基于动态特征选择的手写体相似汉字的识别

相似字多是造成汉字识别误识率和拒识率高的主要原因之一，该文提出了一种基于动态特征选择的相似字识别方法，其识别过程从初始提取全局特征开始，然后逐步动态地、递归地加入更精细的局部特征以提高识别的判决力，直至识别结果满足判决条件为止。这种方法不需要人工确定相似字组，而且能自动选择相似字间区别最大的部分空间，构成新的特征向量。通过实验验证，该方法使相似字的识别率有了显著提高，证明了该方法的有效性。     

相似物体的姿态矫正算法设计及实现

在三维点云识别过程中,由于点云姿态不同,比较点的特征时,要将空间姿态变换计算在内,旧的空间姿态算法复杂度高,计算量大。针对上述问题,提出一种相似物体的姿态矫正算法,通过在两个相似物体要进行识别的位置上选择不共线的三组对应点,经过空间变换与旋转,将相似部位的姿态统一,为物体识别做基础。通过使用汽车点云模型进行矫正,验证了该算法的可行性和正确性。     

面向子空间的否定选择算法

传统的否定选择算法无法有效识别落入到低维子空间的样本,导致算法在高维空间检测性能不佳。为此,本文提出了面向子空间的否定选择算法（Subspace-oriented Real Negative Selection Algorithm, SONSA）。在训练常规检测器的基础上,SONSA将搜索样本分布较密度高的低维子空间以进一步训练面向子空间的检测器,从而提高算法对低维子空间内样本的识别能力。实验结果表明在标准数据集Haberman’s Survival（3维）与Breast Cancer Wisconsin (9维)上,相对于经典的V-Detector算法以及采用PCA降维的V-Detector算法,SONSA能在误报率相似的情况下显著地提高检测率。     

基于不对称性的相似汉字识别方法

相似字识别的正确与否对整个识别系统的准确性和可用性都有着极大的影响。在实际应用中,我们发现相似汉字之间的误识存在不对称性,并对这种不对称现象的成因进行了细致的探讨和分析。基于这种不对称性,本文提出了一种分类的部分空间方法来解决相似字的识别问题。相似字按其结构特点被分成若干基本类别,不同类别在相应的部分空间提取不同的特征进行比较,以达到正确识别相似字的目的。实验结果表明了本方法的有效性,相似字识别的准确性得到了很大的提高,其中易错相似字的识别正确率平均提高了4.55个百分点,不易错相似字的识别正确率平均提高了0.38个百分点。     

一种改进的集对贴近度方法及在多证据目标识别中的应用

为解决多目标识别问题,将集对分析思想引入多证据目标识别中并利用集对贴近度来对待识别的目标进行排序。文章针对该方法在处理相似目标识别时贴近度相近的缺陷,将多个证据组成的证据集合看作是由多个证据组成的证据空间并在欧氏空间权距离的基础上改进了集对贴近度算法。文章对两种贴近度算法进行了大样本仿真和分析,仿真结果表明两种贴近度算法的识别结果冲突概率很小,改进的集对贴近度算法简单有效,能对相似目标的识别结果进行更好的区分。     

一种手写相似汉字特征选择方法的研究

在采用支持向量机分类器识别的基础上,提出了一种基于遗传算法进行手写体相似汉字特征选择的方法,解决了相似字中部分空间的自动确定问题。采用弹性网格与小波变换相结合的方法提取相似汉字的特征。实验结果验证了基于交叉验证的特征选择方法的泛化性能好于基于简单验证的方法的结论。     

一种基于对象空间关系的图像检索模型

介绍一种基于空间相似的图像数据库检索模型，提出了空间相似度计算的算法，对对象的空间方位、拓扑关系、数量和空间关系局部高度相似等因素都作了全面考虑，详细阐述空间相似度与局部相似对象簇的求解过程，建立的模型不仅能识别经平移、缩放和旋转交换的图像，而且能识别图像的对称变换，通过实验验证，表明检索模型的图像搜索效率高。     

基于多特征子空间与核学习的行人再识别

行人再识别指的是在无重叠视域多摄像机监控系统中, 匹配不同摄像机视域中的行人目标.针对当前基于距离测度学习的行人再识别算法中存在着特征提取复杂、训练过程复杂和识别效果差的问题, 我们提出一种基于多特征子空间与核学习的行人再识别算法.该算法首先在不同特征子空间中基于核学习的方法得到不同特征子空间中的测度矩阵以及相应的相似度函数, 然后通过比较不同特征子空间中的相似度之和来对行人进行识别.实验结果表明, 本文提出的算法具有较高的识别率, 其中在VIPeR数据集上, RANK1达到了40.7%, 且对光照变化、行人姿态变化、视角变化和遮挡都具有很好的鲁棒性.     

车牌识别系统中关键技术的研究

针对现有的车牌识别系统中的多项关键技术做了改进。车牌定位与提取技术采用了基于图像二维能量与HIS彩色空间相结合的方法,并对现有的能量算法与彩色图像分割算法做了改进。在倾斜校正中,给出了一种基于车牌二值图像的密度重心的校正方法;在识别技术中,引入了特征提取与多级BP神经网络算法相结合的分类识别方法,对车牌中部分相似字符采用二级神经网络进行精细识别。实验表明,通过对车牌识别系统中关键技术的改进可以大大提高该系统的鲁棒性与准确率。     

车牌提取与识别系统的研究与设计

针对现有的车牌识别方法的缺陷,改进了车牌识别系统中的多项关键技术;采用了基于图像二维能量与HSI彩色空间相结合的方法进行车牌定位与提取,并对现有的能量算法与彩色图像分割算法做了改进;在识别过程中,引人了特征提取与多级BP神经网络相结合的分类识别方法,对车牌中部分相似字符采用第二级神经网络进行精细识别;通过上述改进,提高了系统的整体性能;实验表明,这些关键技术的改进可以大大提高车牌识别系统的准确率与鲁棒性.     

基于连笔消除的空间手写字符识别方法

信息的连续采集会造成部分字符存在连笔,进而影响字符识别率.为此,提出一种基于连笔消除的空间手写字符识别方法.将空间手写字符平面化,提取字符拐点和笔画方向特征.为避免笔画的误消除,利用支持向量机把未知字符分为带连笔字符和非连笔字符,通过连笔的书写特征消除连笔,将空间字符轨迹转化为平面字符轨迹,直接用平面字符分类器进行字符识别.实验结果表明,该方法连笔消除效果显著,利用现有字符库即可获得较高的字符识别率.     

分行显示数字仪表读数的自动识别

引入HSV色彩空间，提出一种自动识别字符色泽的算法。用减背景、色泽分析方法进行字符的提取，用投影方法进行单个字符的分割。采用BP网络学习算法，构造了一个3层BP神经网络模型，对数字0~9进行识别。实验表明该方法具有很强的鲁棒性。     

藏文识别的预处理

预处理是整个文字识别系统的重要组成部分,预处理性能的优劣将直接影响整个识别系统的性能,根据藏文字在字形和书写方式上的特点,实现了一种适用于藏文识别的预处理技术,整个预处理过程包括二值化、版面分析、倾斜校正、字符切和归一化,在预处理过程中还提取了一此圾关字丁的基本特征,这些特征充分反映了藏文的特点,具有良好的稳定性,可以用于识别系统的粗分类和后处理。     

An application of the hough transform to the recognition of printed hebrew characters

This paper describes computer recognition of printed Hebrew characters, in which the Hough Transform space is used as the feature domain. The sequentially built recognition scheme has a first stage coarse classification by end points of strokes and a second stage classifier divided into two parts: in one part the decision is based on matching features in the transform space and in the other part a structural classification is applied. The method was tested on a sample set of eighteen print-simulated alphabets and a recognition rate of 99.6% was achieved. A performance comparison with two other recognition methods is also given.     

小写金额的多模式切分与识别算法

针对带表格的中文支票小写金额的自动识别问题,提出了一种多模式切分和识别算法。根据小写金额不同部分的切分和识别难度,采取了3种递进的模式:预切分模式、连写0检测模式和基于识别的切分模式。其中预切分模式用来处理小写金额中不粘连的单字;连写0检测模式用来检测并识别连写的0;基于识别的切分模式用来处理非连写0的粘连部分,在这个模式中采用了遗传算法来加速最优解的搜索过程。利用从银行采集的1053张真实支票样本进行测试,在拒识率为33.6%时,小写金额串的识别率达到66.1%,实验结果证明这种算法可以提高真实支票小写金额的识别率。     

构造性核覆盖算法在图像识别中的应用

构造性神经网络的主要特点是：在对给定的具体数据的处理过程中,能同时给出网络的结构和参数;支持向量机就是先通过引入核函数的非线性变换,然后在这个核空间中求取最优线性分类面,其所求得的分类函数,形式上类似于一个神经网络,而构造性核覆盖算法(简称为CKCA)则是一种将神经网络中的构造性学习方法(如覆盖算法)与支持向量机(SVM)中的核函数法相结合的方法。CKCA方法具有运算量小、构造性强、直观等特点,适于处理大规模分类问题和图像识别问题。为验证CKCA算法的应用效果,利用图像质量不高的车牌字符进行了识别实验,并取得了较好的结果。     

基于局部保持投影与隐马尔可夫模型的维文字符识别

针对传统隐马尔可夫模型(HMM)在对手写维吾尔文字符建模时,字符宽度变化大,模型训练收敛缓慢,且易陷入局部极值的问题,提出一种基于保局投影(LPP)与HMM相结合的维吾尔字符识别方法。首先,通过高度归一化保持原图像的宽高比,用滑动窗获取子图像序列,形成观测向量序列;其次,采用局部保持投影将观测序列映射到低维空间,并用随机抽样方法降低邻接图矩阵的规模;最后,采用新观测序列训练HMM。该算法在降维的同时提高了HMM的收敛速度,降低了陷入局部极值的风险。实验结果显示,算法的平均收敛步数减少,错误率降低,表明算法是有效的。     

Time-segmentation and position-free recognition of air-drawn gestures and characters in videos

We report the recognition in video streams of isolated alphabetic characters and connected cursive textual characters, such as alphabetic, hiragana and kanji characters, that are drawn in the air. This topic involves a number of difficult problems in computer vision, such as the segmentation and recognition of complex motion on videos. We use an algorithm called time–space continuous dynamic programming (TSCDP), which can realize both time- and location-free (spotting) recognition. Spotting means that the prior segmentation of input video is not required. Each reference (model) character is represented by a single stroke that is composed of pixels. We conducted two experiments involving the recognition of 26 isolated alphabetic characters and 23 Japanese hiragana and kanji air-drawn characters. We also conducted gesture recognition experiments based on TSCDP, which showed that TSCDP was free from many of the restrictions imposed by conventional methods.     

一种新的车牌字符快速识别方法

针对车牌字符图像的特点,在研究各种特征提取方法适用场合的基础上提出了改进的特征提取方法和字符识别方法。对于英文和数字,使用一种基于模板匹配和神经网络的车牌字符识别方法。该方法采用两级识别,第一级采用模板匹配识别差别明显的字符,第二级采用BP神经网络识别第一级不能确定的相似字符。对于汉字采用小波变换和LDA提取特征。该方法利用小波变换的特性最大程度地提取了字符图像的特征信息。实验结果表明此算法具有较高的识别率和较快的识别速度。