基于语谱图行投影的特定人二字汉语词汇识别

将图像处理技术应用到语音识别领域,在图像特征提取过程中,首先对语谱图进行等宽度分带行投影和二进宽度分带行投影,分别作为窄带语谱图的第1个特征集合和第2个特征集合,同时将语谱图进行再次图像傅里叶变换之后进行等宽度行投影,作为第3个特征集合。将上述3个特征集构造为特定人二字汉语词汇识别的特征向量,以支持向量机为分类器进行特定人二字汉语词汇整体识别。采用1000个语音样本进行仿真实验,结果表明,该方法对特定人二字汉语词汇的识别率可达92.8%,为汉语词汇的识别提供了新的思路。     

融合2DUDT与2DLDA的人脸识别研究

提出了一种融合二维非相关判别转换和二维线性鉴别分析分别提取人脸图像矩阵行方向的非相关鉴别信息和列方向的线性鉴别信息的人脸识别方法。该融合方法将线性鉴别向量提取方法与非相关鉴别向量提取方法相结合。首先计算进行人脸图像矩阵列压缩时的类间散射矩阵和类内散射矩阵,用二维线性鉴别分析计算特征值和所对应的特征向量,用特征向量集对人脸图像矩阵进行列压缩。其次,计算人脸图像矩阵行压缩时的类间散射矩阵、类内散射矩阵和总体散射矩阵,用二维非相关判别转换求出最优投影矩阵并用最优投影矩阵的转置矩阵对人脸图像矩阵行压缩。最后用最近邻分类器对压缩的ORL人脸图像测试样本进行分类处理,可实现人脸图像的准确识别。     

基于WWSVDD多分类的遥感图像病害松树识别

针对支持向量数据描述多分类中模糊数据域的误判问题,提出了一种改进的加权小波支持向量数据描述（WWSVDD）多分类方法,并应用于遥感图像病害松树识别.利用无人机搭载双光谱相机获取高分辨率遥感图像,提取地物特征,构建特征向量.用WWSVDD模型描述每类样本,根据待测样本在特征空间中的不同分布,分别采用最小相对距离法和隶属度函数法进行决策分类,从而实现病害松树的识别.实验结果表明,与传统的K近邻和支持向量数据描述多分类方法相比,所提方法在识别病害松树方面准确性更高.     

基于支持向量机的图像纹理识别方法

将支持向量机(SVM)应用于基于内容的图像检索领域,提出一种基于Gabor小波变换和支持向量机分类器的新型集成纹理识别方法.目标是利用Gabor小波设计的多通道小波滤波器对图像目标进行小波变换,用Gabor小波变换系数的模的平均值和标准差生成表示目标图像的特征向量,将特征向量归一化后用支持向量机进行训练和识别.最后,利用Brodatz纹理库中的纹理图像进行了试验并与其他几种方法进行了比较.结果表明,该方法的识别率在小样本情况下要优于其他几种方法,并且具有更好的泛化和推广能力.     

一种改进的双门限本征脸方法

对Turk和Pentland特征脸方法进行了改进.分析了待识别人脸的投影向量与人脸库中某样本的平均投影向量间距离的概率密度分布函数呈瑞利分布.为减小虚警概率,提高认同概率,提出了按接受门限和拒绝门限的双门限方法进行识别,并定义了双门限的取值.同时,分析了随着累积平均判别,2个门限逐渐靠近.训练过程中,对每个人脸图像的特征进行平均,只提取平均投影向量用以识别,以减小判别次数.识别实验表明,利用提出方法,可以使总的识别率提高到92.875%,平均判别次数仅为2.56.     

基于支持向量机的图像纹理识别方法

将支持向量机（SVM）应用于基于内容的图像检索领域，提出一种基于Gabor小波变换和支持向量机分类器的新型集成纹理识别方法．目标是利用Gabor小波设计的多通道小波滤波器对图像目标进行小波变换，用Gabor小波变换系数的模的平均值和标准差生成表示目标图像的特征向量，将特征向量归一化后用支持向量机进行训练和识别．最后，利用Brodatz纹理库中的纹理图像进行了试验并与其他几种方法进行了比较．结果表明，该方法的识别率在小样本情况下要优于其他几种方法，并且具有更好的泛化和推广能力．     

人脸面部表情图像的隐马尔科夫建模及情感识别

文中旨在使用隐马尔科夫模型对人脸面部表情图像进行建模以对人脸表情中的情感进行识别,采用子窗口对人脸面部表情图像进行采样,利用离散余弦变换提取了所需要的特征向量,通过对人脸面部图像进行隐马尔科夫建模,使用获得的特征向量作为观测向量对人脸面部图像的隐马尔科夫模型进行训练.使用训练后的隐马尔科夫模型对JAFFE人脸图像测试集中的人脸表情图像进行情感识别.测试结果表明:隐马尔科夫模型用于人脸面部表情图像的情感识别有效可行,其总体正确识别率达到87.3%.     

基于小区域字符模板匹配的金属标牌字符串识别

提出了一种基于小区域的快速模板匹配算法,实现了一行标牌字符串的识别,在利用投影法求得字符所在位置以后制作被匹配图像数组以及模板,然后进行识别。由于算法只对存在字符的区域进行小范围匹配,省去了在整幅图像上搜索无关数据信息的过程,与传统的模板匹配算法相比显著降低了算法的运行时间,能够满足图像匹配即时性的需要。     

一种基于模板匹配的人民币纸币面额识别方法

从图像处理的角度论述了人民币纸币的识别方法.针对人民币纸币面额种类少的特点，提出了采用模板匹配的方法.传统的二维模板匹配虽然实现简单，但计算量十分庞大，花费时间太长，针对此情况采用了当今发展比较成熟的一维灰度投影的模板匹配算法.该算法通过图像灰度投影变换，形成一维图像，并用一维图像进行快速匹配.试验结果表明，后者在保证了匹配准确率略高的前提下，识别速度明显高于前者，从而提高了设备的识别速度，使之更具有了实用性.     

基于环投影向量模板匹配算法的高分辨率遥感影像道路检测

提出一种改进的环投影向量模板匹配算法,用于检测高分辨率遥感影像中的道路。该方法对计算环投影值起关键作用的参数Ck进行了改进,优化了环投影值及向量。为了提取更准确的道路中心线,其将环中心点特征加入向量中并给向量赋予不同的权值。实验结果证明,该方法具有较好的鲁棒性,并且提高了道路检测的速度。     

基于LabVIEW IMAQ的移动车辆牌照识别

车牌识别是指通过图像处理、模式识别和统计分析等方法从实时车辆图像中提取车牌字符信息,从而确定车辆身份的技术。通过对车牌识别中的图像采集与处理、车牌定位、字符分割和字符识别这4个核心技术的研究,在LabVIEW平台上,利用IMAQ强大的图像处理功能,对USB摄像机获得的实现车牌图像进行格式转换,灰度变换以及二值变换等预处理,将边缘提取与图像投影两种方法相结合精确定位车牌,最后根据特征匹配的方法识别出车牌字符信息。结果表明,基于IMAQ程序可以很好的对车牌图像进行处理,并在平均时间为3s左右情况下完成对车牌字符的识别。     

一种基于特征点的车牌识别改进算法

车牌识别技术已经成为公路交通自动控制与管理(RTACM)以及智能运输系统(ITS)中的一个重要组成部分。提出一种基于特征点的车牌识别改进算法,利用车牌的纹理特征和形状特征定位车牌区域,采用垂直投影分割车牌字符,通过统计特征点进行字符识别。实验结果表明,该算法能显著提高由于拍摄角度引起的车牌图像中字符拉伸、变形等情况下的识别率,同时缩短了识别时间。     

一种基于特征的BP神经网络车牌字符识别

字符识别是自动车牌识别系统中很关键的一步.字符识别有以下几步,首先,对车牌图像进行预处理.其次,通过竖直方向投影分割字符.最后,将提取的字符特征输入网络进行训练.在实验中,利用该方法对光照不均、字符大小不一、运动背景的图像,特别是相似字符的识别获得了较高的识别率,并且将其与字符输入BP神经网络进行对比分析.实验结果表明,该方法对字符识别有很好的鲁棒性、有效性.     

车辆牌照识别技术的研究发展

车辆牌照识别系统即基于图像和字符识别技术的智能化交通管理系统,是智能交通系统的重要组成部分。通过对车辆牌照识别系统及识别技术的分析,总结出进一步研究车辆牌照识别技术的必要性,并提出将模板匹配与支持向量机相结合进行字符识别的算法思想。     

基于图像处理的车牌识别技术

汽车车牌照的识别是智能交通系统必不可少的组成部分,也是保障车辆安全的必要手段。本文针对智慧小区设计一种简易实用的车牌识别系统,设计内容包括图像采集及预处理,车牌定位,边缘检测,字符识别等。系统开发构建在Qt软件平台上,对采集的图像进行灰度化、边缘检测二值化处理,同时,通过水平投影进行区域定位消除边框,再利用处置投影对车牌字符分割,最后根据特征值对系统字符识别,输出字符。实验验证,该系统检测方便易行,识别效果较好。     

一种快速车牌识别系统

本文提出了一种基于模板匹配的快速车牌识别方法。该方法运用了数学形态学知识进行车牌的定位,然后采用基于模板匹配的相关函数做相似度测试,完成字符识别。经大量实验证明该方法能有效地完成不同解析度和不同模糊程度的车牌识别工作,而且识别精度高、速度快,能满足实际系统的要求。     

一种车牌识别系统的设计

基于像素精确定位方法来实现车牌定位,然后对车牌进行灰度化、二值化处理,避免了对整个汽车图像先图像处理后车牌定位的繁琐过程,将改进的模板匹配算法应用于字符识别中,最后,利用MATLAB的图形用户开发环境设计出了本系统的测试平台,经过大量车牌样本验证,该车牌识别系统准确率较高.     

基于HSV空间的创新型车牌定位方法

在HSV空间中,将车牌底色用1表示,非车牌底色用0表示,实现二值化.用二分法扫描滤波后的区域,对黑白变化特征进行识别,完成车牌粗定位.在灰度图像中对提取后的车牌区域进行直方图统计.大于或等于车牌字符灰度值的像素赋值为1,否则为0.然后进行特征提取及投影分析,实现车牌精定位.     

车牌自动识别系统的研究与实现

为了缓解日益严重的交通压力、提高城市交通管理的工作效率和增强人们的安全防范意识,采用基于纹理和颜色信息的综合车牌定位方法对车牌区域精确定位。通过分析水平投影的统计特征和竖直投影的特征进行车牌字符分割,利用自适应性和学习能力强的BP神经网路进行字符识别,研究和实现了车牌自动识别系统。测试结果显示,车牌识别时间小于200 ms,识别率可达90%以上。说明本系统是可行和实用的。     

复杂背景下车牌的定位和字符分割技术研究

提出了一种基于数学形态学的多特征车牌定位方法和基于模糊模板匹配及垂直投影的字符分割算法,先通过形态学运算得到一系列候选区域,根据车牌的纹理特征从中找出车牌区域,再利用模糊模板匹配的方法找到字符区域,进而根据字符垂直投影进行单个字符分割.对大量的图片进行实验,结果表明该算法能够有效地解决复杂背景下车牌定位和字符分割困难的问题,具有较好的鲁棒性.