车牌识别系统中的关键技术研究

针对目前车牌识别系统中的多项关键技术做了改进。车牌识别系统主要包括车牌定位、字符分割和字符识别。首先提出了基于图像转换和数学形态学的车牌定位技术;然后结合垂直投影和连通域算法对车牌进行字符分割;最后采用13点特征法提取字符特征和改进BP网络神经算法对车牌字符进行识别。实验结果表明,本算法能大大提高了车牌识别系统的准确性和鲁棒性,具有较强的实用性。     

基于粒子群优化支持向量机康复下肢外骨骼的脑电控制研究

为解决失能人群自主移动的问题,脑机接口(brain computer interface, BCI)已广泛应用于外骨骼领域,但脑电(electroencephalogram, EEG)信号因信噪比低等原因导致识别率一直难以提高。为提高基于脑机接口下肢外骨骼的信号识别率,采用粒子群优化支持向量机(particle swarm optimization-support vector machine, PSO-SVM)算法提高脑电信号识别率,取得了86.52%的脑电信号识别率。首先建立共空间模式(common spatial pattern, CSP)数学模型对脑电信号进行特征提取,随后建立基于粒子群优化的支持向量机分类模型,优化脑电信号分类关键参数,将最终的实验数据与传统的支持向量机分类方法比较,最后进行算法的验证及下肢外骨骼实验。实验结果表明：经过粒子群优化的支持向量机分类准确明显高于传统支持向量机分类。所提出粒子群优化支持向量机对脑电信号的特征识别方法可实现运动想象(motor imagery, MI)的精确识别,为脑机接口技术在康复外骨骼领域的应用提供理论基础和技术支持。     

基于Speech SDK的语音应用程序实现

利用Microsoft Speech SDK的API for Text-to-Speech和API for Speech Recognition,采用Visual Basic 6．0语言,建立文本语音转换应用程序和实现语音识别程序,简单地实现了语音识别的功能,识别出来的内容即可保存为文件,也可作为命令使用,让计算机执行某项操作。     

基于后验概率SVM的交通标志识别研究

在无人车交通标志识别系统中,以传统的神经网络算法或标准的支持向量机算法(SVM)设计的分类器,只能反映样本是否属于某类而不能确定样本属于某类的可信度,提出一种后验概率SVM交通标志识别方法。首先对检测与跟踪得到的交通标志大概区域图像进行彩色分割以精确定位交通标志区域,然后采用最大类间方差法分割交通标志的内部图案,最后将分割的结果进行大小归一化作为交通标志的特征图像以训练分类器和进行识别。实验结果表明,基于后验概率SVM的交通标志识别系统在复杂的室外环境下具有很强的鲁棒性和可行性。     

基于Fisher的手写体数字识别研究与实现

在手写体字符识别研究中,由于书写风格的不同造成了字体变化大,导致识别难度很大,采用面积滤波对数字图像预处理消除离散点,使用Fisher分类器对样本进行分类识别,进行了手写体数字识别研究与实现,分类器识别正确率为96%.     

全自动焦度仪电路系统的设计

本文介绍了全自动焦度仪的电路系统设计,着重论述了一种基于DSP控制与CPLD图像采集与处理系统的工作原理。该系统能够准确测量眼镜片的屈光参数,技术指标达到了国家相关检验标准。     

维纳滤波在模糊车牌中的识别

传统的基于阈值法的汽车牌照自动识别技术在图片模糊程度超过轻微时,识别率急剧下降。在普通情况下,图片模糊程度主要集中在轻微-中度之间,如何解决这一部分图片的识别问题很有意义。本文根据车牌识别过程中,运动造成图像模糊的特点,分析了匀速直线运动时模糊图像的退化模型和恢复模型。提出了适合本系统环境下的点扩散函数模式,结合维纳滤波的方法复原图像。充分利用维纳滤波在处理图像时计算量小,抗噪性好等优点。通过计算机仿真,表明在在同等条件下,该方法该方法可以有效降低图像噪声、保持图像细节,提高图像质量。     

小议英语修辞手法的翻译策略

本文通过分析两位译者对美国小说The GreatGatsby中象征、拟人、头韵、警句等修辞手法的不同处理手法,简要总结了两位译者英语修辞手法的翻译策略。     

雷达辐射源识别数据融合基本概率分配函数建模

通过对全脉冲、批数据等各级数据进行分析,并与识别结果进行比对、核实和验证,发现复杂电磁环境下各独立侦察设备侦收到的数据和雷达辐射源识别信息具有模糊性和不完整性,造成识别过程中出现错误,甚至输出毫不相关的识别结果。针对这种情况,采用基于D-S证据理论数据融合的方法对雷达辐射源进行识别。此外,结合雷达辐射源识别问题的特点,借鉴信息论中熵的概念,对基本概率分配函数进行了建模。仿真结果表明该方法具有优良的性能。     

对隐性知识持有者的科技奖励何以可能?

从广义的科技奖励来看,对隐性知识持有者进行科技奖励是可能的,对隐性知识持有者的科技奖励可以通过隐性知识测量、隐性知识共享等直接奖励的方式,也可以通过对隐性知识的效用进行奖励等间接奖励的方式。对隐性知识持有者的科技奖励是一种"能力—承认"模式,这在一定程度上弥补了默顿"成果—承认"模式的不足,将更加有力地推动科学技术的快速、高效发展。