一种基于小波变换提取拐点的手写签名认证方法

为了对手写签名进行准确认证 ,介绍了一种基于小波变换的用于提取手写签名笔划坐标 -时间曲线拐点的手写签名认证方法 ,该方法首先采用以高斯函数的二阶导数作为小波基的小波变换技术来进行拐点提取 ,由于变换后的曲线可以近似认为是原函数的二次导数曲线 ,它不仅能够从签名笔划曲线中准确可靠地提取出具有特殊意义的拐点 ,并具有分辨尺度可调的优点 ,从而提高了认证的普适性 ;然后以该方法为基础 ,进行不同签名之间拐点序列的匹配 ;最后再利用提取的拐点来对签名进行分段和段 -段对应处理 .若由于利用拐点分段能体现出各分段局部相似性与稳定性不同的特点 ,因而拉开了真伪签名之间的差距 ,若进一步与动态时间弯曲算法相结合 ,即可取得比较满意的认证效果 .     

机动车车牌自动识别系统与VMLA定位算法

介绍了一种机动车车牌自动识别系统及其机动车车牌自动定位的 VML A (Vector Map L ocationAlgorithm)新算法 .该算法基于机动车车牌字符笔画两个边缘互相关值最大这一特征 ,先利用粒子图象测速原理得出位移矢量图 ,然后在位移矢量图中定位机动车车牌 .VML A算法具有实时、机动车车牌大小在较大范围内自适应的特点 ,同时还能得到机动车车牌字符与背底对比情况、机动车车牌大小的粗略估计等信息 ,这些信息对后续车牌的精确定位、分割、识别非常有用 .5 4 0幅机动车车牌图象的初步实验结果为定位速度 0 .2 s/个 ,定位正确率98.9% .这表明该方法速度快、一次定位正确率高 ,是一种极有潜力的定位新算法     

基于形态学及SVM思想的病变图象识别方法

提出了一种将形态学理论与SVM(支持向量机)算法结合起来的病变图象特征识别方法.利用形态学的广义骨架理论及形状因子,抽取图象特征,作为SVM训练数据,同时借助SVM良好的分类性能,对图象骨架进行分类,从而实现图象特征的快速分类,提高识别率.本文以红外乳腺图象为例,说明了本算法的各种特色.实验结果表明,该算法能有效提高图象识别率并具有一定的应用前景,同时,该方法对其他类似的模式识别问题也有一定的借鉴作用.     

基于Gabor滤波器组的车牌汉字特征提取

提出基于Gabor滤波器组的特征提取新方法.利用汉字图像的统计信息及归一化信息,提出针对车牌汉字的有效的Gabor滤波器组参数优化方法,并设计一组Gabor滤波器用于提取车牌汉字图像中不同中心频率和方位的笔画纹理特征,实现直接对灰度图像的特征提取.实验结果表明,相比传统二值化特征提取方法,采用基于Gabor滤波器组的小波变换提取特征能够获得更良好的识别性能.     

智能车辆导航路径识别的模糊神经网络方法研究

研究了采用模糊神经网络来识别 JL UIV- 2型视觉导航智能车辆模糊和脏污的导航路径的方法 ,提出了两种模糊神经网络模型 .第 1种模糊神经网络有 5层结构 ,采用正态分布概率函数作为模糊化函数 ;第 2种模糊神经网络有 6层结构 ,采用 π函数作为模糊化函数 .同时采用改进的快速 BP算法对这两种模糊神经网络进行训练 ,并采用实际模糊和脏污的条带状导航路标图象进行了识别试验 .试验结果表明 ,所提出的模糊神经网络可使智能车辆有效地识别出模糊和脏污的导航路径     

小波变换在遥感图象融合中的应用研究

针对基于小波变换的图象融合中存在的光谱扭曲问题 ,提出了一种直接相加的小波变换低频信息处理方法 ,即将未分解的 TM放大图象与小波分解后的 SPOT图象的高频部分重构得到的图象通过直接相加来生成融合图象 ,这种方法得到的融合图象 ,其光谱扭曲值和信息量两个指标均优于常规的小波融合方法 .由小波变换与 IHS变换的光谱质量比较表明 ,小波变换比 IHS变换更适合于波谱响应范围不同、相关性弱的图象间的融合 ;另外 ,空间质量比较还表明 ,小波变换在融合中、小尺度的纹理特征方面具有优势 .     

基于小波变换的图象放大方法再探讨

图象放大 (又称图象变焦、图象重采样 )问题严格地说是一个病态问题 ,根据不同的模型 ,人们先后提出了多种图象放大方法 ,如线性插值、三次样条插值、分形插值以及基于小波变换的方法等 .图象放大问题的焦点是如何在图象放大过程中保持良好的视觉分辨率 ,表现在基于小波变换的图象放大方法中就是如何构造图象高频分量的问题 .针对目前常用的变换域内插方法 ,在一维信号上所作的模拟实验表明 ,该方法并不合理 .对常用的几种图象放大效果评价的方法进行了比较分析 ,结果认为 ,最理想方法还是多人主观评判法 .由于小波高频系数构建问题并未有理想方案 ,因此 ,对小波基函数的选择问题必须作进一步研究 .     

基于区域的手指三维运动跟踪

提出了基于区域的多连接体(手指)的三维运动跟踪算法.该算法首先用多约束融合的方法以及手指的运动特性,得到初始帧手指的三维结构;然后根据刚性多连接体的运动模型以及相应的姿势约束模型,给出了这一特殊运动模型三维运动估计的优化算法,此算法能够鲁棒地估计手指的三维运动;最后利用区域跟踪的方法获取多连接体三维运动,并在真实的手指序列图象中实现了该算法.实验结果证实了该算法的有效性.     

基于小波域边缘方向特征的SAR图象噪声抑制方法

给出了一种新的基于小波变换的合成孔径雷达 (SAR)图象斑点噪声抑制方法 .利用每一级小波分解得到的小波系数子带 HL和 L H,以及对原图进行水平方向旋转正负 4 5°扫描后得到的另外两个正交方向的小波系数子带 rc HL和 ra HL ,可以判断出对应点边缘方向性的强弱 ,通过设定方向性阈值 ,确定该点是否位于边缘上 ,进而对没有位于边缘的点进行平滑 ,达到保留图象边缘的同时 ,抑制斑点噪声的目的 .为解决对某些振荡型边缘的检测问题 ,还结合阈值法 ,对该方法做了改进 .实验表明 ,与小波域的硬阈值或软阈值去噪方法相比 ,此方法在有效地抑制斑点噪声的同时 ,更好地保留了 SAR图象中的边缘和纹理信息 .     

基于SVM和ICA的视频帧字幕自动定位与提取

视频字幕蕴涵了丰富语义,可以用来对相应视频流进行高级语义标注,但由于先前视频字幕提取考虑的只是如何尽可能定义好字幕特征,而忽视了分类学习机自身的学习推广能力.针对这一局限性,提出了一种基于支持向量机和独立分量分析的视频帧字幕定位与提取算法.该算法是首先将原始图象帧分割成N×N大小子块,同时将每个子块标注为字幕块和非字幕块两类;然后从每个子块提取能够保持相互高阶独立的独立分量特征去训练支持向量机分类器;最后结合金字塔模型和去噪方法,用训练好的支持向量机来实现对视频字幕区域自动定位提取.由于支持向量机能够在样本不是很多的情况下,具有良好的分类推广能力以及能使独立成分特征之间彼此保持高阶独立性,与其他视频帧字幕定位提取算法比较的结果表明,该算法具有明显的优点.     

一种手写体汉字特征提取新方法—小波变换及弹性网络技术的应用

利用小波分析方法将汉字图象分解为横、撇、竖、捺４个方向的分量，然后结合弹性网络技术，提出了进行了手写体汉字特征提取的一种新方法，实验结果显示此方法是行之有效的。     

基于Rough集理论的车牌汉字特征提取

车牌首位汉字特征提取和识别是一个难点。传统的车牌汉字的特征提取方法是在具有先验知识的情况下进行的,先验知识的好坏对结果有着非常重要的影响。Rough集,理论上可以从数据集中直接提取特征,不依靠先验知识。先用Rough集理论提取待识别汉字的特征,再用这些特征进行模板匹配。实验结果表明该方法有比较好的识别效果。     

基于Rough集理论的车牌汉字特征提取

车牌首位汉字特征提取和识别是一个难点。传统的车牌汉字的特征提取方法是在具有先验知识的情况下进行的,先验知识的好坏对结果有着非常重要的影响。Rough集,理论上可以从数据集中直接提取特征,不依靠先验知识。先用Rough集理论提取待识别汉字的特征,再用这些特征进行模板匹配。实验结果表明该方法有比较好的识别效果。     

基于小波和DCT的灰度压印字符图像的特征抽取

标牌压印字符是“反光差”的凹凸字符,通常的基于二值化图像的字符特征抽取方法都不适宜。提出了基于灰度图像的标牌压印字符特征抽取新方法,首先对灰度字符进行圆周投影,然后利用小波变换,将投影曲线分解为大致信号和细节信号的子样本,最后对子样本进行DCT变换,生成凹凸字符的特征矢量。该方法是直接对灰度图像抽取字符特征,不仅可以尽量多地保持原始字符的特征,而且克服了传统的字符图像特征抽取时,过分依赖于二值化算法、抗干扰性差等弊病。对标牌压印有限凹凸字符集进行特征抽取和识别实验表明,该特征抽取方法具有尺度和旋转不变性,有较好的抗干扰性和很好的分类性能,实用价值很高。     

英文字符特征提取系统

英文字符识别是模式识别的一个重要分支,具有广泛的应用领域.字符识别主要包括文档切分、单词切分、字符识别及后处理几部分.文中描述的是英文字符识别系统实现了从图像扫描到得到识别结果的全过程, 而字符特征提取是文本的重点内容.以五十二个英文字符为研究对象,具体包括了图像预处理、特征提取、建立模板、分类器设计、后处理等步骤.文章对OCR领域中应用比较广泛的网格特征、外围特征、穿越特征等特征和几种距离分类器分别进行比较分析,并进行大量的实验.实验结果表明识别准确率和识别处理时间方面具有良好性能.     

基于小波变换和分形维数的车牌汉字识别

提出一种基于小波变换与分形维数的车牌汉字识别方法.对字符图像进行预处理和小波变换,应用改进的微分盒维法计算图像分形盒维值,并构造特征向量,利用支持向量机分类器对字符进行分类与识别.实验结果表明,该方法对模糊字符的识别具有鲁棒性,可提高汉字识别率.     

基于小波多尺度分解子带主成份的特征提取

该文在研究了目标图像多尺度小波分解特性的基础上,提出了提取多个子带变换域中的主成份来构成目标综合特征的方法,这种特征不但包含了目标的部分边缘特性和一些局部灰度分布特性,也包含目标的一些结构特性。这种具有综合特性的特征能更加全面的反映图像所包含的信息,如果能较好的提取出来,将对图像信息描述产生很大的影响。文中算法兼顾特征提取的质量和算法的复杂度,算法所涉及的思想有进一步研究的价值。实验结果证明这种特征可有效地用于目标匹配。     

基于字符结构知识的车牌汉字快速识别技术

车牌汉字识别效率一直是制约车牌自动识别系统推广应用的瓶颈。采用多级分类方法,充分利用车牌汉字图像的空问结构特征(像素空间分布投影,字符的笔段类型、数量及拓扑关系等)可实现车牌汉字的快速辨识。实践表明,该方法能快速从车牌汉宁图像中辨识出汉字字符,识别准确度可达98％。     

基于小波和神经网络的车牌字符识别新方法

车辆牌照自动识别（简称车牌识别）是智能交通系统中一项重要的关键技术;首先简要介绍了车牌识别技术饷背景及意义,然后阐述了小波变换和BP神经网络的相关理论和实现细节,最后提出了一种基于小波和BP神经网络的车牌字符识别新方法,并采用了MATLAB数学工具进行仿真;实验结果显示,总的字符识别率为95．8％,平均识别时间21ms,表明该方法具有良好的实用价值,可应用于工程实践中。     

并行特征融合在金融手写汉字识别中的应用

针对金融票据自动识别应用中的脱机手写体汉字识别进行特征提取的研究,首先提出了用Gabor特征和Zemike矩特征来分别表征汉字的局部特征和全局特征。针对传统的串行特征融合方法的缺陷,提出了一种并行特征融合方法,将Gabor特征和Zemike矩特征组合成新的特征向量,然后使用广义K-L变换对新特征向量的维数进行压缩,去除冗余信息。实验结果验证了该方法的有效性。