排序方式: 共有61条查询结果,搜索用时 156 毫秒
1.
人民币冠字号码识别预处理算法研究 总被引:1,自引:0,他引:1
近年来,人民币冠字号码的识别受到越来越广泛的关注,其在打击经济犯罪,维持市场稳定和社会和谐等方面都具有很强的实用性和广阔的应用前景。一个稳定高效的人民币冠字码识别系统在很大程度上依赖于图像预处理的结果。提出了一套完整的人民币冠字码识别预处理方案,其中包括图像采集、倾斜校正、采集方向识别、冠字号码区域定位和二值化、字符提取等算法,并对三种冠字码区域二值化方法进行了比较和分析。实验结果表明,所提出的预处理方法精度很高,为后续的冠字码字符识别工作提供了可靠的技术保障。 相似文献
2.
文中针对丛林环境背景下的迷彩人员检测效果差的问题,提出一种基于多光谱图像融合的迷彩人员检测方法.以可见光图像和特征波段图像为数据源,首先将可见光图像变换到相关性最小的IHS颜色空间,提取出亮度分量I;然后对于特征波段图像和亮度分量I进行多级NSST分解变换图像融合,其中特征波段之间采用局部能量取大值融合规则低频分量融合,与亮度分量之间采用自适应模糊逻辑原则进行低频分量融合.高频分量均使用模值取大的融合规则.最后进行NSST逆变换和IHS逆变换得到融合结果.经实验表明,与其他经典和主流多尺度变换图像融合算法相比,该方法具备较好的图像质量评价指标,并且在迷彩人员检测实验中,与可见光图像结果相比,具有较好的检测结果. 相似文献
3.
点云作为一种能提供丰富空间信息与几何特征的数据表达形式,正受到越来越多的重视.为了克服其无序性,以及不均匀的空间分布带来的影响,许多研究者采取平面投影,或者使用体素网格对原始点云进行转换,但这些方式都是以损失三维信息或者增大数据规模为前提.PointNet[1]创新性的使用原始点云作为输入,提取特征并处理.PointNet++[2]则在此之上,更进一步地加强了对局部特征的提取能力.论文结合深度学习中的优化思想,对PointNet++结构进行改进,加入自顶向下的网络分支,经过处理后将原网络每一层的中间特征都输入到最终分类网络,更进一步地强化特征提取的能力.该网络易于理解且高效,在ModelNet40数据集上测试,整体分类准确率有明显提升,证明了其优化后的特征提取能力. 相似文献
4.
为了准确及时获取船舶在船闸中的运动信息,提出了一种基于概率速度场的实时检测船闸中船舶的方法。该方法首先分析了船舶在船闸中运行的各种环境因素;其次为了消除和减弱阴影和光斑的影响,从监测图象灰度直方图中派生出一个高斯概率分布模型,进而获取图象的概率场;最后定义了一个基于光流计算的可实时检测船舶的概率速度场。该方法已成功地测试了大量通过三峡临时船闸和葛洲坝船闸的船舶序列图象。 相似文献
5.
提出一种融合局部二值模式(LBP)和局部非负矩阵分解(LNMF)进行人脸识别的方法,采用LBP算子提取分块人脸图像的LBP直方图序列(LBPHS),根据每块的贡献度,得到权重的直方图序列(WeightLBPHS),采用LNMF方法提取其非负子空间及其系数矩阵,根据最近邻原则进行识别。在ORL和YALE标准人脸数据库上的实验表明,该方法具有较高的识别率。 相似文献
6.
讨论了用于地面自主车(ALV)视觉导航的红外道路图像的特点, 论述了红外道路图像的预处理策略和方法, 分析了一些常用的图像处理方法在处理红外道路图像时的缺陷, 指出由于温差的渐变性, 红外道路图像的路边检测特别适合使用阈值穷举法, 并给出了在温度渐变的路边上边缘强度的求取方法和使用二阶微分算子得到边界线段的精确位置的方法。同时使用了边缘信息和灰度信息来提取道路边界信息, 阈值穷举法和二阶微分算子得到的道路边界线段相互融合, 得到候选的道路边界线段, 在ALV 的实际应用中取得了很好的效果。 相似文献
7.
河流的水位是非常重要的水文数据。提出了一种新的基于图像的水位自动测量算法,能够精确的检测和定位出水位线。该算法合理运用了形状校正、边缘检测、轮廓跟踪与分析、数字形态学、图像投影等图像处理技术,具有抗噪、抗光照不均、稳定可靠,实时性强、实现简单等优点。该算法实现的水位自动检测系统已经在工程上应用,长期实践表明它是稳定可靠的。 相似文献
8.
9.
书脊定位是实现图书管理自动化的重要技术,通过对定位分割出的书脊图像进行图像匹配或文本识别获得图书信息,可大大减小图书检索、整理的人力劳动。论文提出了一种基于文本检测的书脊区域粗选方法,首先通过序贯分割算法检测图像中的字符整体区域,然后根据字符宽度和距离将同属于一本书的字符加入相似字符集合,根据集合内的字符中心和字符宽度计算候选书脊区域,最后通过支持向量机分类器精选书脊区域。相比于已有的书脊定位方法,论文算法在光照敏感、相邻书脊颜色对比度敏感、书脊多角度倾斜检测等方面进行了改善,在实验中取得了较好的定位成功率。 相似文献
10.
论文为了解决手机人民币图像给人民币鉴伪任务带来的困难,构造了一个基于B-CNN的手机人民币图像鉴伪框架,该框架以带有提取手机人民币图像红色分量Lambda层的VGG16的block5的输出作为输入.将提取手机人民币红色分量的Lambda层加在VGG16网络的最前面,并用此时VGG16的block5的输出模拟双路搭建B-CNN网络.实验部分将通过两种不同的训练方法获取的论文提出的鉴伪框架和单一的VGG16、加了提取红色分量Lambda层的VGG16在手机人民币图像鉴伪识别上的方法进行了对比,实验表明在手机人民币图像上,论文提出的方法有更高的真伪识别性能. 相似文献