基于小波变换的字符识别快速算法

提出了一种基于小波变换的识别图像中英文字母、数字以及汉字字符的快速算法.算法通过将字符二值化点阵图像进行垂直与水平方向投影,实现了从二维图像数据到一维数据的转化.对于W×H大小字符图像,相对于传统算法,本算法将运算量从W×H数量级降至W+H数量级,大大降低了后续处理运算的时间复杂度,同时保留了足够的关于字符垂直及水平点阵分布的特征信息.将投影得到数据进行2层小波分解,从其中各层平滑分量提取一个特征信息,将其与模板字符对应的特征信息进行分析比较,实现了字符的快速高效识别.实验结果表明,运用此快速算法可使字符总的识别率达到92%以上.     

一种曲面药瓶标签校验方法关键技术

针对药瓶标签具有曲面性以及采集设备视角小的问题,提出了一种基于全景拼接技术的药瓶标签校验方法.采用柱面反投影算法将发生畸变的曲面药瓶标签进行校正,使用SIFT尺度不变特征算法对校正后标签图像进行拼接,提取拼接后的标签名等信息,采用基于连通域的字符分割技术进行字符切分,计算分割字符与模板字符的特征矩阵及相似度矩阵,从而识别出药瓶标签.结果表明,该方法能够校正标签两侧的文字压缩,实现图像拼接,得到包含完整药瓶名称的图像,并能够实现字符的准确切分,具有速度快和识别率高的优点.     

基于AR动态图像的人体动作识别方法

传统算法在三维影像转化为二维数据的程序运算过程中错误率较高,故提出了基于AR动态图像的人体动作识别技术.对AR动态图像中的人体动作图像进行预处理,通过摄影设备采集人体数据信息,以此构建人体特征三维模型,并标记此模型中的各节点,通过AR技术使三维人体模型做出不同动作,同时进行三维动态跟踪识别,将这些动作所涉及的数据记录下来,以此实现人体动作识别.设计实验进行验证并与传统方法进行对比,证明所提方法能够实现人体动作识别,充分体现了 AR动态图像算法的优越性.     

重轨生产线钢坯字符识别方法

针对重轨生产线钢坯支支跟踪的需求,研究了一种基于计算机视觉的钢坯字符识别方法.该识别方法对在线采集到的钢坯字符图像采用基于最大类间方差的多级分割滤波与聚类处理突出字符目标区域,从而精准定位出钢坯字符;采用基于智能多代理者的切分算法来完成钢坯字符的精确切分;采用模板匹配与结构特征识别相结合的多级识别方法来正确识别出钢坯字符.实验结果表明所提出的算法能正确快速地识别出钢坯号字符.     

片上网络良率评估的GPU加速

针对片上网络良率评估速度较慢、效率较低的问题,研究片上网络良率评估的GPU加速,提高评估算法的执行效率.将良率评估中的样本分析算法移植到GPU平台;在分析、比较了不同平台,随机样本生成算法优劣的基础上,发现GPU平台不适合生成样本;进一步优化CPU平台上的样本生成算法,使之能与GPU一起,实现异构并行;提出CPU生成样本、GPU执行样本分析的异构并行方案.与仅使用CPU的评估算法相比,采用提出的异构并行算法实现了10倍的运行效率提升.     

基于小区域字符模板匹配的金属标牌字符串识别

提出了一种基于小区域的快速模板匹配算法,实现了一行标牌字符串的识别,在利用投影法求得字符所在位置以后制作被匹配图像数组以及模板,然后进行识别。由于算法只对存在字符的区域进行小范围匹配,省去了在整幅图像上搜索无关数据信息的过程,与传统的模板匹配算法相比显著降低了算法的运行时间,能够满足图像匹配即时性的需要。     

直方图的脑图像分割策略

为了提高核磁共振分割精度和效率,提出了一种基于直方图核磁共振脑图像分割算法.利用脑提取工具剔除脑核磁共振图像中非脑组织.根据灰度变化的特点,将脑图像直方图的区域峰值组成新的直方图,通过基于直方图阈值选取规则将脑组织分割成白质、灰质、脑脊液.实验结果表明:该算法相对于常见的分割算法,获得了较高的分割精度,同时运算效率高,运算时间降低了1~2个数量级.     

基于深度学习法的视频文本区域定位与识别

通过对视频图像进行快速、准确的文本定位与识别,有利于提高视频信息处理的效率与准确率.采用Gabor滤波器实现在横、竖、撇、捺四个方向上的视频图像的纹理特征的提取,再通过RBM逐层增量深度学习算法构建深度置信网络,实现对提取的纹理特征图像中文本区域的定位.论文同时研究了利用形态学处理方法和OCR字符库实现对视频图像文本识别的可行性,并分析了识别效果.测试结果表明,本文提出的深度学习算法与形态学字符识别方法相结合,不但能够实现对视频图像文本区域的准确定位,还有利于提高字符识别的效率和准确率.     

融合主动学习的高光谱图像半监督分类

针对高光谱数据维数高、有标签样本少等特点,采用半监督分类利用未标记样本信息提高高光谱图像分类精度。主动学习研究训练样本的选择方法,以少量的标记样本得到尽可能好的泛化能力。本文提出了一种结合主动学习算法的半监督分类算法。该方法使用支持向量机作为基本的学习模型,通过主动学习方法选取训练样本,以伪标记的形式加入到分类器的训练中,结合验证分类器迭代选出置信度较高的伪标记样本,通过差分进化算法交叉变异伪标记样本扩充标记样本群。在两个数据集上进行仿真实验,与传统分类算法相比,所提算法的总体分类精度分别提高了1.97%、0.49%,表明该算法能够有效地提升主动学习样本选择的效率,在有限带标记样本情况下提高了分类器精度。     

可见光图像中飞机目标的特征选择及提取

针对目前大部分飞机目标识别算法都依赖建立的样本库,导致对样本库外的飞机不能很好识别的问题,分析了可见光图像中飞机目标在模式识别中的特征选择及提取方法.比较几种不同特征选择及提取方法,依据人工判读识别飞机目标的思维方法以及可见光图像的特点,提出了可见光图像中飞机目标的5个典型识别特征的提取方法,最后利用模糊模式识别方法完成对飞机目标的识别.实验结果表明:该算法能够对可见光图像中的飞机目标进行较好识别,准确率较高,平均识别率达到了90%以上.     

软土地区盾构施工沉降界限

结合杭州地铁二号线实测沉降,采用“vi速度法”及“拟合直线法”分析不排水瞬时沉降与排水固结沉降的时间界限.分析发现,在地表无隆起的情况下,可以将地表变形分成3个阶段,其中瞬时沉降及固结沉降可以分别拟合为斜率不同的直线,前者斜率大于后者.在盾构脱开管片8.5～9 d后,地层进入排水固结阶段. 在同步注浆导致地表隆起的情况下,地层受到二次扰动,可以将地表变形分为5个阶段,在盾尾脱开管片10.5～12 d后,地层进入排水固结阶段．     

汽车牌照字符识别系统设计

随着交通事业的迅速发展,人工管理方式已不能满足实际的需求,针对这一问题,提出了汽车牌照字符识别系统设计,采用了数字图像处理技术、车牌定位技术、车牌字符分割技术、BP神经网络识别技术来解决车牌字符的识别问题,研究了图像预处理、边缘提取、车牌定位、字符分割、字符识别5部分内容,并给出了BP神经网络实现车牌字符的识别,实验表明,此方法能实现良好的定位精确度和较高的识别率.     

基于优化的Baum-Welch算法的说话人识别研究

说话人识别是根据人的声音来识别人身份的一种生物认证技术。文章采用VC平台利用VQ和HMM技术实现了说话人身份认证功能。并用遗传算法改进了Baum-Welch算法,通过实验验证了改进的HMM算法识别的效率有所提高。     

基于深度卷积神经网络的车型识别方法

针对现有车辆车型视觉识别技术中的检测精度不高、难以适应天气环境变化、难以从视频图像中准确提取出用于识别的车辆图像、难以对车辆车型子类进行识别分类、难以兼顾识别精度和检测效率等不足,将深度卷积神经网络引入车辆目标定位、识别和分类（子类）问题中.利用深度卷积神经网络自动完成车型的深度特征学习,在特征图上进行逻辑回归,从道路复杂背景中提取出感兴趣区域;利用softmax分类器训练特征实现车型识别;为了优化softmax在深度卷积神经网络分类过程中出现的类内间距大的问题,引入中心损失函数对softmax损失函数进行优化,提高类间分散性与类内紧密性.在BIT-Vehicle车型数据集中的实验结果显示,提出方法的平均精度为89.67%,检测和识别时间为159 ms;与传统的分类方法相比,识别精度提高约20%,效率提高10倍以上,检测鲁棒性有明显提升;与未改进前的深度卷积神经网络相比,检测精度提高0.6%,速度提高0.29倍.     

一种快速有效的印刷体汉字识别方法

笔划代表着汉字的内部特征,笔划穿越次数是对笔划进行全穿越,反映了汉字的整体特征,全穿越在粗分时区分汉字的能力不是太强,增加了二级识别的工作量。除了提取笔划全穿越外还提取笔划半穿越,并把半穿越的次数进行重新组合形成新的特征值。把全穿越和半穿越结合起来作为汉字的特征值,对汉字进行粗分,粗分不能区分的汉字,采用四个角的能量值密度特征对汉字进行细分。实验结果表明了该方法的有效性。与单独使用全穿透方法相比,提出的方法在粗分时区分汉字的能力增强,减少了二级识别的工作量。     

粒子群优化人工免疫粒子滤波器

为解决粒子滤波算法中存在的粒子退化和样本枯竭问题,提出一种新的粒子滤波算法.利用粒子群优化思想促使采样粒子向高似然区域移动,减缓粒子权值的退化;再通过人工免疫算法中的变异操作扩大算法寻找最优值的范围并增加粒子的多样性,避免算法陷入局部最优,增强算法的全局搜索能力,进而缓解样本枯竭.实验表明,该算法比标准粒子滤波的状态估计精度提高近40倍,比扩展卡尔曼粒子滤波提高近28倍,比无迹卡尔曼粒子滤波提高近6倍,滤波效率为37.523％,是标准粒子滤波的37倍,该算法具有更好的实时性和更高的状态估计精度,能有效缓解粒子的退化和样本的枯竭.     

基于SKO—KPCA和SVM的雷达目标HRRP特征提取与识别

将依赖数据变化的自适应SKO技术和迭代算法引入KPCA算法中,结合SVM分类技术,提出了基于SKO—IKPCA和SVM的雷达目标HRRP特征提取与识别方法。讨论了HRRP预处理、迭代KPCA算法和SKO／FKO技术的实现方法,将SKO／FKO技术应用到KPCA的核优化中,并用人工合成数据对其优化性能进行了测试与比较,应用该方法对su-27、F-16及M2000等三类飞机目标的实测HRRP数据进行了特征提取与识别实验。结果表明,所提方法具有较好的稳定性和可靠性,能有效地优化雷达目标主元特征的提取,提高目标的识别性能。     

LED显示仪表的字符识别方法

针对LED显示仪表,提出了一种字符识别方法。字符分割采用边缘检测、直线检测和灰度投影相结合的方法,可快速提取目标字符,将数字和小数点分开识别,并改进了基于数字笔画统计特征的自适应阈值数字识别方法。试验结果表明,本识别算法的识别率能达到95%以上,且算法耗时较低,说明此算法的准确率较高、实时性较好。     

足球机器人视觉图像分割算法

为提高机器人在比赛中对多目标提取及识别的准确度和效率,采用离线的自适应阈值颜色分类法,同时识别不同颜色的多个目标物,对颜色的变化有一定的适应性;然后用改进的数学形态学中的膨胀腐蚀算法对颜色分类后的图像滤波,该方法在保证图像处理效率的同时提高分割精度;最后使用种子填充法来实现同时分割和多目标特征提取,减少像素点遍历次数,提高算法效率。实验证明,通过上述方法可以使足球机器人适应一定的光照变化,准确快速地分割多个目标。     

基于SVM的车牌字符识别算法研究

SVM可在训练样本很少的情况下获得很好的分类推广能力。首先分析了用多类SVM算法对车牌中的字符进行识别时存在不可区分的区域问题和采用模糊SVM算法解决该问题的办法,然后讨论了字符特征的提取方法,并根据我国车牌字符的特点分别设计了汉字、字母、数字、字母／数字4个基于模糊多类SVM的字符分类器。最后在MATLAB环境下,采用径向基核函数对算法进行学习训练。实验测试结果表明,该方法可以很好的提高字符识别的速率和效率。