基于模糊神经网络的车牌图像识别方法

提出了一种基于模糊神经网络的方法对汽车车牌字符进行识别.该方法首先基于Rough Sets.思想获取初始规则和训练集,基于图像识别目标确定网络结构,通过神经网络的学习算法对网络进行优化.然后根据图像识别的模糊特性,利用模糊神经网络对汽车车牌进行精确的识别.实验结果证明该算法比常规识别算法识别率更高.     

基于双语对齐的汉语–新蒙古文命名实体翻译

汉语–新蒙古文命名实体翻译在跨汉语–新蒙古文信息处理中具有重要意义,而直接使用机器翻译的方法不能达到满意的结果。针对上述问题,提出一种从汉语–新蒙古文平行语料中自动抽取汉语–新蒙古文命名实体翻译对的方法。该方法只需对汉语端进行命名实体标注;然后基于双语HMM词对齐结果,利用滑动窗口的方法抽取所有候选命名实体翻译对;最后基于融合5种特征的最大熵模型,对所有候选翻译单位进行过滤,选取与汉语端命名实体相对应的置信度最高的新蒙古文命名实体翻译单位。实验结果表明,该方法优于基于HMM的方法,在对齐模型只是部分准确的情况下,也获得较高准确率的汉语–新蒙古文命名实体翻译对。     

汉语分词中一种逐词匹配算法的研究

提出了一种改进的运词匹配算法．该算法通过对非歧义字段切分,对人名地名进行判别,以及对伪歧义字段进行处理,使交集型歧义字段切分正确率有了大幅度提高．在5万汉字语料开放测试中,交集型歧义字鼹切分正确率可达98％以上．     

采用部分灰度压缩扩阶共生矩阵的煤和煤矸石图像识别

提出一种基于部分灰度压缩扩阶共生矩阵的煤和煤矸石图像识别方法.首先,对煤和煤矸石0~255级灰度图像的前部分灰度信息作灰度级压缩和灰度矩阵扩阶处理,对剩余灰度级部分保持原灰度级不变;然后,根据灰度共生矩阵纹理特征分析理论,分别计算压缩扩阶后的煤和煤矸石灰度图像的能量、熵、惯性矩及相关性.最后,对煤和煤矸石各100张样本采集图像进行处理,并依据特征参数分类识别.结果表明:基于部分灰度压缩扩阶共生矩阵的特征参数能够很好地对煤和煤矸石图像进行有效识别,总的正确率达到93.5%.     

基于贝叶斯分类器的实时图像目标识别实验研究简

基于对不完全朴素贝叶斯分类器的分析,提出一种离线训练在线识别的目标图像识别与跟踪实验方法.实验将模板图像与目标实时图像之间的特征匹配问题转换为特征分类问题,并在成像自寻的导引系统上运行.实验结果表明,该方法在保持很高鲁棒性的同时,大幅减少在线目标识别的计算量,具有较强的实时性.     

用于功率谱分析的楔环阵列探测器

楔环阵列探测器是光电混合型功率谱分析系统实现光电转换的关键器件。本文报导了环探测单元没有角度盲区的新型楔环阵列探测器的设计、制造和特性。     

基于模板匹配的图像配准算法

在研究传统图像匹配方法和分色理论的基础上，提出了基于模板匹配的图像配准算法．在将标准图像和待测图像分别分色的基础上，采用序贯相似性检测算法对各色灰度图像分别进行模板匹配，并根据匹配数据，对图像进行平移、缩放及旋转操作，使两幅图像能够在空间上配准．实验表明，算法的效率和精度与采集设备的分辨率、模板选取以及匹配区域大小等因素有关，与传统图像配准算法相比，效率和精度分别提高了30％和35％以上，不仅满足了彩色精密印刷品质量检测的要求，而且还可应用于其他图像快速配准的过程中．     

一种新的文本预处理方法研究

文本预处理是整个字符识别系统的重要组成部分．它的性能的优劣，对整个字符识别系统的识别率和识别速度至关重要．由于汉字印刷文稿版面的复杂性，其文本预处理远比西文困难．本文提出了一种新的文本预处理方法．实现了含有文字字符，图形，图片和表格的、版面结构复杂的数字图象的分割．整个算法分为两个阶段完成：首先，从图形的连通原则出发，定义了扩展连通域的概念，对整个文本图象逐行扫描，搜索出所有的扩展连通域，进而通过集合的交、并操作，将属于一个字符或图象、图片和表格的若干个扩展连通域合并．这时扩展连通域已标记文本图象中的字符尺寸大小和位置．然后，基于同一行字符的间距的知识，将扩展连通域合并为逻辑字符行（横，竖）；由字符行的高（宽）度的一致性及间距的知识，将逻辑字符行合并为逻辑块：按照印刷文稿的排版规律完成版面的结构识别、并将标记字符位置和大小的扩展连通域的顺序按版面结构信息重新组合，最后把字符规范为一定尺寸的点阵图象输出到字符识别器．本文提出的文本预处理方法已经实现．经实际运行测试表明，系统对于复杂版面的文件，书刊和报纸的文本图象的分割，具有较好的效果．     

纯Peer-to-Peer环境下有效的本体匹配方法

目前大多数的Peer-to-Peer(P2P)系统由于欠缺对语义的支持而不能很好地应用于知识共享领域.可能的方法是采用本体(ontology)来描述Peer节点共享资源的语义.针对纯P2P环境下不同节点单独维护局部本体异构的特点,提出了基于历史查询记录的纯P2P环境下的本体匹配方法HOM.首先利用历史查询记录挖掘出概念之间可能存在的映射关系,然后利用向量空间模型VSM(vector space model)方法来识别概念在语言学上可能存在的联系,进而修正概念之间的映射关系,建立不同节点间本体概念的匹配.分析和仿真表明,与现有方法相比,HOM方法考虑了节点的自治特性,并提高了本体匹配的精度.     

图像识别中颗粒形状表征方法的研究

针对图像识别中颗粒形状表征方法的问题,采用图像处理技术,提取出颗粒形状特征参数一形状系数,计算结果表明：利用该参数可以识别颗粒的形状特征及类型,并为在线测量和识别颗粒提供了依据。