字符识别算法在车牌识别系统中的应用研究

本文以车牌识别系统定位后的车牌字符识别算法为研究对象,分析基于模板匹配的字符识别算法和基于神经网络的字符识别算法,将车牌字符进行分割处理,诠释字符识别算法在车牌识别系统中的应用。     

整体识别方法在工程图纸中应用研究

工程图纸中字符识别是当今CAD研究领域的一个重要课题,分析了基于细化和基于轮廓匹配的两种常见处理方法和他们各自的优缺点.介绍了基于图段的结构的整体识别方法的主要思想,给出了它的主要算法,并分析了它在工程图纸中的字符提取过程中的缺点.在此基础上对图段结构的整体识别方法进行了改进,实验结果证明识别在速度和存储空间都得到了提升.     

蚁群算法在协同过滤推荐系统中的应用研究

本文在CF的基础上重点研究推荐系统中的相似兴趣用户的聚类技术.研究重点集中在聚类方法的可伸缩性、聚类复杂形状和数据的有效性,分析了蚂蚁算法的特性和基于蚂蚁聚类的协同过滤推荐系统,并通过实验测试,表明使了利用蚂蚁的聚类特性能降低推荐系统计算量,从而提高系统的伸缩性.     

灰度图像下车牌定位与分割算法研究

给出了一种能在复杂交通环境下对汽车牌照进行定位和分割的算法.算法都是基于灰度图像的.在定位算法中,首先对图像进行边缘检测和水平膨胀,然后进行连通区域分析、水平聚类,最后对得到的车牌候选区域进行模糊决策,找出真正车牌区域.很好的解决了伪车牌问题.在分割算法中,利用最小二乘法对车牌进行倾斜校正,利用可变小模板对字符进行分割.实验证明,定位准确率为97%,分割准确率为95.3%,具有非常好的效果.     

特征挖掘算法与不同机器学习方法在回归问题中的应用研究

近年来,机器学习方法在各个领域内的应用十分广泛,而特征挖掘则是机器学习过程中十分重要的数据预处理过程。Boruta算法是一种基于随机森林算法的特征筛选算法,该算法可以对机器学习过程中的自变量进行筛选,并且进行重要性排序。随机森林、支持向量机、k最近邻算法和梯度提升模型则是机器学习中的经典算法,在解决回归和分类问题中均有较广泛的应用。本文通过红葡萄酒案例,将Boruta算法与4种机器学习方法相结合,探讨Boruta算法的作用及几种不同机器学习方法的区别,为将特征挖掘算法和机器学习在回归问题中的应用提供参考。     

基于属性选择算法的数据挖掘在离网预测模型中的应用

数据挖掘是从海量数据中提取隐含在其中的、针对某些用户的信息的高级处理过程.属性选择是数据挖掘领域非常重要的一个研究方向,属性选择的好坏对挖掘的性能和结果有着很大的影响.提出了一种新的属性选择算法,即基于信息增益和卡方检验的属性选择算法,并在离网预测模型中得到了应用,取得了相当不错的效果.     

基于项的协同过滤在推荐系统中的应用研究

分析基于项的协同过滤在推荐系统中应用及所存在的问题,提出了一个基于项的协同过滤改进算法,并给出了改进算法在标准数据集上的实验结果,对改进算法与原算法进行了相关性能的比较分析,证明了改进算法的有效性.最后,对研究进行了总结,指出存在的不足,提出了进一步研究的方向.     

一种新的图像中的人眼检测算法*

提出了一种新的图像中人眼检测算法,在一幅已知的人脸图像中首先采用同态滤波算法增强图像的对比度,然后利用迭代式阈值选择法对图像进行二值化处理,根据传统的先验知识获得眼睛的候选区域。根据眼睛的构造提出了一种基于最小外接矩形的自定义模板来实现眼睛的最终定位并利用区域质心标定出了眼睛区域的中心位置。实验证明,本算法简单实用,能够有效地实施人眼的检测,具有较高的检测精度。     

Sparse-pixel recognition of primitives in engineering drawings

Recognition of primitives in technical drawings is the first stage in their higher level interpretation. It calls for processing of voluminous scanned raster files. This is a difficult task if each pixel must be addressed at least once, as required by Hough transform or thinning-based methods. This work presents a set of algorithms that recognize drawing primitives by examining the raster file sparsely. Bars (straight line segments), arcs, and arrowheads are identified by the orthogonal zig-zag, perpendicular Bisector tracing, and self-supervised arrowhead recognition algorithms, respectively. The common feature of these algorithms is that rather than applying massive pixel addressing, they recognize the sought primitives by screening a carefully selected sample of the image and focusing attention on identified key areas. The sparse-pixel-based algorithms yield high quality recognition, as demonstrated on a sample of engineering drawings.     

Symbol and character recognition: application to engineering drawings

In this paper, we consider the general problem of technical document interpretation, as applied to the documents of the French Telephonic Operator, France Télécom. More precisely, we focus the content of this paper on the computation of a new set of features allowing the classification of multioriented and multiscaled patterns. This set of invariants is based on the Fourier–Mellin Transform. The interests of this computation rely on the excellent classification rate obtained with this method and also on using this Fourier–Mellin transform within a “filtering mode”, with which we can solve the well known difficult problem of connected character recognition.     

高分辨TerraSAR-X 图像舰船目标几何参数提取方法

准确提取SAR图像舰船目标几何参数是实现舰船分类的基础。由于SAR特有的成像机理, SAR图像旁瓣效应和方位模糊严重影响了舰船目标的几何参数估计,为此提出一种基于迭代线性回归的舰船几何参数提取方法。首先通过线性回归提取目标的主轴方位;然后利用循环迭代剔除远离主轴的虚假目标像素;最后用实测SAR数据进行了验证。实验结果表明,该算法对高分辨率的SAR舰船目标切片具有较好的参数估计效果。     

工程图纸字符串及标注信息提取

工程图纸中字符串及标注信息的提取是工程图纸自动化处理极为重要的组成部分,是进行尺寸理解、图像理解等高层次理解的前提和基础。提出一种基于工程图纸知识的预分割字符串及标注信息提取方法,重点关注工程图纸中以表格形式存在的字符串以及图元标注信息的解析、定位、提取。通过前期处理保持字符串与字符串、图元与标注信息之间的逻辑联系,解析获得字符串的坐标信息,对字符串所在的区域进行水平化,去除杂质线段等操作,以达到最佳的识别效果。     

Logistic回归筛选零值绝缘子红外特征的方法

零值绝缘子是造成输配电网络对地短路故障的重要原因之一。利用红外热像技术检测零值绝缘子的关键在于获取最优且适当的红外热像特征。提出了一种Logistic回归分析筛选零值绝缘子红外热像特征的方法。利用中值滤波及小波自适应扩散法进行红外热像去噪和灰度拉伸法增强图像对比度;采用二维最大熵阈值分割形成二值图,经过二值图像填充处理,自动截取绝缘子串区域最小外接矩形,得到绝缘子串区域矩形图像,通过灰度-梯度共生矩阵提取矩形区域13个纹理特征参数;应用Logistic回归分析对污秽等级和纹理特征组成的14个特征参数进行筛选,得出其中7个参数对分类结果有显著性影响。实验表明,该方法实现简单,能有效筛选特征参数,剔除冗余数据。     

机械工程图中形位公差符号的自动识别技术研究

根据机械工程图中形位公差符号的特点,在矢量基础上,提出并实现了一种基于关键图形特征和标注字符相结合的识别算法。该方法包括3个步骤：首先寻找该类图形的关键元素;然后根据该类图形的具体构造语法规则,由关键元素引导、逐步搜索该类图形的其他结构元素;最后用字符信息来对该类图形的有效性做出判定。试验结果表明该算法具有较好的适应性,且识别率高。     

基于轮廓对红松雌雄花特征的提取

在红松结实量的各种预测方法中,红松雌雄花的形态特征是主要参数之一。依托原野服务器采集的红松图像,对红松雌雄花进行图像分割,提取红松雌雄花的特征值,为红松结实量的预测方法提供精确的数据。改进了宽长比的提取方法,将轮廓图中不连通的区域通过最短距离的计算,使得不连通的区域假定连通,计算得到最小外接矩,在轮廓图中成功地提取出了宽长比,并通过实验验证了该方法。     

利用矩实现植物叶片长宽的测量

叶片长宽的测量常采用旋转法,其在测量时需多次旋转叶片直至外接矩形面积最小为止,耗时较大;由于叶片形状各异,旋转法的测量准确性也不高。鉴于此,给出了运用矩测量叶片长宽的方法,用零阶矩和一阶矩求得叶片重心,通过一阶矩和二阶矩获得叶片的主轴方向,运用旋转矩阵得到叶片的最小外接矩形,将此矩形的长宽作为叶片的长宽。对122幅叶片图像进行实验,结果表明：矩的方法测量准确率是98.4%,而旋转法的准确率是37.7%。在测量过程中旋转法需多次旋转叶片,而矩的方法只需旋转两次,测量时间至少缩短了一半。总之,基于矩的方法准确性高、测量速度快。     

基于稠密光流轨迹和稀疏编码算法的行为识别方法

针对现有行为特征提取方法识别率低的问题,提出了一种融合稠密光流轨迹和稀疏编码框架的无监督行为特征提取方法(DOF-SC)。首先,在稠密光流(DOF)轨迹提取的基础上,对以轨迹为中心的原始图像块进行采样作为轨迹的原始特征;其次,对轨迹原始特征基于稀疏编码框架训练稀疏字典,得到轨迹的稀疏特征表示,利用词袋(BF)模型对稀疏特征聚类得到轨迹的码书,再根据码书对每个动作中出现的所有轨迹所属的码书类别进行投票,统计该动作中每个码书出现的次数,得到行为特征;最后,对行为特征利用基于直方图交叉核函数的支持向量机(SVM)进行训练得到行为识别模型,再利用该模型对行为进行分类预测,得到最终行为识别的结果。在对轨迹采样10%的情况下,DOF-SC算法得到的行为识别准确率在KTH数据库上高出采用运动边界直方图(MBH)作为特征的行为识别准确率的0.9%,在YouTube数据库上高出MBH作为特征的行为识别准确率的1.2%。实验数据表明了所提方法对行为识别的有效性。