基于阈值分割和区域生长的车牌识别方法

【目的】改善车牌定位的质量,提高车牌识别的正确率和效率。【方法】联合使用阈值分割和区域生长算法进行车牌定位,使用垂直投影法进行字符分割,并使用字符模板匹配方法实现车牌字符的识别。【结果】基于阈值分割与区域生长的车牌识别方法能准确地识别出车牌号,识别率高,运行速度快。【结论】该方法实时性较好,具有一定的实用价值。     

动态载荷识别的小波正交算子变换法

在动态载荷识别动力学方程中引入离散正交小波 (即Haar小波正交基 ) ,从而得到了一种新的动态载荷识别方法小波正交算子变换法 .此方法对高阶模态信息能有效地提取 ,克服了傅立叶变换的缺点 ,从而提高了动态载荷的识别精度 .用一简单质量弹簧系统验证了本方法的正确性     

一种基于小波变换和模板的人脸检测方法

提出了一种基于小波变换和模板匹配的人脸检测方法.首先通过小波变换,取其低频系数后设置阈值,生成若干个二值化的候选区域,然后对模板进行旋转伸缩变换,再与候选区域进行匹配.该方法能在复杂背景下快速检测人脸,并且不受人脸旋转角度的影响.实验结果表明,该算法是十分有效的.     

人民币纸币冠字号码字符识别方法研究

以倾斜校正算法和模式识别算法2项核心技术为目标,充分利用霍夫变换法和最小二乘法在直线检测中的优点,采用一种结合霍夫变换法和最小二乘法的直线检测算法来求得人民币纸币图像的边缘直线及边缘直线的倾斜角度参数,并采用图像旋转变换算法实现对原倾斜人民币图像的倾斜校正.采用Hopfield神经网络的联想记忆功能,缩小待识模式与标准模板的差异,再用模板匹配法对Hop field神经网络的输出结果进行识别,得到最终的识别结果.实验证明,结合Hopfield神经网络和模板匹配法的人民币冠字号码识别方法具备较高的识别率.     

基于改进A*算法的地图游戏寻径研究

【目的】对 A*算法进行研究和改进优化,以提高基于 A*算法的地图游戏寻径效率。【方法】使用最小二叉堆和标记数组两种混合数据结构优化OPEN表的存储和遍历,用夹角余弦值作为新的启发信息,减少搜索过程中对非最有节点的考察量,通过仿真实验对标准 A*算法、改进 A*算法地图寻径进行数据对比分析。【结果】综合地提高了路径搜索的效率。【结论】通过对 A*算法进行改进优化,有效提高了基于 A*算法的地图游戏寻径效率。
     

基于改进A~*算法的地图游戏寻径研究

【目的】对A~*算法进行研究和改进优化,以提高基于A~*算法的地图游戏寻径效率。【方法】使用最小二叉堆和标记数组两种混合数据结构优化OPEN表的存储和遍历,用夹角余弦值作为新的启发信息,减少搜索过程中对非最有节点的考察量,通过仿真实验对标准A~*算法、改进A~*算法地图寻径进行数据对比分析。【结果】综合地提高了路径搜索的效率。【结论】通过对A~*算法进行改进优化,有效提高了基于A~*算法的地图游戏寻径效率。     

基于眼睛特征定位的人脸模板匹配算法研究

采用基于眼睛特征定位的人脸模板匹配方法，利用不同长宽比的多个人脸模板对候选人脸进行匹配，并利用人脸器官的边缘分布图进行分块验证。在图像增强的基础上，利用自适应阈值的方法对图像进行二值化，结合模板匹配的方法准确提取出双眼对，有效的减轻后期人脸模板匹配的工作量，提高了系统的执行效率。     

一种阈值动态调整的仿生同步自主定位方法

针对仿生导航中鼠类同步定位与构图(RatSLAM)算法对连续经历场景出现漏匹配和错误匹配的问题,提出一种阈值动态调整的仿生同步自主定位与构图(DT-RatSLAM)方法。该方法在局部视图细胞生成阶段,引入阈值增强项和阈值衰减项,将前几帧图像的识别结果作为激励,实时动态地调整当前帧图像的模板识别阈值,并根据阈值判断是否生成新的局部视图细胞,然后综合连续场景的模板识别结果,对经验图进行闭环修正。仿真实验结果表明,与固定阈值条件下的RatSLAM算法相比,基于阈值动态调整的DT-RatSLAM方法在模板识别方面不仅能够保证不出现错误的匹配,而且正确识别率达到了99.6%,促使运行体能够对生成的经验图及时进行修正,提高了经验图的准确性,在算法运行时间方面比最优固定阈值的RatSLAM算法平均减少了13.5%。     

一种带有隐藏约束昂贵黑箱优化问题的改进响应面方法

【目的】提出一种求解带有隐藏约束的昂贵黑箱优化问题的新响应面方法。【方法】对SHEBO算法进行了改进，取消了MADS强化搜索这一步骤，节约了昂贵黑箱目标函数的估值次数，并改善了响应面模型的更新策略，从而提高了算法效率。【结果】得到了新的带有隐藏约束昂贵黑箱优化问题的响应面方法。【结论】通过50个标准的测试问题对新算法的数值表现进行了评估，结果表明新算法优于原有的SHEBO方法。     

Fisher市场均衡问题的新全牛顿步可行内点算法

【目的】基于光滑中心路径的等价变换，提出一种新的求解Fisher市场均衡问题的线性权互补(Weighted linear complementarity problem, WLCP)模型的全牛顿步可行内点算法。【方法】扰动WLCP，构造光滑中心路径的新代数等价形式，运用牛顿法得到新搜索方向，从而提出求解Fisher市场均衡问题的全牛顿步可行内点算法。【结果】算法采用全牛顿步避免线搜索，提高计算效率，且具有可行性和多项式复杂度。【结论】初步数值结果表明算法有效。     

一种改进模板匹配的车牌字符识别方法

提出了一种改进模板匹配的车牌字符识别方法。详细介绍了车牌字符识别的过程,主要包括模板的建立,基于弹性网格的字符特征提取,模板匹配的步骤及改进方法。运用该方法不仅可减少计算量,而且提高了实时性。实验结果表明,提出的方法具有效率高、精确度好等特点,识别率可以达到90%以上。     

用于实时跟踪的模板匹配神经网络算法

研究复杂背景下运动目标的识别和跟踪.提出了一种新的基于模板匹配的神经网络结构,将模板与跟踪窗内待匹配区域的像素按环形排列,分别作为神经网络的阈值和输入,选择跟踪窗内与模板相对应的各环差值均较小的区域作为识别结果.由于模板匹配过程中像素按环形排列,因此对于目标的平移和旋转均具有不变性,同时,算法计算量比最小绝对差累加和算法略小.将该算法应用到实时跟踪系统中,实验结果表明该算法可满足跟踪系统实时性要求,验证了算法的有效性.     

字符图像识别的分布加权模板匹配方法研究

使用标准模板匹配识别算法对图像中的字符进行识别时,图像中的背景噪声会导致识别准确率较低.为了提高识别准确率,提出一种基于分布加权的模板匹配识别算法,在获取图像与模板在对应的各个像素点上的匹配情况后,根据点间距分别对匹配点和不匹配点进行聚类,将聚集在一起的点划分到同一个分组中,根据聚类结果对不同组内的点设置不同的权重值,再计算图像与各个模板的匹配度,将匹配度最高的模板代表的字符作为识别的结果.实验结果证明,此算法提高了对有背景噪声的字符图像进行识别的准确率.     

高频区雷达目标识别模板构造方法研究

提出了将最大最小相关模板应用于高频区雷达目标模板构造的思想，这种方法的操作对象为多个距离像，即将一定姿态范围内的距离像用一个组合模板来表示，从而使得数据库中目标模板数量减少。最大最小模板具有与其所代表的距离像之间的最小相关最大的特点。     

AutoCAD应用与开发技巧

模板图作为标准图纸,介绍了开发制作符合我国国家制图标准样板所需的标准设置和制作方法。通过样板文件的制作,使设计者快速创建新图形,减轻了设计者的工作强度,极大地提高了设计效率。     

图像识别技术在活塞装配自动识别系统中的应用

介绍了应用数字图像处理与识别技术检测活塞装配质量问题。针对在工作现场采用CCD摄像机采集的活塞图像，结合模板匹配、阈值分割、特征提取、模式识别等算法，通过适当的处理和分析，对活塞图像中目标文字进行自动检测与识别，最终实现了对活塞装配质量的机器自动识别。实践证明，该方法具有一定的快速性和实用性。     

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。     

基于改进深度学习的车牌字符识别技术研究

为解决传统车牌字符检测方法可靠性差、效率低的问题,提出采用haar级联检测结合深度学习方法的卷积神经网络车牌字符识别方法。采用haar级联分类器提取出图片中车牌的位置,通过灰度、阈值、腐蚀、膨胀等预处理技术提取出车牌字符;通过收集字符数据,对CNN神经网络在角度倾斜、光照变化和噪声污染条件下进行训练,使用训练后得到的模型对车牌字符图片进行识别。实验结果表明, 该方法识别车牌字符正确率较高,在角度倾斜、光照变化和噪声污染条件下的准确性和稳定性较好,能够有效地降低车标识别的错误率。     

一种新的用于集装箱字符的识别方法

主要以集装箱字符识别为例,详尽地论述了模板匹配的基本,同时,为了提高识别率,减少计算量和运行时间,满足实际应用的需要,特别是针对在实际图像中背景与字符均是彩色信息的应用来说,其二值化得到的图像可分为两种,即黑底白字和白底黑字,为了解决同一字符需要制作正反两种不同标准模板的问题,提出了一种改进的标准模板制作方法,这种模板能够自适应地匹配二值化后的正反图像,算法简单实用,理论与实验结果均表明,改进的模板匹配方法具有较高的识别率和坚韧性。