基于神经网络的在线计算机图像识别系统

以二值型自适应共振理论（ART－1）神经网络为识别核心设计了一个应用于生产流水线的计算机识别系统，它可以对生产线上的零件和产品的文字和符号进行实时识别，作自动记录。该系统具有学习和识别速度快、识别率高（＞96％），可以灵活改变识别对象，应用范围广等特点。     

基于神经网络及多层次信息融合的手写体数字识别

以信息融合技术为基础，提出了一种新的基于神经网络及多层次信息融合的手写体数字识别方法。该方法通过提取字符图像不同机制的4个互补特征，组合形成6个融合特征，利用优化的BP神经网络算法，对多融合特征进行识别分类，然后用神经网络对6个识别结果进行融合决策．实验结果表明，新的融合识别方法能有效提高识别率，并具有较高的系统可靠性。     

有限集手写汉字识别中的笔画分区矩描述特征

提出了一种笔画分区矩特征的提取方法。根据汉字笔画分布特点，利用小波变换将汉字分解为4个方向笔画分量，用分区矩分别描述4个笔画于图像，并采用K—L变换对特征进行降维处理。采用该特征对有限集手写体汉字进行识别，初步实验结果表明该方法十分有效。     

血液综合信息管理系统(BIMIS)设计和实现

本文从血液综合信息管理系统（BIMIS）开发的实际出发，详细论述了BIMIS设计的原则，思想、方法以及BIMIS实现的主要功能，介绍了字符识别、电子影像档案，指纹识别、二维码等关键技术在BIMIS中的应用，BIMIS实现了对血站整个业务的计算机管理、使血站在管理流程上统一、简便、高效。     

基于集成RBF神经网络的小类别手写体汉字识别系统

该文介绍了RBF神经网络的模型,讨论了RBF网络分类器的机理和特点,提出了一种集成RBF神经网络并应用于小类别手写体汉字识别系统的设计,采用了组合重心分解网格特征方法来提取汉字特征,设计了遗传进化隐层节点自生成算法用于RBF的训练。实验表明该小类别手写体汉字识别系统有很高的识别率,具有一定的实用推广价值。     

粗糙集理论在字符识别中的应用

介绍了粗糙集理论在字符识别中的应用，首先叙述了粗糙集理论的相关内容，并讨论了粗糙集中的概念和方法与字符识别的关系，然后介绍了几个常用的粗糙集在字符识别中应用的算法并给出了例子。     

特征融合用于手写体汉字识别研究

分析了手写汉字特征的提取方法,提取具有一定互补性的轮廓方向特征和方向距离分布特征,并进行K-L变换降维处理,用多特征合成一个区分能力更强的新特征.讨论了RBF网络分类器特性,结合特征融合方法和模块RBF神经网络结构有机地构建一个小类别手写体汉字识别系统.实验表明,该系统可行和有效.     

脚型三维曲面测量技术

提出了一种新的三维曲面测量方法,利用激光片光对脚进行光切,在脚的某一个截面上形成封闭光带,用3个CCD摄像机对截面光带成像,可一次获得脚的某一个截面的二维轮廓信息,再沿光切面的垂直方向步进测量,经CCD摄像机像面和光切平面之间的空间映射变换后可得到脚的整个三维曲面信息。     

基于DSP的版面分析和OCR识别的原理及实现

随着光学字符识别(OCR)技术广泛应用于人口普查、银行票据、各类报表等表格文档自动处理中，大大提高了表格文档的处理效率和精度，节省了人力物力和财力。OCR识别系统通常采用扫描仪获取表格文档的原始图像，由计算机进行版面分析和字符识别。这里提出了基于DSP的OCR识别仪，采用接触式图像传感器摄取文档的原始图像．数字信号处理器(DSP)实现版面分析和字符识别。将识别结果输入到计算机中进行后处理。这样一台计算机可以联结多台识别仪，大大降低了OCR识别系统的成本，在大规模的表格文档自动处理中具有重要的意义。     

计算SVM判别函数值的方法

当支撑矢量或待判别的样本很多时，支撑矢量机(SVM)算法对判别函数值的直接计算会影响整个SVM算法的速度．国外对于SVM的训练算法研究很深入，但判别函数值的算法研究很少．文中将从减少判别值计算的复杂性入手，提出矢量替换法(主要针对线性SVM)、正交矢量法(主要针对非线性SVM)的判别值计算算法．