基于恒定曲率特征的相似手写体数字识别

本文研究基于恒定曲率特征的相似手写体数字识别，采用高阶序列和B模板计算手写体数字轮廓的曲率。中心分布原理指出，一维循环数据可以归一化为恒定的变换，其重要性在于，将字符轮廓的曲率变成了旋转的不变量。由于特征维数的减少，采用以小波分析为基础的方法来产生更多的简单特征。最后，人工神经网络（ANN）和支持向量机（SVM）用于特征的训练以及设计高识别率的分类器。     

基于局部曲面拟合的散乱点云简化方法

随着数据获取手段的进步,散乱点云数据在三维重建中获得越来越广泛的应用,然而庞大的数据量往往影响重建的效率。现有简化算法中采用的曲率计算方法精度不高,导致模型特征模糊。本文在分析曲面特征的基础上给出了一种曲面特征的定量描述方法。该方法采用局部曲面拟合得到曲面在一点处的近似曲面,然后用法曲率在360度范围内的平均值代替平均曲率来描述曲面在一点处的特征。简化时采用K-D树剖分点云数据,根据子节点所包含的采样点数、空间区域大小和曲面特征大小控制简化过程。实验结果表明,该方法能够更好地保持曲面的几何特征,从而证明了算法的有效性。     

一种基于LCS的物体碎片自动拼接方法

提出了一种基于最长公共子序列(LCS)的物体碎片自动拼接方法,用于获得两块碎片间的最可能的拼接结果．同时还设计了一种有效的数字曲线曲率计算方法和具有线性时间复杂度的重叠检测算法,以提高拼接的速度和准确性．首先对物体碎片的图像进行预处理,获得其轮廓曲线,并根据特征点划分成子轮廓曲线,然后计算其数字曲率,得到曲线的特征串表示,最后找出两个子轮廓曲线之间的LCS,对坐标变换的拼接结果进行重叠检测,并按照给出的度量标准进行排序,找出最优的拼接结果．实验表明,该方法计算简单、有效,能找出物体碎片合理的拼接结果．     

一种均衡代价的网格简化方法

由于移动设备要求计算量小,一些经典的算法保形效果好,但计算量大,不太适合移动环境;而通用取中点的收缩方法虽然非常简化,但保形性不好。设计了一个在保持模型外观的基础上对网格模型进行简化和简化后的模型恢复的完整算法。首先设计了综合平均曲率大小和曲率变化量大小的特征保留折叠代价策略。平均曲率大小是利用边的两个顶点所邻接三角形片的两两法向夹角的平均值来计算特征保留折叠代价队列;同时考虑到存在的一些特殊情况提出加入曲率变化量来判断特征片面的特征保留策略。为了避免综合判断带来的计算量的增加,所设计的平均曲率代价和曲率变化量代价均是同一个Cost函数的线性组合。此外,还设计了基于权重代价的在折叠边上快速计算该边的收缩点位置的有效方法,基于Cost函数的线性计算,由于Cost函数在整个算法中可重复利用,因此在没有增加计算量的情况下又提高了保形性,在计算效率和简化质量两者之间取得了一个均衡。实验证明,该算法可以在保持模型外观的同时有效地降低模型规模并计算量较小,适用于计算能力低的移动设备运算环境。     

一种基于PCA的段级特征

提出了一种基于PCA的段级特征(PCAULF)。该特征以现有的帧级语音特征为基础,通过计算段级特征引入了语音的长时特性。对段级特征使用PCA降维,一方面去除由于引入段级特征带来的冗余,实现数据降维,提高识别速度;另一方面抑制了噪声对识别系统的影响,提高了段级特征的鲁棒性。在训练阶段,计算所有语音的段级特征,使用PCA方法得到变换矩阵;在测试阶段,先使用变换矩阵对段级特征进行降维,再进行判别。实验结果表明,采用该特征有效地提高了识别精度和速度,更加适用于实时说话人识别系统。     

基于曲率匹配的细胞几何形状特征提取方法

细胞轮廓的几何形状是细胞学涂片判读的重要参考,对研究宫颈病变的计算机辅助诊断具有重要意义。针对现有基于形状模板匹配的几何形状识别方法鲁棒性较差的问题,提出了基于曲率匹配的几何形状特征提取方法,通过比较模板轮廓和待识别轮廓的曲率,计算曲率曲线之间的相似度,进而得到细胞轮廓的形状特征,并采用依次旋转轮廓选取最佳匹配的方法来解决轮廓方向不一致的问题,采用以面积等效圆的半径比作为放大比率进行轮廓缩放的方法来解决轮廓大小不一致的问题。通过相关实验证明了该方法所提取的几何形状特征具有尺度不变性和旋转不变性,并与改进Hausdorff距离进行了实验对比,结果表明提取的形状特征能更加准确地识别出细胞轮廓的几何形状。     

基于曲率和熵矩阵特征的商标图像检索

针对二值商标图像的特点,提出了一种综合边界曲率特征和图像分块熵矩阵特征的检索算法。首先,根据微分几何中曲率的定义,计算图像形状边界上每一点的曲率,并统计得到曲率直方图作为边界特征。然后,在图像分块的基础上,计算每一分块子图像的信息熵,得到熵矩阵,求该矩阵的奇异值作为区域特征。最后,综合这两个特征进行检索。实验表明,边界和区域特征综合使用较之单一特征有着更好的检索效果,并具有较好的几何不变性。     

基于单位统计曲率特征匹配的红外目标检测方法

针对机器人在隧道施工环境中,由于阴暗强光等因素导致红外图像中的目标检测失败,提出一种基于单位统计曲率特征匹配的红外目标检测方法;采用最小二乘法对目标的曲面进行拟合,根据拟合曲面计算出目标中各像素的高斯曲率和平均曲率,使用曲率代替梯度构造图像特征描述符并建立曲率平面,根据曲率分布的密度将其划分为多个单位区域,对每个单位中的像素使用统计信息来生成稳定的单位统计曲率特征矩阵,通过计算矩阵之间的欧氏距离得到目标的相似性,识别红外图像中待检测的目标;对该算法与现有其它算法对标准图像数据集和实际施工隧道中的栈桥的检测准确率进行对比评价,结果表明,该算法的检测准确率最高,满足了工程上隧道机器人行进中识别栈桥的使用需求.     

综合平均曲率与网格边的特征线提取方法

随着数字几何获取技术的发展,大量的复杂形体采用网格模型表示。而网格模型的特征线或特征边缘的识别和提取是后续开展几何和特征识别的基础工作,为此提出一种综合平均曲率与网格边的三角网格模型特征线提取方法。分两次提取:首先利用三角面片法矢夹角大小对模型中的尖锐边进行初次提取特征点;然后综合平均曲率与网格边的关系对特征点进行二次提取;最后用两次提取边的顶点作为特征点,进行分类分组处理拟合成特征线。经过实例验证,该算法可以快速地提取尖锐边和过渡边等,具有很好的提取效果。     

基于曲率和的主动声呐干涉条纹特征表征方法

干涉条纹特征是主动声呐目标识别所依据的重要特征之一。在浅水域环境中,声波能量传播特性较为复杂,信号会经过发射源到目标以及目标到接收器这2条不同的路径,目标的散射特性在声波的入射模式和散射模式之间相互作用,使得主动声呐干涉条纹呈现弯曲的结构。为对干涉条纹特征进行表征,提出一种基于曲率和的声呐特征提取方法。根据浅海声场主动声呐频率-距离干涉条纹图得到一段区间内的干涉条纹曲线散点曲率值,利用曲率求和的方法刻画条纹的弯曲程度,进而表征这一区间内的条纹特征。在理想波导环境下计算刚性球体目标在不同频率段下的曲率特征,通过统计平均值的方式得到平均曲率和为0.6左右,从特征表征结果可以看出,曲率和可通过统计离散点曲率强度描述干涉条纹特征,且在同一环境条件下,发射频率越大时曲率和强度越小。根据实测数据进行计算得到曲率和为0.512,实验与理论结果较为吻合,表明通过该方法可以获取主动声呐干涉条纹特征,进而实现目标识别和探测。     

Discrimination of similar handwritten numerals based on invariant curvature features

This paper studies the discrimination of similar handwritten numerals based on invariant curvature features. High-order B-splines are used to calculate the curvature of the contours of handwritten numerals. The concept of a distribution center is introduced so that a one-dimensional periodic signal can be normalized as shift invariant. Consequently, the curvature of the contour of a character becomes rotation invariant. To reduce the dimension of the features, wavelet basis decomposition is used to produce more compact features. Finally, artificial neural network (ANN) and support vector machines (SVM) are employed to train the features and design classifiers of high recognition rates.     

基于统计和结构特征的手写数字识别研究

针对目前手写数字识别精度不高的问题,通过对手写数字图像的研究,提出了基于手写数字图像的空间、旋转、层次和结构特性的特征提取方法.该方法把手写数字的统计和结构特征结合起来,以特征提取方法为基础,利用LibSVM算法对手写数字特征进行了训练和识别.通过实验给出了各个参数的推荐值,利用推荐参数值,手写数字MNIST字体库的识别率高达99.3333％.实验结果表明了该算法在识别手写数字上的有效性和准确性.     

一个高速准确的手写数字识别系统

对于手体写数字的识别提出了全新思路,阐述了整个识别步骤中的关键算法。系统可以自动解析包含二值化手写体数字的BMP文件,在经过裁剪、细化、映射归一、获取数字结构特征、匹配等一系列处理之后,可以最大限度地减少因为不同手写风格而带来的干扰,从而快速准确地识别出每个数字。基于所描述的算法而实现的程序,有着很好的识别性能,应用前景十分广泛。     

Unconstrained handwritten numeral recognition based on radial basiscompetitive and cooperative networks with spatio-temporal featurerepresentation

This paper presents a new approach to representation and recognition of handwritten numerals. The approach first transforms a two-dimensional (2-D) spatial representation of a numeral into a three-dimensional (3-D) spatio-temporal representation by identifying the tracing sequence based on a set of heuristic rules acting as transformation operators. A multiresolution critical-point segmentation method is then proposed to extract local feature points, at varying degrees of scale and coarseness. A new neural network architecture, referred to as radial-basis competitive and cooperative network (RCCN), is presented especially for handwritten numeral recognition. RCCN is a globally competitive and locally cooperative network with the capability of self-organizing hidden units to progressively achieve desired network performance, and functions as a universal approximator of arbitrary input-output mappings. Three types of RCCNs are explored: input-space RCCN (IRCCN), output-space RCCN (ORCCN), and bidirectional RCCN (BRCCN). Experiments against handwritten zip code numerals acquired by the U.S. Postal Service indicated that the proposed method is robust in terms of variations, deformations, transformations, and corruption, achieving about 97% recognition rate.     

A new benchmark on the recognition of handwritten Bangla and Farsi numeral characters

The recognition of Indian and Arabic handwriting is drawing increasing attention in recent years. To test the promise of existing handwritten numeral recognition methods and provide new benchmarks for future research, this paper presents some results of handwritten Bangla and Farsi numeral recognition on binary and gray-scale images. For recognition on gray-scale images, we propose a process with proper image pre-processing and feature extraction. In experiments on three databases, ISI Bangla numerals, CENPARMI Farsi numerals, and IFHCDB Farsi numerals, we have achieved very high accuracies using various recognition methods. The highest test accuracies on the three databases are 99.40%, 99.16%, and 99.73%, respectively. We justified the benefit of recognition on gray-scale images against binary images, compared some implementation choices of gradient direction feature extraction, some advanced normalization and classification methods.     

手写液晶体数字及识别技术

对手写数字的识别是模式识别的一个重要研究方向。通常的手写数字风格多变,无法实现高精度的识别。为此,提出一种新颖的手写数字记录方式,称为“手写液晶体数字”,进而为其设计了一种专门的识别算法。通过多个采样窗口提取图像特征,并与各类数字的标准特征向量进行相似度计算;基于贝叶斯判决原理,依据最大后验概率完成分类;建立专门的数据集并进行测评。实验结果表明,新算法具有极高的识别率,而且识别速度很快。     

基于外接同心圆结构特征的自由手写体数字神经网络识别方法

本文提出了一种基于外接同心圆结构提取贯穿特征码的自由手写体数字的神经网络识别。该方法是用自由手写体数字的外接同心圆来提取其贯穿持征码，将获得的模式特征训练改进的ＢＰ神经网络分类器，从而达到快速分类的目的。将其应用于邮政编码识别系统，单字的识别率达到９７％以上，整信的识别率可达到９２％以上，得到了令人满意的结果。     

基于形心同心圆结构的自由手写体数字神经网络分类器

本文提出了一种基于自由手写体数字的形心同心圆结构来提取贯穿特征码的神经网络识别方法。该方法是用自由手写体数字的形心同心圆来抽取其贯穿特征码，将获得的这些模式特征训练改进的ＢＰ神经网络分类器，从而达到快速分类的目的。将其应用于自由手写体数字的信函自动分拣系统，单字的识别率达到９７％以上，整信的识别率也可达到９２％以上，得到了令人满意的结果。     

Handwritten numeral recognition based on simplified structural classification and fuzzy memberships

Previous handwritten numeral recognition algorithms applied structural classification to extract geometric primitives that characterize each image, and then utilized artificial intelligence methods, like neural network or fuzzy memberships, to classify the images. We propose a handwritten numeral recognition methodology based on simplified structural classification, by using a much smaller set of primitive types, and fuzzy memberships. More specifically, based on three kinds of feature points, we first extract five kinds of primitive segments for each image. A fuzzy membership function is then used to estimate the likelihood of these primitives being close to the two vertical boundaries of the image. Finally, a tree-like classifier based on the extracted feature points, primitives and fuzzy memberships is applied to classify the numerals. With our system, handwritten numerals in NIST Special Database 19 are recognized with correct rate between 87.33% and 88.72%.     

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%。