人民币纸币识别系统

设计研究人民币纸币清分系统中的主要模块,如图像采集、处理和识别.在硬件部分,选用CM326A4作为系统的图像传感器,选用DSP芯片TMS320C6711进行纸币图像的处理和识别;在软件部分,选取预处理之后的纸币图像的尺寸特征用模糊逻辑推理方法识别图像的面值,提取矩作为特征,采用三层BP神经网络来识别纸币的正反面和正反向,并通过实验证明该系统的有效性和可行性.     

一种基于模板匹配的人民币编号识别算法

针对纸币清分机对人民币编号自动识别,在处理速度和识别率方面的高标准要求,提出了一种基于模板匹配的人民币编号快速识别算法,该算法在图像预处理时,利用改进的滤波法去离散噪声;在字符识别时,利用数字和字母的水平与竖直交点特征和轮廓对称特征以及加权特征,直接识别定位好的字符。实验结果表明,该算法具有对硬件资源要求低、识别速度快等优点,可以满足纸币清分机的应用要求。     

应用HSV和SVM算法的纸币清分系统设计

通过分析纸币特征,提出利用基于改进色彩空间转换算法作为纸币特征提取,利用支持向量机作为纸币分类器的方法,将并由此为核心算法设计了一种成本低廉的新式纸币分类器械.主要结构是以MCU为核心控制,通过颜色传感器进行特征信息采集,利用改进HSV算法和SVM作为决策算法,控制机械结构进行纸币清分,利用LCD进行显示,完成阶段识别任务后,将清分数据上传至管理信息系统进行管理.实验结果表明,此系统能够完成对于纸币的实时清分、结果显示、数据存储等功能,对于第五套人民币识别具有较高的鲁棒性,该机电系统价格低廉且具备良好的使用性能.     

虹膜识别技术中的图像处理

介绍了最新研制的虹膜识别系统的采集装置和识别算法,通过设计对比了两种系统的虹膜识别体系的采集装置和识别算法。一套是基于CMOS图像传感器的成像系统,另一套是经过改进的基于数码相机的成像系统。改进后的系统硬件部分操作简单,采集到的图像更加清晰,可用于识别的虹膜细节部分更完整。改进后所使用的算法相对也更简洁。     

基于粒子群优化算法的水源微生物自动识别

水源微生物检测在水源生物安全监测等方面具有非常重要的意义，而传统的显微镜观测等方法存在效率低、需要专业人员操作等不足，为此提出了一种水源微生物自动识别方法。采集水样，并制作水源微生物图像集，编写全自动与半自动两种图像分割算法用于提取目标微生物区域，并提取6种图像特征。基于以上特征数据，研究水源微生物识别模型的优化问题：首先，优化部分特征参数；接着，融合所有特征，建立粒子群优化算法的支持向量机（support vector machine optimized by particle swarm optimization, PSO-SVM）微生物识别模型，并与其他识别算法进行比较。结果表明，相比于其他3种算法，PSO-SVM能更有效地识别各种微生物，其平均识别率达到97.08%。     

基于几何特征匹配的纸币水印视觉识别算法研究

研究了一种人民币纸币水印识别算法。该方法采用紫外光凸显目标水印区域,从而获取纸币面值的水印图像。并通过设计基于几何特征匹配的视觉识别算法,实现不同面值的纸币的准确识别。所涉及的几何特征包括长度、宽度、面积、弯曲度、占有率等。实验结果表明本文所提出的方法可实现的多种不同面值人民币纸币的有效识别,并且运行速度快、识别率高。     

基于HALCON的汽车牌照识别技术研究

车牌识别在智慧交通系统中发挥着非常重要的作用,基于HALCON机器视觉软件设计了汽车牌照识别系统。车牌图像的识别过程主要包括图像的加载与预处理、ROI的确定、寻找算子和确定参数。对含有较复杂汉字的车牌照片进行了识别实验,实验结果表明所提出的算法识别精度较高,达到了应用要求。     

工程图形扫描图像的自动识别

系统地介绍了一种工程图形扫描图像的识别算法,该算法以细化为核心,结合轮廓匹配和智能知识推理,较好地解决了识别中的一些关键问题,取得了较好的识别效果。     

基于神经网络的智能盲人物体识别和避障仪设计

设计了一种智能盲人物体识别和避障仪,由STM32单片机、摄像头、语音播报模块、电子罗盘定位模块4个部分构成.单片机在摄像头采集的图像中通过算法可以对物体进行识别,准确知道物体的方位.以STM32为主芯片,在图像识别上运用神经网络的数据集来识别物体并采用特征点检测实现避障.采用电子罗盘定位模块确认物体方位的效果和对盲人的运动方向进行实时测量.要帮助盲人"看到"环境信息,分为3个流程:信息获取、信息处理及声音映射.首先辅助仪通过单个摄像头镜头获取周围环境图像,Elman神经网络算法对获取到的图像进行处理,其次STM32单片机通过语音播报模块进行语音播报,将图像信息转化为声音传递给盲人.盲人通过声音判断所处环境,并且做出避障和识别物体的行为,从而达到对日常出行的导盲作用.     

基于神经网络的智能盲人物体识别和避障仪设计

设计了一种智能盲人物体识别和避障仪,由STM32单片机、摄像头、语音播报模块、电子罗盘定位模块4个部分构成.单片机在摄像头采集的图像中通过算法可以对物体进行识别,准确知道物体的方位.以STM32为主芯片,在图像识别上运用神经网络的数据集来识别物体并采用特征点检测实现避障.采用电子罗盘定位模块确认物体方位的效果和对盲人的运动方向进行实时测量.要帮助盲人"看到"环境信息,分为3个流程:信息获取、信息处理及声音映射.首先辅助仪通过单个摄像头镜头获取周围环境图像,Elman神经网络算法对获取到的图像进行处理,其次STM32单片机通过语音播报模块进行语音播报,将图像信息转化为声音传递给盲人.盲人通过声音判断所处环境,并且做出避障和识别物体的行为,从而达到对日常出行的导盲作用.