基于Gabor滤波和类内PCA的昆虫识别

针对昆虫识别率不高的问题,提出一种基于Gabor滤波和类内PCA的昆虫识别方法。首先对经过预处理的昆虫图片按类别进行Gabor滤波,提取Gabor特征,然后利用PCA进行降维,提取特征向量,最后采用k近邻分类方法识别昆虫。实验表明,该方法识别率较高,在15种昆虫图片集上进行测试,识别率达到95%,优于基于PCA的识别方法、基于Gabor滤波和PCA的昆虫识别方法。     

基于空域滤波的图像增强法的探讨

图像采集和处理方法的发展日新月异,针对不同图像特征的图像增强技术,可以加强图像可懂性,提高视觉效果,抑制噪声,为图像的后续识别做更好的铺垫。本文MATLAB平台主要用于平滑和锐化的QR码图像处理,在QR码图像去噪问题上,结合滤波的不同模板以及噪声类型,所获得的不同滤波的仿真实验结果表明:中值滤波窗口的尺寸大小是影响椒盐噪声去除有效性和提升图像识别率的关键因素;空域图像增强法中,平滑滤波所呈现出的功能效果更优于锐化滤波。     

多模板优化的语音识别算法

论文旨在研究基于MATLAB平台的特定人孤立词小词汇量的语音识别系统的实现。文章分别对语音信号的预处理过程、语音信号的特征提取及语音信号的识别算法等方面进行深入研究和分析在端点检测过程中,使用短时能量和过零率双门限进行检测,应用识别率较高的MFCC作为特征参数,针对传统DTW算法在语音识别中测试语音与参考语音模板匹配所需时间较长的问题,提出搜索路径改进算法,使得算法的运算速度有所提升。为了提升DTW的识别率,提出改进的模板匹配方法——多模板匹配方法。实验结果证明,采用改进算法的语音识别系统有效地降低了识别时间,提高了系统的识别率。     

使用改进的方向滤波与修正的Hausdorff距离的指静脉识别方法

针对已有静脉识别方法存在的识别结果易受图像质量影响、计算量大的问题,提出一种使用改进的方向滤波与修正的Hausdorff距离技术的指静脉识别方法.根据指静脉图像具有的方向特性设计邻域方向模板及方向滤波器模板对图像进行滤波增强处理后,利用修正的Hausdorff距离模板匹配的思想,在距离变换空间内实现指静脉图像的匹配识别.实验结果表明,该方法对指静脉图像的匹配识别具有较好的准确率.     

基于安全概略的可撤销掌纹模板生成算法

为了有效改进掌纹模板生成算法的识别率和安全性等性能,提出一种基于安全概略的可撤销掌纹模板生成算法。首先提取掌纹图像不同方向、不同尺度的Gabor幅值特征,并通过主成分分析（PCA）算法对其进行降维;然后将加密后的特征向量与BCH码异或融合,得到基于安全概略的可撤销掌纹模板。对比实验表明,该算法具有良好的识别性能,能较好地满足可撤销性、多样性和不可逆性,即便在单密钥丢失的情况下,也具有较高的识别率。     

基于支持向量机的人体着装识别研究

针对着装识别系统中对人体着装识别率低的问题,提出一种OVR SVMs多分类支持向量机的着装识别方法。其中,为提高识别率,采用边界扩展和形状变换对开关中值滤波算法进行改进,以保证图像去噪能力的同时,提高图片的细节保留能力;采用辅助背景改进平均背景建模法,以提高人体区域提取精度;采用结合消除法优化Hu不变矩,减少图像失真的情况;在以上图像预处理基础上,利用OVR SVMs算法对人体着装特征进行识别。实验表明,通过以上对人体着装的识别改进,其平均识别率明显提高,对单帧图像的最高识别率达到95.0%、最小的识别率也有86.8%,基本满足人体着装识别要求。     

数字验证码识别算法的研究和设计

验证码识别技术常用于网站的群发技术。使用网格特征模板、交叉点特征模板、改进的活动模板,结合孔洞数特征,设计了基于模板匹配算法的形变数字验证码识别系统。为进一步提高识别率,提出了一种加权模板及其构造方案,并运用统计学方法,通过大量随机样本的多组实验,求得各组模板及其权值。测试结果表明,系统的识别准确率达到了100%。     

两种改进的模板匹配识别算法

在开发在线轮胎编码图像自动识别系统时,通过对现有常用的几种识别算法分析与研究,提出了两种改进的标准模板匹配识别算法,分别是基于特征加权的模板匹配算法和基于特征块的模板匹配算法,两种改进的算法都以抽取字符特征为基础,结合模糊原理进行识别,经过理论分析与实际测试,两种改进的识别算法都进一步提高了图像字符的识别率。     

一种基于PCNN的改进型虹膜识别算法

基于脉冲耦合神经网络(PCNN),提出一种改进的虹膜识别算法。针对虹膜定位准确性这个研究点,引入形态学滤波对人眼图像进行去噪,以提高定位准确性。介绍了PCNN的模型,并对神经元震荡时间序列(OTS)进行统计分析,得出不同虹膜纹理具有唯一的神经元OTS。最后计算OTS的欧氏距离并进行分类,实现了虹膜识别的改进方法。在CASIA-Iris-Interval虹膜数据库中的实验结果验证了该方法的有效性,显示了它比传统算法具有更好的识别率和识别速度。     

足球机器人视觉系统的光照适应性设计

为提高RoboCup小型足球机器人视觉系统在不稳定光照条件下识别目标的正确率,提出了运用改进的颜色匹配方法建立目标颜色匹配模板的视觉处理技术.该方法基于YUV颜色空间,利用色块与其在UV空间上映射形成的匹配关系模板准确地识别颜色.经测试和小型组机器人足球比赛验证了该设计能够提高视觉系统在不稳定光照条件下的识别率.     

基于Gabor滤波器与LDP掌纹可撤销模板生成方法

针对掌纹身份认证中存在着识别率和安全性较差的问题,提出一种基于多方向的Gabor滤波和局部方向模式（Local Directional Pattern,LDP）的自适应阈值特征编码方法mLGDP,在此基础上,进一步提出一种基于多方向Gabor滤波和LDP方法的自适应阈值差值特征编码方法mDLGDP,并将这两种方法的特征相融合,有效增强了原有掌纹模板间的多样性和识别率。通过对图像的特征编码进行分块处理,提取特征向量并二值化,再采用Bloom滤波器实现多对一映射和对掌纹图像的位置置乱,将得到置乱结果矩阵和用户密钥通过卷积运算进行不可逆变换,最终获得掌纹图像的可撤销模板。理论分析和实验表明,即使在密钥丢失时,分别使用两种改进方法依然可以保持较高的识别率,当使用两种特征相融合的方法时,识别率能够得到有效提高,且具有更好的安全性。     

一种改进Log-Gabor滤波的虹膜识别算法

研究虹膜识别问题,由于在图像采集过程中,噪声影响准确性,为提高虹膜识别准确率,针对一维Log-Gabor滤波特征提取方法丢失二维信息的缺陷,提出一种改进Log-Gabor滤波的虹膜识别算法。首先采用小波变换对虹膜图像进行分解,获取虹膜图像低频子带信息,然后采用不同方向尺度的2维Log-Gabor滤波器组提取虹膜纹理特征,最后采用支持向量机对生成的虹膜特征码进行匹配。采用CASIA和UBIRIS虹膜库对算法性能进行测试,测试结果表明,改进Log-Gabor滤波的虹膜识别算法提高了虹膜识别准确率,加快识别速度,更加适合于实时虹膜识别,为虹膜准确识别提供了依据。     

模板匹配技术在图像识别中的应用

在图像目标识别技术的研究应用中,模板匹配技术是其中一个重要的研究方向,它具有算法简单、计算量小以及识别率高的特点。介绍了几种改进的模板匹配技术在图像处理、模式识别等领域的应用,包括有条码识别、生物特征识别技术(人脸识别、指纹识别等)、车牌识别、字符识别、飞机识别等。     

基于凸型模板的目标形态图像识别算法

针对视频图像中目标形态的检测识别问题,提出了一种基于凸型模板修正算法对条形目标的检测、识别和定位技术。通过分析凸型模板识别条形目标的基本原理,提出引入倾斜角度因子的凸型模板改进算法,提高了条形目标识别的准确度,并以单人个体作为研究对象进行实验,结果表明这种方法运算复杂度低,对条形目标的识别率高,跟踪特性良好。     

基于中值滤波和形态学的条码边缘检测

针对边缘模糊会导致二维条码识别率下降的问题,提出了一种基于中值滤波和数学形态学相结合的二维条码边缘检测识别算法,该算法能够有效地抑制噪声,保护边缘细节,提高检测精度,从而有效地降低边缘模糊时条码识别的影响.文中选取PDF417二维条码为应用对象,与传统的几种边缘检测算法相比.实验结果表明,该算法能够更有效地识别条码边界,显著地提高了条码的识别率.     

一种联机手写笔画滤波算法的设计与实现

引入方向代码的概念,将联机手写笔画的运动轨迹转换成由方向代码组成的序列。通过分析代码序列中的噪声因素,归纳了噪声的种类,进而设计并实现了一种基于方向代码序列的滤波算法,为联机手写汉字的识别奠定了基础。结合实验完成了滤波、归并和匹配各个过程的设计,从而完成了单笔画及连笔部件的识别。     

基于几何参数的步态识别研究

针对人体行走时在空间呈现出的不同几何模式,介绍了一种基于几何参数的步态识别方法,利用Gabor滤波器在不同角度上的滤波特性,对步态图像滤波的基础上,通过扫描二值图像提取人体的步态几何特征：两脚间的宽度、两腿与人体垂直中线的夹角以及两腿交叉点的坐标;步态的分类采用改进后的动态时间扭曲（DTW）方法进行动态模板匹配,基于CASIA步态库的测试表明,该方法的分类准确率达90％。实验结果表明,基于几何参数的步态识别,可以有效地区分不同的运动主体。     

基于符号特征的QR码识别算法

在传统QR码识别算法基础上,提出一种利用QR码自身的符号特征进行识别定位的改进算法。对采集到的图像进行二值化处理,由符号特征定位QR码在采集图像中的位置,通过改进的双线性变换校正在采集过程中引起的图像几何形变,并通过逐模块垂直投影提取条码信息。实验结果表明,该算法具有识别时间短、识别率高等特点。     

基于模板匹配和神经网络的车牌字符识别方法

本文提出了一种基于模板匹配和神经网络的车牌识别方法.该方法集成了模板匹配识别车牌字符和神经网络识别车牌字符的各自优势.对于字符可单独分割出来的一类车牌,本文提出了一种改进的神经网络来进行字符识别;对于字符不可分割或分割困难的另一类车牌,本文提出了一种基于四灰度加权相似函数模板匹配方法来识别字符.从而克服了单一方法很难同时识别这两类车牌中的字符的不足,同时可有效地提高车牌字符识别的识别率、识别速度或识别系统的泛化能力.实验结果表明:大多数情况下,该方法车牌字符识别率超过90%,识别时间不超过1 200毫秒,能更有效识别各种车牌中的字符,能更好地满足实际系统的要求.     

结合Fisher判别的手写数字特征提取方法

在手写数字图像的特征提取中,提出一种结合Fisher线性判别的多分辨率Gabor滤波方法,在所有特征点上寻求特定滤波方向上的局部最优滤波频率,以获得最佳滤波效果,同时压缩不相关特征.在MNIST手写数字图像库上的识别实验表明:在小样本情况下,该方法能更准确地抽取手写数字图像特征,识别效果明显优于直接进行Gabor特征提取.