了当前使用较多的三种特征提取方法,指出了各自的优缺点,并在此基础上提出了一种新的特征提取方案,即13点特征提取方法,该方法从每个字符中提取关键的13个点作为特征点,其主要特点是特征提取简单有效,节省了特征提取时间,提高了识别系统的运行速度.用同一种网络对特征提取后的结果进行训练和识别.仿真结果表明,13点特征提取法用于手写体数字的识别有着极好的适应性,在运行速度和识别率上比起其它算法都有很大的提高,从而极大地证实了新算法的有效性及实用性.     

基于VC++和Matlab混编的DICOM医学图像分割实现

DICOM是各种数字化影像设备的图像格式和数据传输标准,许多医学图像都采用了DICOM标准。本文通过综合分析VC++和Matlab几种接口方式,结合实例在Matlab中编写COM组件实现DICOM图像读取和文件类型转化,在VC++环境中利用混合编程技术调用COM组件,并采用半阈值化算法对获得的图像进行分割。混编方法结合了VC与Matlab各自的优势,实现过程方便快捷,实验分割效果良好。     

手写数字体自动识别技术的研究现状

脱机手写数字体自动识别一直以来是图像处理与模式识别领域中的研究热点及具有较高的实用价值。文章对手写数字体研究现状进行概述,着重分析了预处理中的二值化、细化等方法,对特征提取中较重要的统计特征和结构特征分别进行阐述,讨论了分类识别中BP神经网络、支持向量机等关键技术的各种主流方法。通过分析,以期使读者对手写数字体识别的进展有较全面的了解,并对未来的研发有切实的帮助。     

基于Matlab的数字滤波器设计

Matlab软件所带有的信号处理工具箱、图像处理工具箱和小波等工具箱等能够很好地进行数字滤波的设计和实现,研究基于Matlab的ⅡR滤波器与FIR滤波器的原理及设计实现的方法,设计了一种数字滤波器,并利用一段语音信号进行了仿真,仿真结果显示,所设计的滤波器具有良好的性能.     

基于改进特征提取的BP神经网络车牌识别

车辆牌照的自动识别是计算机视觉与模式识别技术在智能交通领域的重要应用．为提高车牌字符识别系统对字符的整体识别能力,对车牌上的汉字与数字字符做分类处理,利用粗网格、边框和笔划密度方法更好地提取识别对象特征,最后采用BP神经网络进行字符识别．实验表明,本文所采用的方法能达到较好的识别效果,说明多种特征提取方法和神经网络识别技术的有机结合能显著提高系统性能．     

基于LVQ神经网络的人脸朝向识别方法

为了满足图像和视屏中人脸的位置,朝向和旋转都不是固定的特点,利用LVQ神经网络模型对图像中人脸朝向识别进行研究.实验采用Matlab工具箱进行LVQ神经网络设计,实现对人脸朝向的判断.实验结果显示,LVQ神经网络可以根据输入图像的二值信息,以较高准确率判断该图像的人脸朝向.     

基于混合特征提取的手写体数字识别方法的研究

文章对用ＢＰ神经网络实现手写体数字的识别进行了研究，提出混合特征提取的方法，提高了特征提取的效率和识别率，对一些不能识别的样本做了分析和研究，采取在样本集中增加相近样本的方法改善神经网络对这些样本的识别效果。     

基于LVQ神经网络的手写字母识别

提出了一种基于LVQ神经网络的手写英文字母识别方案.介绍了LVQ神经网络的基本原理,并利用LVQ神经网络的结构简单、泛化性能好、收敛速度快的特点,将它应用于复杂的英文字母识别.通过对英文字母图像进行预处理和特征提取,将提取的特征对网络进行训练,并利用训练好的网络对英文字母进行识别.Matlab仿真实验结果表明,LVQ神经网络可以对英文字母获得较高的识别率.     

基于ROLS的径向基函数神经网络实现数字调制自动识别

针对径向基函数(RBF)神经网络和统计模式识别的特点,提出利用递归正交最小二乘法(ROLS)的RBF神经网络实现数字信号调制样式的自动识别。仿真结果表明,利用ROLS算法很好地实现了RBF神经网络权值的确定和中心的选择,从而大大减少了网络的训练样本数和训练时间,提高了网络的识别性能。     

印刷体数字识别系统的 FPGA 实现

为提高处理速度,构建了一种基于现场可编程门阵列(field programmable gate array,FPGA)的印刷体数字识别系统.该系统采用基于投影特征的字符分割和基于统计特征的字符识别原理,在Nexys-3硬件平台上完成了OV7670摄像头数据采集、图像预处理、字符分割与识别和结果显示的功能.在设计中,采取仅存储二值化图像的方法来降低系统对存储资源的需求,并使用乒乓操作进行存储从而达到实时处理的目的.为更合理地使用FPGA器件的内部资源,调用了片内数字时钟管理单元(digital clock manager,DCM)、乘法器、双端口RAM以及先入先出队列(first input first output,FIFO)等IP核(intellectual property core).最后在Modelsim中进行时序仿真,验证各个子模块的功能,并将各模块集成在开发板上进行硬件实现.通过对实验结果分析可知,该系统使用了较少的逻辑资源,在摄像头的帧速率为30 f/s的情况下,可以成功实时识别印刷体数字并将识别结果输出.     

基于Matlab的图像联合变换相关识别的实现

介绍一种用M atlab软件编程实现图像联合变换相关识别的方法。该方法利用M atlab软件的科学计算功能和强大的绘图功能,采用光学图像联合变换相关原理能快速实现图像的识别与筛选,并得到运算结果的二维与三维图,有利于实时图像判别,为图像识别的光机电一体化和小型化提供了理论依据和实现手段。     

基于数字水印的安全图像认证算法的Matlab实现

对数字图像进行真伪认证近年来引起人们的广泛关注,使用数字签名及数字水印均可对图像进行认证。与数字签名相比,基于数字水印的图像认证算法因具有众多优点而成为研究热点。本文介绍了一种用于图像认证的安全数字水印算法并给出其Matlab实现。     

基于神经网络的字母识别系统的设计与实现

基于神经网络,采用Matlab 6.5和Visual C,设计一个字母识别系统.该系统通过对BMP图片的二值化处理,在VC环境下调用Matlab,并将把二值化后的数据进行网络训练,从而实现26个英文字母的识别.系统性能的测试表明,系统所训练的神经网络有很好的抗干扰能力.     

基于Matlab的FIR数字滤波器的设计

介绍了应用Matlab语言设计FIR数字滤波器时采用的两种方法直接程序设计法和使用FDA-tool界面的设计法,同时介绍了FIR数字滤波器几种设计方法的函数调用格式;通过实例,给出了程序设计法和使用信号处理工具箱中的FDAtool界面进行设计的详细步骤,并在Matlab的Simulink环境下,对所设计的滤波器进行了仿真。     

基于Markov随机场模型的数字X光图像自适应增强算法

为明确X光图像纹理粗细和组织分布状况,强化呈现身体结构信息,降低模糊图像对医生诊断病情结果的错误判断,提出一种基于Markov随机场模型的数字X光图像自适应增强算法.该算法首先统计X光图像全部范围内相同亮度像素,利用直方图均衡化法将原始图像变换成灰度级分布影像,消除光线干扰;然后分析组织属性,通过灰度共生矩阵提取X光图像的纹理特征,获取图像纹理粗细和布局结构的灰度信息;最后通过映射函数和对数函数计算平均亮度,用Markov随机场模型调整图像明暗度,补充纹理细小部位亮度,再用随机场函数划分光滑图像,采取二次重构,以保证图像锐化增强效果平衡.仿真实验结果表明,该算法能提升图像的内部信息清晰度.