快速分类神经网络在字符识别中的应用

本文以海明神经网络与自适应谐振理论(ART)模型学习算法为基础,从理论上分析了海明网络学习算法的缺陷,利用ART网络的思想,提出了一种快速分类的神经元网络的算法,命名为Improved Hamming算法(简称Im-H算法)。此算法主要优点在于阈值更新及引入了经验迭代次数。将此算法用于字符模式识别,大量的计算机实验结果表明了Im-H网络学习算法的有效性、快速性。     

数字水准仪编码标尺图像识别算法

针对数字水准仪编码标尺所包含的信息，设计了一种基于相位差法编制的数字水准仪编码标尺．然后以该数字水准仪编码标尺为识别对象，提出了一种数字水准仪编码标尺图像识别算法．首先识别编码标尺上黑白条码宽度，确定出参考码R和信息码A、B．其次判断CCD中心线与信息码A、B中心线的位置关系，依据已知参考信息A、B码中心线位置对应的高度值，可确定编码标尺读数．模拟测量结果表明：在对数字水准仪编码标尺图像信息完成数据采集和图像处理、边缘检测、二值化数字图像处理后，利用该算法能够准确识别出编码标尺上黑白条码的实际宽度和编码标尺读数．     

基于多特征提取和SVM参数优化的车型识别

提出了一种基于多特征提取和支持向量机(support vector machines,SVM)参数优化的车型识别方法,此方法解决了采用单一特征容易受到光照、天气、阴影等环境影响的问题,并且可以对运动中的车辆进行车型识别。首先,采集车辆样本并进行图像预处理,提取车辆的几何特征、纹理特征和方向梯度直方图(histogram of oriented gradient,HOG)特征;其次,将提取的多种特征量进行组合测试,并与单个特征量的测试结果进行比较;最后,采用粒子群算法优化SVM 的参数并使用优化的SVM参数进行运动车辆的车型识别。实验结果表明:提出的多特征提取和SVM参数优化相结合的车型识别方法能够取得很好的识别效果,识别率达到90%以上。     

一种快速红外图像分割方法

为准确地实现目标识别,提出了将二维最大熵图像分割方法应用于红外图像实行分割．利用图像的二维直方图,二维最大熵分割方法不仅考虑了象素的灰度信息,而且还充／矿利用了象素的空间领域信息,能取得较为理想的分割结果．然而该方法所需的巨大运算量限制了其实际应用．运用PSO算法代替穷尽搜索获得阈值向量,求解速度可提高300～400倍,提高了分割效率．通过对实际的红外图像分割表明,这种方法简单、有效．     

基于模糊模式识别的裂纹漏磁信号定量分析

针对无损探伤难以实现定量检测的问题,探讨模糊模式识别定量分析裂纹漏磁信号的原理和方法,通过在标准试件上大量实验及在具有自然裂纹的工件上测试,取得了满意的效果。     

基于模糊识别的矿区塌陷区土地复垦潜力评价

阐述了模糊识别的基本原理，利用它进行矿区塌陷区土地复垦潜力综合评价，比较了三种计算评语集合的方法，对权重的意义提出正确的应用方式，并针对土地复垦的阶段，提出按阶段划分的评价指标，在作综合评价的同时，也可以评价各个阶段的等级。     

基于多频带2D-PCA的虹膜识别算法

近年来,二维主分量分析(2D-PCA)和离散小波变换作为图像分析的两种有效方法,受到人们的广泛关注。结合以上两种方法,提出了一种多频带2D-PCA虹膜识别快速算法。该算法首先对虹膜图像做预处理,然后将预处理后的图像做2维离散小波变换,取小波系数的两个中频子带作为2D-PCA的输入空间;在训练阶段,求得训练样本输入空间的特征空间并由此得到训练样本的特征向量,形成样本特征库;在识别阶段,计算得到未知样本特征向量;同时为了提高特征向量对图像旋转的鲁棒性,在该阶段进行了基于不同起始角度的归一化处理。最后采用Hamming距离,对未知样本的特征向量在特征库中进行多模板匹配,通过K临法则和阈值法得到识别结果。实验结果验证了所提算法的有效性。     

基于时频分布图像的辐射源特征提取及识别

新体制雷达在现代军事中得到越来越多的应用,如何提取这些新体制雷达的细微特征并用这些特征进行识别也成为一个迫切的问题。用Choi-Williams分布(CWD)对信号进行时频变换,然后基于这些信号时频变换图进行奇异值分解,提取信号特征,设计了根据这些特征进行识别的流程图,结合计算机仿真对该识别方法进行了深入的分析,得出该方法具有一定的适用性的结论。     

显微图象中目标对象的识别

研究了显微图象中目标对象的识别问题。首先比较了显微图象和宏观图象之间的区别,总结了大部分显微图象具有的一般特征,讨论了宏观图象处理方法用于显微图象时存在的缺陷。然后提出了一种目标对象识别的新方法,该方法利用最优颜色通道识别显微图象中的目标对象,动态地调节识别阈值,减少了误识别象素的数量。对残存的误识别象素和脏点象素采用面积滤波的方式去除,进一步提高识别的效果。该文通过实验,识别了几种显微图象中的目标对象,实验发现,使用这一方法不仅能够提取背景中的目标对象,还可以大量减少误识别象素和脏点象素,说明该方法用于显微图象中目标对象的识别具有一定的优点。     

带噪汉语语音识别的端点检测方法

在语音识别系统中产生错误识别的原因之一是端点检测有误差，在高信噪比情况下，正确地确定语音的端点并不困难，然而，大多数实际的语音识别系统需工作在低信噪比情况下，一些常规的端点检测方法，例如基于能量的端点检测方法在噪声环境下不能有效地工作。该文利用改进的隐马尔柯夫模型(HMM)进行语音检测以适应噪声的变化，实验结果表明本方法可得到高正确率的带噪语音端点检测。