基于Harris角点的彩色图像文字检测

提出了一种基于Harris角点的文字检测算法.首先,根据彩色图像和视频中文字区域和背景之间的颜色分量大小的对比,利用Harris角点检测算法,得到图像的角点分布图;然后对图像进行滤波,去除相对孤立的角点;将角点图像进行二值化,利用形态学运算将角点聚合形成区域;对区域进行轮廓跟踪算法,得到文字区域的初定位图像;最后对文字区域进行验证,得到最终结果.实验证明该算法具有较高的准确性.     

基于弹性网格特征和神经网络的手写文字识别

提出一种有效的文字特征提取方法,在传统弹性网格基础上,采取与对角弹性网格相结合的方法进行特征提取,然后通过改进的BP神经网络进行文字识别.该方法集合了弹性网格特征和神经网络的优势,可有效提高手写文字的识别率、识别速度以及识别系统的泛化能力.实践证明,该方法用于文字识别准确性较高.     

基于机器视觉技术的螺纹识别系统

螺纹牙型角识别是区分螺纹种类的常用手段,传统检测手段效率低、量规易磨损、成本高,已不能满足现代工业高效发展的需求。利用CCD获取螺纹基本图像,并通过图像的平滑、边缘检测、二值化处理及轮廓提取,对螺纹轮廓进行分析,从中测量出螺纹的牙型角参数并进行识别。探讨了利用机器视觉对螺纹牙型角参数进行测量的方法,并设计出一套以机器视觉识别技术为核心的视觉传感和图像处理系统为一体的螺纹识别系统。从理论和实践上证实了该方法的可行性和准确性。     

基于轮廓波的纹理图像特征提取方法

文利用轮廓波分解的方向性和能量变化特性,提出了一种适用于纹理图像的特征提取方法。该方法首先通过方向可控滤波器（Steerable Filter）获得纹理图像的角度信息,然后进行轮廓波分解提取纹理在不同分解方向上的特征向量,最后将纹理的角度和方向分解的能量信息一起作为纹理的特征。由于轮廓波的方向和分解层次数目可以灵活地调节,因此特征值数量也是调节的,以达到最好的识别分类效果。本文利用简单的距离分类器对所提出的算法进行了验证,以Brodatz纹理库中的旋转纹理图像为标准,纹理分类的结果达到了满意的效果。      

基于EMD分析法和改进的BP算法的车牌字符识别

保证最优的分解效果和克服传统的BP网络训练速度慢和易陷入局部最小等缺点,首先通过EMD中的IMF分量的引入,对每一个基本模式分量进行波间与波内频率与幅度调制,得到一个可变幅度与可变频率的信号描述方法,从而实现信号的一次筛选.然后利用竖直方向的投影具有波峰、波谷间隔出现的特性,将字符进行分割.最后将分割的字符大小归一化后,送入采用动量因子的改进的BP神经网络进行字符识别.实验结果表明该识别方法可以改进信号分解或展开的效率,提高识别速度和精度.     

基于SVM的静态手写签名识别方法研究

研究离线（静态）签名文字识别的问题.针对静态手写签名只有空间信息,没有时序信息的问题,提出了一种基于支持向量机的签名文字识别算法.算法首先通过图像预处理提取签名图像,然后利用防射变化对初始签名图像进行配准和矫正,并在此基础上利用滑动窗口在不同方向上提取特征.最终的识别器训练利用支持向量机完成.通过仿真实验证明,提出的新的方法较其他方法具有更高的识别准确率,可以有效的实现离线签名字体的识别,该技术可应用在个人身份认证和识别系统中.     

应用轮廓链序列的符号M阵列结构光解码

利用符号M阵列形成单帧模式作为投射图像,提出 对符号编码结构光进行解码的方案。首先,建 立符号的游历算法,生成符号轮廓链序列,根据链角实现符号轮廓的波形特征表述;其次 ,采用基于符 号矢量方向及内部有向链角,进行符号定位及识别;利用符号矢量方向可以将符号分成4类 ,每类2个符 号,根据符号内部链角的波形特征,区分每类中的两个符号;最后,利用子窗体全局唯一性 创建子窗体定 位条件,实现子窗体匹配,并根据投票方式进行符号对应,提取符号实现关键点三维信息。 实验结果表明, 提出的解码方法在应用于不同的检测对象时,均能有效地解码符号,实现三维重建,具有较 强的鲁棒性。     

基于ARM平台的车牌识别系统的设计与实现

针对车辆出入库管理中存在的问题,提出了基于ARM嵌入式平台的车牌识别系统的设计和实现方案,论述了从车辆图像抓取、图像预处理、车牌区域识别、文字分割、文字识别等过程中所涉及的理论和技术问题,提出了基于POSIX规范多进程技术进行系统整合的方案。     

盲人英语自助学习中的字母图像自动识别方法优化

采用字母图像的特征点检测方法进行信息标定,实现图像自动识别,为盲人进行英语自助学习提供向导。提出一种基于字母角点分量小波三级提升分解的字母图像自动识别方法,对原始的字母图像进行盲人视觉信息空间重构,对重构的图像进行小波分解,实现字母信息特征分布角点的检测;并采用小波三级提升分解实现图像信息增强,实现字母图像自动识别改进。仿真结果表明,采用该方法进行字母图像自动识别的准确度较高,提高了图像的输出信噪比及归一化配准度,可有效指导盲人英语自助学习。     

基于峭度加权VMD和熵特征的雷达脉内调制识别

针对复杂电磁环境下识别雷达信号脉内调制样式困难以及受噪声影响识别准确率受限的问题,提出了一种将变分模态分解(Variational Mode Decomposition, VMD)与熵特征提取相结合的识别方法。首先,通过基于峭度加权的改进VMD算法对雷达信号进行分解,得到由三个本征模态函数组成的最优分量集合;其次,对各分量分别计算其模糊熵、排列熵和符号熵值,从而实现对熵特征信息提取;最后,将特征向量输入到支持向量机完成识别。相较于其他方法,该方法有着较高的识别准确率和抗噪性能,在2 dB信噪比以上平均识别准确率为94.63%。     

一种带有虚节点的HMM汉字识别后处理算法

研究一种基于ＨＭＭ的汉语文本上下文相关后处理新算法．通过引入虚节点,改进Ｖｉｔｅｒｂｉ动态规划算法,简化了搜索操作,提高了搜索效率。文中还给出了对手体汉字识别系统的后处理实验测试,其结果令人满意,表明本算法的有效性和实用性。     

基于Hough变换的倾斜文本图像的检测

在OCR图像扫描输入的过程中,扫描图像经常会出现某种程度的倾斜,这种倾斜会给下一个字符的切割造成困难,影响字符识别的精度。正是出于检测倾斜文本图像角度的目的,提出了一种基于Hough变换的检测图像倾斜度的方法,可以有效地克服几何失真对文字识别系统的影响,为了克服Hough变换计算量大的缺点,该方法采用了提取图像特征点的方法。实验结果表明,该方法能快速准确地测出各类文本图像的倾斜角度,并且具有很好的适应性。     

超分辨测向中奇异值分解的FPGA实现

奇异值分解是超分辨测向技术的核心组成部分,现有的并行实现方案适用范围窄,运算量大,迭代时间长.为了满足测向接收机系统的高实时性需求,结合双边Jacobi算法的交换策略和单边Jacobi算法的求角结构,提出了一种改进的实现方法.该实现方法修正了脉动阵列的收敛性问题,提高了复数矩阵的收敛速度.同时,给出了算法的现场可编程门阵列(FPGA)实现结构.仿真结果证明该方案耗时在百微秒以内,能够应用于电子侦察设备.     

基于FPGA的频率周期及相位差测量的多功能计数器的实现

本文介绍了一种基于FPGA的多功能计数器，该计数器包括数字式频率周期测试仪、数字式相位测试仪两部分。数字式频率周期测试仪，通过FPGA实现频率周期的精确测量，结合单片机进行乘除法运算并显示；数字式相位测试仪通过FPGA实现对两路处理过的信号的等精度测量，结合单片机进行乘除法运算并显示。本多功能计数器模块化程度好、集成度高，具有友好人机交互界面且易于外部功能的扩展。     

基于NIST评测的说话人分类及定位技术研究

该文针对美国国家标准与技术研究院(NIST)的 NIST评测,构建了一套多距离麦克风说话人分类及定位语音处理系统,针对NIST富标注评测中提出的说话人分类问题,提出改进的结合时延估计和聚类的说话人分类方法,在保证稳定性的前提下降低说话人分类的复杂度并提高准确率;提出一种新的相邻阵元间时延构造矩阵方程算法,可得到多个说话人的方向角。实验在标准会议环境下采集真实语音数据进行算法验证,说话人分类算法的正确率接近目前主要说话人分类系统的正确率,定位方向角误差在3以内。实验结果说明,适当条件下多距离麦克风系统可作为合适的语音信号输入设备应用于多人多方会议环境。     

一种基于笔画特征的车牌前景背景分割新方法

车牌前景背景分割是车牌识别过程中的一个重要环节,其直接影响着其后的车牌识别过程的正确率.在以往的传统算法中,区分车牌前景背景的方法是基于字符面积小于背景面积的先验知识,其不适用于一些实际应用场景.本文提出了一种新的区分车牌前景背景的方法,不再基于传统的面积假设,而是利用了车牌图像中包含的笔画特征,文中实验论证了使用该方...     

基于FPGA的多路增量式光电编码器测角电路设计方法

提出了一种基于FPGA的多路增量编码器测角电路设计方案,它主要由4倍频电路、方向判别电路和计数电路组成。计数采用单时钟,能输出表示光电编码器位置的12位数字量和旋转方向指示电平。整个电路设计在Altium Desig-ner 6.0软件环境下由电路图和VHDL编程混合输入,采用Xilinx公司的XC25300E-6PQ208C型芯片进行仿真验证。仿真和实现结果验证了该方案可应用于高转速下的多路测角系统。     

基于字符密度的车牌识别方法研究

针对车牌识别系统的开发,提出一种基于二值图像的字符识别算法.在该算法中,采用了新的特征向量,字符的水平密度和垂直密度,分类器采用基于误差反响传播的人工神经网络算法(BP神经网络).采用这种方法可提高系统的字符识别率和系统的实时性,实验表明此算法非常有效.     

手指书写:一种虚拟文字识别人机交互新方法

本文提出了一种全新的手指书写虚拟文字识别系统,该系统利用摄像头捕捉人手指的运动轨迹,通过手指跟踪及检测算法,恢复出手指虚拟"书写"文字的二维图像数据(称之为虚拟文字),再进行识别输出.文中对单层函数连接神经网络进行改进并用来进行高准确度的运动手指尖的预测及跟踪,给出了一种基于数学形态学及模板匹配的简单有效的手指检测方法,提出了基于运动手指跟踪的"虚拟文字"恢复方法.实验结果表明:系统方案可行,手指跟踪及检测准确率高,对手指"书写"的数字、英文等虚拟文字识别率能达到95％以上.     

基于多重卷积神经网络的大模式联机手写文字识别

联机手写识别在日常生产生活中有着广阔的应用,模式识别也一直把其作为研究的重点。传统的识别方法是利用普通卷积神经网络技术,该方法在对小规模字符集联机手写文字识别时有着较高识别率,总体性能高,但在对大规模字符集识别时,识别率则大大降低。提出一种基于多重卷积神经网络的识别方法,旨在克服以往方法对大规模字符集识别时识别效率不高的问题,提高大规模字符集联机手写文字的识别率。系统使用随机对角Levenberg-Marquardt方法来优化训练,通过使用UNIPEN训练集测试该方法识别准确率可达89%,是一个有良好前景的联机手写识别方法。