基于Matlab神经网络的集装箱箱号识别

随着经济的发展,我国集装箱运输具有了一定的规模。针对货运量的不断增加而码头硬件设施跟不上的问题,提出了一种利用BP神经网络识别集装箱箱号的方法。用Matlab完成对神经网络的训练和测试,获得了较高的识别率。     

集装箱箱号字符识别算法研究

针对集装箱箱号图像中存在的光照不均、箱号的偏转和倾斜等因素,着重研究箱号字符识别中的关键技术问题。对于箱号图像光照不均问题,采用一种改进型的差分边缘检测粗定位算法;利用改进的最小二乘法有效地解决箱号偏转难以精确定位问题;运用基于梯度下降投影字符矫正及分割算法,实现对倾斜箱号的校正与分割;采用BP神经网络进行字符识别。对1?050幅不同条件的拍摄图像进行实验,结果表明上述算法相对于传统算法与深度学习算法,综合识别率明显提高,且符合实时性要求。     

基于轮廓和统计特征的手写体数字识别

提出了数字规范化模板特征,并利用这一特征与轮廓分段特征相结合对手写体数字进行识别。首先使用基于轮廓分段特征的分类器进行识别,通过提高拒识率获得高可靠性的分类结果。然后由基于数字规范化模板特征的分类器对前一级分类器的拒识样本分类。实验结果表明分别基于这两个特征的分类器在分类结果上具有较强的互补性。实验的数据为真实支票上采集的10000个手写体数字样本,该方法的识别率为98.06%。     

手写数字识别的研究

为了提高手写数字识别的性能,研究了利用BP神经网络作为分类器在设计上的几个关键问题,给出每个关键环节的可行方案并进行有效总结.同时对脱机手写数字的图像预处理及特征提取部分的关键技术做了详细阐述.在此基础上给出分类器设计与训练的详细实验,实验结果表明,合理解决设计BP神经网络分类器的关键问题能够确保其对手写数字的高分类性能.     

叶片图像特征提取与识别技术的研究

文章介绍了一种基于叶片图像的形状特征对叶片进行识别的方法。首先对叶片图像进行预处理并且提取出叶片的轮廓,然后利用轮廓计算得到叶片的矩形度、圆形度、偏心率等8项几何特征和7个图像不变矩,同时在文中提出了一种新的移动中心超球分类器,利用其对得到的形状特征进行分类从而实现了对20多种植物叶片的快速识别,并且平均识别率达到了92%。     

基于多分类器集成的图像文字识别技术及其应用研究

本文本主要对图片文字提取展开研究,首先读取图片进行预处理;然后针对网格特征和方向特征对图片文字进行特征提取;为了提高识别系统的可靠性,采用多分类器集成方法,即通过多个互补的分类器来改善单个分类器的性能。     

基于神经网络的手写数字识别

本文提出了一种采用BP神经网络方法来对无限制手写体数字进行识别的方案。通过图像预处理和数字特征提取,基于神经网络的判别方法,并结合使用Matlab工具箱中提供的人工神经网络函数设计了一种手写数字识别的新方法。实验表明,该方法可以获得较好的识别率。     

基于支持向量机的汽车胎号识别算法研究

为了提高汽车轮胎号自动识别的正确率,提出一种利用支持向量机的汽车胎号识别算法。首先采用图像采集设备获得胎号图像,并进行预处理,然后提取字符的特征向量,采用主成分分析对特征向量进行降维处理,最后采用支持向量机进行字符识别,同时利用遗传算法优化支持向量机的参数。仿真结果表明,采用支持向量机的汽车胎号识率达到97.52%,误识率和拒识率极低,很够很好满足汽车胎号识别要求。     

一种基于贝叶斯和神经网络的医学图像组合分类方法

医学图像分类是当前医学图像自动诊断和模式识别领域的一个新的研究热点,其任务是从给定的医学图像训练样本中提取能反映图像内容的特征,并根据这些特征进行图像分类,实现医学图像中病变组织的自动识别,以保证临床医学诊断更客观、准确和科学.通过对医学图像分类中的一些关键问题分析和研究,提出一种基于贝叶斯和神经网络的医学图像组合分类方法,并据此构造出医学图像组合分类器.这种组合分类器能够充分发挥各个分类器的优点,获得较好的图像分类结果.     

基于结构特征的指纹识别

为了克服指纹识别中常见的问题,本文提出了一种基于结构特征的匹配算法用以提高识别率,并提出了一种特殊的指纹图象预测处理算法,以减少图象噪声,整个算法具有高效识别和很强的抗干扰能力,此外逄法对指纹缺损图象也有很高的识别率。     

代码特征自动提取方法

神经网络在软件工程中的应用极大程度上缓解了传统的人工提取代码特征的压力.已有的研究往往将代码简化为自然语言或者依赖专家的领域知识来提取代码特征,简化为自然语言的处理方法过于简单,容易造成信息丢失,而引入专家制定启发式规则的模型往往过于复杂,可拓展性以及普适性不强.鉴于以上问题,提出了一种基于卷积和循环神经网络的自动代码...     

基于二级复合链码的七段数字识别方法

针对动态数字图像的识别问题,提出基于二级复合链码的七段数字识别方法。对细化后的目标图像进行第1级8方向Freeman链码描述,在此基础上,进行第2级4方向Freeman链码描述,得到的复合链码与七段数字具有单一映射关系。在无线瓦斯检测系统中的应用结果表明,该方法具有较高的识别率和执行效率。     

一种基于自相关函数特征的行为识别方法

为了增强特征敏感度,提高人体日常行为识别准确率,提出一种基于自相关函数的人体行为识别方法。首先对预先采集的人体行为数据进行预处理,然后从时域和频域提取特征后计算得到自相关函数特征,同时采取互相关函数的步进式方法在自相关函数上进行降噪操作。分别使用C4.5决策树、K最邻近(KNN)、支持向量机(SVM)、朴素贝叶斯(Naive Bayesian)四种分类器进行分类。实验结果表明,与选取纯粹的时、频域特征集进行识别分类的模型相比,选用了包含自相关函数特征的特征集构造出来的模型对行为的识别准确率有较大提高。     

基于旋转编码模板匹配的烟支计数识别

根据烟支的几何特征构造烟支模板,采用一种旋转编码方案将此二维模板映射成为整数集上的一个整数．利用旋转编码描述烟支的属性,通过属性变换得到每组属性的标准编码值．在模板匹配过程中,对模板覆盖下的图像部分作同样的旋转编码及属性变换,得到每组属性的实际编码值．各组属性的标准编码值和实际编码值间的差异将作为制定烟支识别条件的主要依据．实验表明,该方法可解决连通烟支或残缺烟支的计数识别问题,计数精度达到应用需求．     

一种基于静态和动态特征的步态识别新方法

最近,利用步态对个人身份进行识别受到越来越多生物识别技术研究者的重视。步态能量图(Gait EnergyImage,GEI)是一种有效的步态表征方法。把步态能量图分解为身体相关能量图(Body-Related GEI,BGEI)、步态相关能量图(Gait-Related GEI,GGEI)、身体步态相关能量图(Body-Gait-Related GEI,BGGEI)3部分,利用傅立叶描绘子对身体相关能量图(BGEI)、身体步态相关能量图(BGGEI)进行描述,利用Gabor小波提取步态相关能量图(GGEI)的幅值特征,分别研究了它们的识别能力,并在Rank层和Score层融合步态相关能量图(GGEI)、身体步态相关能量图(BGGEI)这两部分信息用于步态识别。该算法在CASIA数据库上进行的试验取得了较高的正确识别率。     

基于奇异值特征和统计模型的人像识别算法

人像识别是模式识别领域中的一个前沿课题。目前多数研究者采用人脸的一维和二维几何特征来完成识别任务。人脸的几何特征抽取以及这些特性的有效性都面临着很多问题，至今人像识别的研究仍然处于较低的水平。作者证明了图象矩阵的奇异值特征矢量具备了代数上和几何上的不变性以及稳定性，提出用它作为识别人脸的代数特征。本文的人像识别算法是基于奇异值特征矢量建立Ｓａｍｍｏｎ最佳鉴别平面上的正态Ｂａｙｅｓ分类模型。在本文的     

基于多特征的印刷体数字识别

采用特征识别的方法,提取数字的区域像素、水平过线、垂直过线三大方面的17个特征值对印刷体数字进行识别.利用MATLAB进行仿真实验,实验结果表明该识别方法简单,识别率高,速度快,抗干扰性强,对于不同字体、字形、字号的印刷体数字,能够快速准确识别,具有广泛的用途.     

基于多特征融合的汽车车型模糊识别方法

车型识别是智能交通系统中的一个重要组成部分.利用计算机视觉、模式识别等理论方法,对车型的有效特征提取与分类识别进行了深入的研究,提出了一种多特征融合的模糊聚类车型识别方法.通过自动调整各维特征的加权系数来调整特征对分类的贡献,结果表明达到了较好的分类效果.