采用结构特征分割粘连的手写体数字对的识别方法

本文提出了基于轮廓结构特征分割粘连的手写体数字对的识别方法。选择四种类型的间断点取决于字符间断点的连接和分析后获取的字符轮廓以及六种粘连形式。最后，通过选择分割组合检验，将减少粘连手写体数字对的间断点。此方法的主要优点是，可在多种假设条件的识别中进行可靠的分割组合。通过分割组合检验，减少了基于传统分割识别方法产生的分割误差。根据本文提及的方法，我们采用NIST SDl9数据库中3500个粘连的数字对进行实验，取得了92．5％的识别率。     

一种基于人体轮廓宽度特征的步态识别方法

步态识别是一种新的生物识别技术,它通过人行走的姿势来实现对人身份的鉴别。提出了一种新的基于人体轮廓宽度特征的步态识别方法,将视频序列中检测出的步态轮廓提取三种宽度特征并计算步态序列中宽度的变化特征,从而构成描述步态序列的特征向量。实验表明提出的方法具有较好的识别性能,是一种有效的步态识别方法。     

一种基于结构特征的虹膜识别方法

提出了一种基于特征点比对的虹膜识别方法。与现有利用纹理分析进行识别的方法相比,这一方法具有编码效率高,抗噪声能力强,识别准确性好等特点。该方法首先利用LOG(LaplacianofGaussian)滤波器提取特征区域,然后在特征区中确定特征点。在方法中提出了基于特征点的相似性度量方法和弹性特征点比对方法。试验结果表明:这种方法分类效果较好。     

一种基于联合轮廓特征矢量的目标识别方法

针对基于形状特征进行目标识别的方法存在的不足,提出一种联合轮廓不变矩特征和轮廓几何特征的识别方法;针对不同的待识别目标,采集足够数量的训练样本,统计每一个轮廓特征的均值、标准差和变异系数;并据此对这些轮廓特征进行动态筛选和加权,建立起待识别目标的联合轮廓特征矢量模型.在线识别时,提取场景目标的联合轮廓特征矢量,对其进行...     

基于双射变换的脱机手写数字识别方法

针对传统特征提取和分类方法速度慢、稳定性差、识别率低等特点,提出了一种基于外围结构特征提取的手写数字识别方法。该方法多次少量地提取经过双射变换后的图像外围结构特征,对每一次提取的特征结合BP神经网络生成相应的分类器,对不同特征的分类结果进行融合得出手写数字的识别结果。实验结果表明,该特征提取方法实现简单,运算量小,大大提高了脱机手写数字的识别率和效率。     

一种手写数字的多级分类器设计

对手写数字识别技术进行了研究和探讨,提出一种新的多级分类嚣手写数字识别方法.该识别方法以图像预处理和字符特征提取为基础,采用BP神经网络分类器进行第一级识别、结构特征分类器进行有选择的第二级识别,并提出一种全新的端点特征提取法,大大地简化结构特征分类器的设计.实验结果表明,多级分类器较单一的神经网络分类器的识别率有了明显的提高.     

基于显著性轮廓的苹果目标识别方法

正确地将苹果从图像中识别出来是苹果采摘机器人实现自动采摘的前提,为了完整地提取苹果目标轮廓,提高识别率,提出一种基于显著性轮廓的苹果目标识别方法。首先利用K-means无监督聚类算法对苹果图像进行分割,将图像分为背景和苹果目标区域;由于光照等因素,苹果目标区域内部存在大面积空洞,引入ASIFT特征,将完整的苹果目标与存在空洞的苹果目标进行ASIFT特征匹配记录与空洞相对应的特征,由这些特征恢复成像素填补空洞,初步得到轮廓不完整的分割目标;然后在基于区域的基础上,采用gPb轮廓检测器对苹果目标图像进行轮廓检测生成较长、较明显的灰度轮廓;继而利用动态阈值OTSU法对灰度轮廓进行自动阈值处理,去除苹果目标周围大量的边缘噪声,确定连续的显著性轮廓,有效地弥补了K-means算法无法精确提取轮廓的缺陷,最终实现完整地提取苹果目标。本文方法取得的平均目标识别率在98%以上,多组实验结果均验证了本文方法的有效性和可靠性。     

一种实时精确的数字识别方法

提出了一种实时的,具有旋转、尺度不变性的数字识别方法,它分为两个过程。第一,提取数字的Zernike矩及其若干拓扑结构特征量,并因此而形成一个多维特征向量;第二,在第一步提取的特征向量的基础上,使用改进的最近邻分类器完成目标识别。依据该文提出的方法所实现的数字识别系统,在其训练过程中,仅仅使用一种尺寸、4个方向的真实数字字符图像。在识别阶段,使用5种不同尺寸、8种以上不同旋转状态的真实数字图像进行测试,识别正确率可达到96%。测试表明该方法达到实时性的要求。该文提出的方法已成功地应用于运煤火车车箱上印刷体数字序号的识别系统中,取得了良好的效果。     

一种数字仪表显示值快速识别方法

提出了一种数字仪表显示值的快速识别方法。该方法首先由计算机自动定位分割图像中的数字区域并实现单个数字的切分,然后对每个数字图像提取了一组具有较高区分度且计算简单的典型特征,最后,基于模糊识别的最大隶属原则,构造了一种数字识别器,实现了仪表显示值的实时识别。试验表明:该方法的识别率高达99%,对7位数字的识别时间不超过20毫秒,并且具有较强的抗干扰能力,达到了仪表显示值识别的速度和准确率要求。     

一种基于骨架特征顺序编码的脱机手写体数字识别方法

本文提出了并实现了一种基于数字骨架顺序编码的脱机手写体识别方法,该方法利用绑架化等预处理操作得到手写体数字的骨架,然后对数字骨架进行跟踪,按顺序得到一系列曲线段,并以12种线型对这些曲线段进行拟合,从而得到一组数字骨架的顺序编码,最终利用这组顺序编码和样本训练生成的识别字典完成对数字的识别,本方法具有较高的识别可靠率,已在成绩单自动录入和识别系统中得到了成功的应用。     

轮廓跟踪算法的改进及在字符识别技术中的应用

针对图像中字符识别技术的应用需求,提出了轮廓跟踪算法的改进算法,在链码表示法基础上提出了轮廓表存储结构。在字符识别中根据轮廓表生成字符的轮廓特征数据序列,运用其相关值来度量字符的相似程度。实验结果表明提取特征少,识别速度快,准确率高,受字号的影响较小。     

基于轮廓分段特征描述的遮挡目标识别算法

针对传统目标识别算法对于遮挡目标识别准确率低的问题,提出了一种基于轮廓分段特征描述的遮挡目标识别算法。该算法首先采用离散曲线演化算法初步划分目标轮廓,根据分段起伏度进行分段优化,得到完整描述目标轮廓特征的有效分段;然后通过动态规划算法分析轮廓分段之间高度函数特征的相似度,利用特征显著度评价分段特征相对于目标整体特征的重要性;最后将分段之间的相似度和其特征显著度相结合,得到衡量识别准确率的联合相似度,获得最终的识别结果。通过对MPEG-7测试集进行实验分析,证明所提算法能够有效地对遮挡目标进行匹配识别,识别率优于常见的遮挡目标识别算法。     

基于轮廓分段特征描述的遮挡目标识别算法

针对传统目标识别算法对于遮挡目标识别准确率低的问题,提出了一种基于轮廓分段特征描述的遮挡目标识别算法。该算法首先采用离散曲线演化算法初步划分目标轮廓,根据分段起伏度进行分段优化,得到完整描述目标轮廓特征的有效分段;然后通过动态规划算法分析轮廓分段之间高度函数特征的相似度,利用特征显著度评价分段特征相对于目标整体特征的重要性;最后将分段之间的相似度和其特征显著度相结合,得到衡量识别准确率的联合相似度,获得最终的识别结果。通过对MPEG-7测试集进行实验分析,证明所提算法能够有效地对遮挡目标进行匹配识别,识别率优于常见的遮挡目标识别算法。     

基于轮廓层次和小波分析的工业字符识别

为了提高工业字符识别的准确率,增强字符识别算法对含噪声字符或发生形变字符的适应性,提出了一种改进的轮廓层次特征提取方法.对经过预处理归一化的字符,先提取轮廓层次特征,再对特征信号进行小波分解,从分解结果的低频部分中提取特征信息,最后将特征输入SVM(Support Vector Machines,支持向量机)训练和分类.实验结果表明,该特征提取方法降低了后续要处理的数据量,具有良好的抗干扰能力,实用价值较高.     

基于动态轮廓模型的羽毛分割改进算法

从羽毛图像中分割毛杆适合采用动态轮廓模型,而原始原模型易受局部强边缘干扰产生偏差,且计算规模偏大。根据毛杆的特性,提出用毛杆中心线和毛杆宽度来代替毛杆轮廓,把模型中二维轮廓曲线变化成两个相互独立的一维函数,并据此修改能量方程。改进算法利用对称性避免强边缘干扰,减少了计算规模,能实现全自动分割。实验表明该算法具有较强的抗噪性,使分割毛杆效果良好,能满足工业需要。     

基于GVF Snake模型的步态识别轮廓提取

步态识别作为一种新的生物识别技术,通过人走路的姿势实现对个人身份的识别和认证。步态特征提取是步态识别的关键步骤。采用背景消减法与对称差分法相结合对运动人体分割,采用改进的GVF Snake模型对人体运动步态轮廓进行边缘提取。实验结果表明该方法能准确高效地提取边缘特征作为步态识别的特征。     

一种基于竞争层神经网络的新型图像轮廓线分组算法

提出了一种基于竞争层神经网络(CLNN)的新型图像轮廓线分组算法。该算法借助于CLNN对生物大脑视觉皮层侧向连接和WTA连接模式的功能性模拟,采用与生物神经元类似的视觉信号处理机制对图像的相应区域进行分组感知。实验证明,所提出的算法具有分组能力强、抗噪声能力突出的优点。     

Extracting eyebrow contour and chin contour for face recognition

This paper proposes a novel method for extraction of eyebrow contour and chin contour. We first segment rough eyebrow regions using spatial constrained sub-area K-means clustering. Then eyebrow contours are extracted by Snake method with effective image force. For chin contour extraction, we first estimate several possible chin locations which are used to build a number of curves as chin contour candidates. Based on the chin like edges extracted by proposed chin edge detector, the curve with the largest likeliness to be the actual chin contour is selected. Finally, the credible extracted eyebrow contour and the estimated chin contours are used as geometric features for face recognition. Experimental results show that the proposed algorithms can extract eyebrow contours and chin contours with good accuracy and the extracted features are effective for improving face recognition rates.     

基于改进卷积神经网络的多源数字识别算法

现有的数字识别算法多是对单一类型数字进行识别,无法应对识别多源数字。针对包含手写体数字与数码管数字的字符识别场景,提出一种基于改进卷积神经网络（CNN）的多源数字识别算法。首先,使用从数显仪表生产企业现场采集的样本,结合MINIST数据集,建立起包含手写体和数码管的混合数据集;然后,考虑更好的鲁棒性,提出一种改进的CNN,并用上述混合数据集对其训练,实现了一个网络识别多类型数字;最后,训练好的神经网络模型被成功应用于RoboMaster机甲大赛的多源数字识别场景中。测试结果表明,所提算法整体识别准确率稳定且较高,具有较好的鲁棒性和泛化能力。     

基于局部线性嵌入算法的汉语数字语音识别

语音信号转换到频域后维数较高,流行学习方法可以自主发现高维数据中潜在低维结构的规律性,提出采用流形学习的方法对高维数据降维来进行汉语数字语音识别。采用流形学习中的局部线性嵌入算法提取语音频域上高维数据的低维流形结构特征,再将低维数据输入动态时间规整识别器进行识别。仿真实验结果表明,采用局部线性嵌入算法的汉语数字语音识别相较于常用声学特征MFCC维数要少,识别率提高了1.2%,有效提高了识别速度。