一种快速实用的散布中文斜体字符的检测方法

对现有的各种斜体检测方法进行详细的分析与比较,并提出一种垂直与水平两级加权的归一化比较方法.该方法通过放大正体与斜体字符图像间的特征差异,可以快速实现文档中散布中文斜体字符的检测.采用3个测试集来测试本文方法,并对各种斜体检测方法进行对比实验.实验证明,本文方法性能较优越,可满足实际应用的需要.     

自动人脸识别技术综述

1.引言人脸识别因其在安全、认证、人机交互等方面良好的应用前景而成为近年来模式识别和人工智能领域的研究热点。到目前为止,基于计算机的自动人脸识别系统已经研究了20多年,但仍面临着种种困难,这些困难来源于表情、姿态、位置、头部尺寸、光照和背景的大幅度变化。同时,由于     

基于多信息融合的视觉目标类识别算法研究

视觉目标类识别是计算机视觉研究领域中的最具挑战性的难题之一,目前仍有许多问题没有得到很好的解决.近年来提出的空域金字塔直方图特征表示,在描述特征点集分布属性方面取得了比较好的实验效果.但是由于其描述的信息不全面,在性能上仍有较大改进余地.从信息互补性角度出发,提出了基于多信息融合的集成策略,将空域金字塔直方图表示与费舍分数表示各自描述的优势相结合,用于视觉目标类识别.实验证明该策略是有效的,在所进行测试的所有类别上相比单信息识别的性能均取得了一致性提高.     

基于自产生投票的手写汉字识别

在模式识别领域,投票策略是非常有效的,而且已被成功应用到人脸检测、识别等领域. 然而,在手写汉字识别 (Handwritten Chinese character recognition, HCCR)中,由于类别集很大、训练样本少等特点,现有的很多分类器集成方法方法都很难直接应用于此领域. 本文提出一种自产生式投票的方法,该方法通过事先学习得到的参数集产生一个测试集合,然后用一个分类器去识别 测试集合中的每个样本,得到属于各个类别的概率,最后通过加权投票得到识别结果. 实验结果表明,本文提出的方法是实用和有效的.     

智能化技术在节能减排中的应用潜力

节能减排是当今全球经济社会发展所面临的一项紧迫而又具有深远意义的任务。从信息化到智能化不仅是信息时代节能减排的现实选择,也是智能生产力发展的必然趋势。本文以工业、农业、建筑、电力、物流、交通、城市和服务行业为例,介绍了智能化技术在节能减排中的潜力和实践。     

基于Bag-of-phrases的图像表示方法

在过去的几年,将图像内容表示为特定"视觉词"出现次数直方图的Bag-of-words模型,展示了其在图像内容分类方面的强大优势.然而,在这种统计特定"视觉词"出现次数直方图的模型中,"视觉词"之间的相互位置关系几乎被完全丢弃了.本文从分析Bag-of-words模型在文本分类和图像内容分类领域的对应关系的角度出发,提出一种加入"视觉词"之间的相互位置关系的图像表示方法—Bag-of-phrases模型.在标准数据集上验证了该图像表示方法对图像内容分类性能的影响.实验结果显示,本文提出的方法相对于传统的Bag-of-words模型可以达到更好的分类性能.     

基于OCR与词形状编码的英文扫描文档检索

分析当前常用的两类扫描文档检索方法:基于OCR和基于词形状编码的方法.提出基于识别信度将两种方法进行有机结合的思路.基于文档排字特性和笔画特征,还提出一种词形状编码方法,对字体有较强的容忍性.针对各种标引方法进行关键词检索对比实验,实验结果表明,本文方法性能较优越.     

一种面向大类别集的快速分类方法

针对大类别集分类问题提出了一种新的快速分类方法.引入了基于分组的候选规则,通过冗余分组,将大类别集分成若干独立的子集.组的数量和类别数都是有限的,因此可以充分利用各种信息,单独为每个组设计优化的分类器.以手写汉字识别为例,利用多级学习矢量量化来分别训练全局分类器、组中心以及每个组的细分类器.提供了危险区域的判据,并且结合其他的候选规则来提高边缘样本的识别率.     

基于 GaborSIFT+NNScSPM 图像特征抽取算法研究

视觉信息的特征表示是计算机视觉场景图像理解研究中的核心内容. 基于GaborSIFT+NNScSPM的图像特征抽取算法,借鉴生物视觉机制中的相关 研究成果,有机结合了HMAX层次计算模型的思想和非负稀疏编码的策略, 较为合理地模拟了生物视觉皮层中视觉处理的过程.在15类场景图 像和Caltech101两个公开数据集上进行了实验验证, 实验结果表明我们所提出的算法较同期算法有着良好的分类性能.     

基于类别相关码本生成的图像分类方法

提出一种基于类别相关码本的方法,该方法为每一个类别产生一个码本,在训练和测试任意2个类别之间的分类器时,仅考虑与这2类相关码本上形成的图像向量.在保留相关类别码本多样性的同时,能降低输入分类器的图像向量的维数,有效避免维数灾难.实验结果表明,与传统的基于单个全局码本的方法相比,该方法具有更好的分类性能.