基于并行特征组合与广义K-L变换的字符识别

针对传统的串行特征融合方法的弱点,提出了一种新的并行特征融合方法.该方法的基本思路是:首先,利用复向量将样本空间上的两组特征集组合起来,构成复特征向量空间;然后,从理论上推广了经典的K-L变换方法与3种基本的K-L展开方法,使其适用于复特征向量空间内的特征抽取.此外,还揭示了并行特征融合的对称性质,并详细讨论了并行特征组合的策略问题.最后,用所提出的方法来解决手写体字符的特征抽取与识别问题.在南京理工大学NUST603HW手写体汉字库以及Concordia大学的CENPARMI手写体阿拉伯数字数据库上的实验结果表明,所提出的特征融合方法不仅较大幅度地提高了识别率,而且识别结果优于传统的串行特征融合方法.     

基于多级拟合的道路病害自动检测与识别

传统的基于人工视觉检测裂缝的方法愈来愈不能适应高速公路发展的要求:其耗人力、耗时、不精确、影响交通、危险、花费高的缺点要求路面状况调查的自动完成。而现有的检测识别方法仅适合某些情况并仅在小样本集上测试过。论文介绍了一种基于多级拟合机制的道路裂缝自动检测与识别方法。大量实验结果表明该方法具有很强的通用性和准确性。     

一种快速实用的灰度校正算法

介绍了光学成像系统灰度衰减模型，提出了一种快速的灰度不均图像校正方法。该方法不需要其他的外部参数，也不需要模型，仅通过对灰度不均的图象自身进行运算来加以校正，它基于通过原图象减去背景图像来消除不均的策略，根所图象特性，直接从原图象中取出属于背景上的点，再通过插值或曲面拟合等方法得到整个背景图象。该方法不但保持了原图象上的目标，而且效果明显，简单快速，并具有很好的通用性，高速公路路面病害检测实验结果验证了该方法的有效性。     

路面裂缝的自动检测与识别

传统的基于人工视觉检测裂缝的方法愈来愈不能适应高速公路发展的要求：其耗人力、 耗时、 不精确、影响交通、危险、 花费高的缺点要求路面状况调查的自动完成。该文介绍了一种基于图像处理的路面裂缝自动检测方法。其首先使用一种快速的针对灰度不均图像校正方法，对降质的路面图像进行增强，再进行阈值分割，提取出图像上的线性特征，最后再根据线性特征从原灰度图像上识别出裂缝目标。实验结果表明了该方法的有效性。