一种彩色印刷图像网点检测与识别算法的研究

针对当前印刷图像色彩检测和控制的方式及设备存在的不足，提出了一种新的基于数字图像处理和模式识别技术的网点检测与分色方法，并依此设计出了基于色度检测法的网点检测和识别系统——DLA系统；最后通过实验验证了该方法的有效性。     

计算机图象识别的HT的改进

本文介绍了一种在计算机视觉领域中,检测图象边界的有效的Hou-gh Transform改进方法MHT,并把它应用于检测图象圆曲线。MHT应用了一种比标准HT小得多的动态变化的累积器,和逐步“由粗化精”的迭代策略。在Hough参数空间里辩识峰值,从而定出曲线的参数。MHT在实现上比传统HT的要求的存贮量和计算量要少得多,有很好的时空性。MHT方法由于采用了动态累积器设计,能正确地在累积器中反映图象的拓扑性质,对图象的检测有很好的健壮性。     

近距离多目标（种子）检测中摄像机系统的标定方法

在进行基于计算机视觉的排种器性能检测时，为了解决目标（种子）之间的遮挡、加快图象采集速度和节省计算机的存储空间，提出了一种近距离多目标（种子）检测中，摄像机系统的标定方法。建立了由摄像机和平面镜组成的摄像机系统标定的数学模型，并给出了恢复空间点的方法。同时在排种器实验台上进行了验证，结果表明该系统不仅能较好地检测出种子和重叠和丢失等情况，而且检测误差小于1mm，且完全可以不用粘胶带，即可检测出排种器性能。     

噪音图象的边缘检测

本文描述了针对噪音图象而提出的一种新的边缘检测技术--统计边缘检测.该算法不 必对图象预处理和后处理,它以几个独立的统计试验为基础,直接区分图象和边缘和噪音.通 过对不同噪音图象的实际检测,证明本方法对噪音图象的边缘检测能力和效果几乎与对非噪 音图象的相同.     

闭环图象数字水印技术

为了使数字水印更鲁棒，更实用，通过对水印的嵌入过程及其性能的分析，提出了一种新的图象数字水印技术－闭环数字水印技术，并给出了小波域上的一种实现方法，该闭环水印技术的特点是利用水印的检测性能来不断地调整水印的嵌入，如果检测 能满足某种检测要求或者水印的嵌入已经影响了图象的质量，则可通过调整水印嵌入的强度或者通过调整水印来达到最佳嵌入，同时证明了所提出的闭环水印系统的收敛性，并对检测过程中似然函数的分布规律进行了具体分析，进而推导出两种假设检验情况下，似然函数的均值与方差，以及正确检测概率和错误报警概率的求解公式，其可作为闭环系统检测性能的判决条件，实验结果证明，该数字水印技术优于传统的水印嵌入方法。     

三维超光谱图象数据变换编码压缩系统中量化器的设计

量化器在图象压缩系统中占有非常重要的地位,量化器结构与参数直接影响到恢复图象的质量和压缩比,在研制的三维超光谱图象压缩系统中,针对三维超光谱图象自身和应用的特点,设计出了一维反正切型映射量化器和二维具有图象边缘特征保持特性的量化器,实验结果表明,量化器的映射量化误差较小,并充分保持了在超光谱图象应用中较为重要的图象边缘特征。     

文档图象中特定信息的智能识别

本文讨论了一种基于光学标记识别技术的文档图象识别系统，重点阐述了该系统的设计思想和实现技术。系统以标记识别为例，对图象数字化、图象预处理、获取图象信息以及信息特征提取等几个关键部分进行了详细描述。在图象预处理过程中给出了一种高效实用的边缘检测算法，在标记信息特征提取中采用了统计分析的方法，其结果可以大大
大提高标记识别系统的准确率。     

基于模板匹配和差影处理的票据图象检测

票据图象的准确分类检测是实现金融票据自动处理的基础。论文应用经典的数字图象处理理论,提出了一种新的多类别票据图象检测方法,即在原始票据图象利用模板匹配先得到相应的有效图象,再运用差影技术对滤波去噪后的有效图象进行模板存在与否的检测。实际的票据分类处理实验结果证实了所提出的方法的有效性。     

中国图象工程：2002

该文是关于中国图象工程的年度文献综述系列之八 .为了使国内广大从事图象工程研究和图象技术应用的科技人员能够较全面地了解国内图象工程研究和发展的现状 ,并能够方便地查询有关文献 ,现从国内 15种有关图象工程重要中文期刊 2 0 0 2年出版的共 10 8期上发表的 2 4 2 6篇学术研究和技术应用文献中 ,选取出 5 4 5篇属于图象工程领域的文献 ,然后根据各文献的主要内容将其分别归入图象处理、图象分析、图象理解、技术应用和综述 5个大类 ,又进一步分入 2 1个小类 ,并在此基础上进行了文献统计和分析 .由统计分析结果可见 ,中国图象工程在2 0 0 2年又有了许多新进展 ,除总的文献数量有较大增加 ,图象分割和图象编码仍有许多研究成果外 ,近年来的几个新的研究热点 ,如成像技术、图象数字水印、人脸和器官检测、图象匹配融合、图象和视频检索等继续保持了快速发展的势头 .     

多模式实时工业图象检测系统

工业界对图象检测技术有十分迫切的需要。这里介绍一种适用于多种工业检测对象的多模式的实时工业图象检测／分析系统结构。系统采用双体交叉访问与处理流重叠相结合的并行结构，在多相时序控制下实现多模式的转移和配合。同时给出了两个较典型的工业图象检测的实例，验证了系统的可行性和广泛的适用性。     

基于BP神经网络的人脸识别方法

人脸自动识别是计算机模式识别领域的一个活跃课题,有着十分广泛的应用前景。文中提出了基于ＢＰ神经网络的人脸识别方法,论述了人脸图像矢量的特征压缩问题、网络隐含层神经元数选取问题、网络输入矢量的标准化处理问题以及网络连接权值选取问题。对于１８人、每人１２幅图像组成的脸图像数据库做识别实验,实验结果表明文中所设计的神经网络分类器比常用的最近邻分类器有效地降低了识别错误率。     

水下结构物表面缺陷的自动检测与识别

在计算机图像处理理论与模式识别理论的基础上,提出水下结构物表面缺陷的识别方法,给出噪声去除以及阈值分割的方法;从处理后的缺陷图像中提取能表征缺陷性质的几何特征和纹理特征,并运用树形分类器进行分类,以实现计算机对缺陷图像的理解和自动识别。识别结果为水下结构物的安全可靠性评估提供基础数据。     

混合模式识别系统研究

讨论基于多种分类方法的模块组合实现的混合模式识别系统，它不同于利用多分类器输出结果表决的集成系统。提出两个系统：一个面向刷体汉字文本识别，另一个面策自由手写体字识别。     

一种有效的人脸识别方法

人脸识别是模式识别领域中一个相当困难而又有重要理论价值的研究课题.本文首先引 入表示人脸的特征图像和投影图像的概念,提出利用投影图像在特征图像上投影的坐标作为 描述人像本质属性的特征矢量,并导出了基于投影图像的人脸特征抽取方法.最后构造了一 个层次的距离分类器进行人脸的识别.实验结果表明基于投影图像的特征矢量具有很好的稳 定性、鉴别能力和识别率.     

基于表格查寻学习算法的自适应模糊分类器

以手写体数字识别问题为背景,提出了一种基于表格查寻学习算法的自适应模糊分类 器,并用Matlab给出了自适应模糊分类器的实现,进而对其进行了仿真。仿真结果表明,该自适应模 糊分类器在手写体数字识别的识别性能、利用语言信息、计算复杂性等方面均优于采用BP算法的三 层前馈分类器,体现了自适应模糊处理技术用于模式识别的优越性和潜力。     

基于统计模式识别的岩石节理图像分割方法

岩石节理裂隙形状复杂,图像中含有很多噪声。而使用统计模式识别方法在分割图像时,可以首先使分类器学习图像中不同样本的特征,进而利用这些特征对图像中每个像素进行分类,实现分割。在设计统计模式识别的分类器时,我们提出使用基于核函数Fisher判别法构造分类器。使用该方法可以将图像高维的属性空间上的非线形判别转化为图像特征空间上的线形判别,而不需要知道从属性空间到特征空间的具体映射形式。通过对岩石节理裂隙图像分割实验表明,该方法能达到较其他方法更好的分割效果。     

Prototype-based minimum error training for speech recognition

A key concept in pattern recognition is that a pattern recognizer should be designed so as to minimize the errors it makes in classifying patterns. In this article, we review a recent, promising approach for minimizing the error rate of a classifier and describe a particular application to a simple, prototype-based speech recognizer. The key idea is to define a smooth, differentiable loss function that incorporates all adaptable classifier parameters and that approximates the actual performance error rate. Gradient descent can then be used to minimize this loss. This approach allows but does not require the use of explicitly probabilistic models. Furthermore, minimum error training does not involve the estimation of probability distributions that are difficult to obtain reliably. This new method has been applied to a variety of pattern recognition problems, with good results. Here we describe a particular application in which a relatively simple distance-based classifier is trained to minimize errors in speech recognition tasks. The loss function is defined so as to reflect errors at the level of the final, grammar-driven recognition output. Thus, minimization of this loss directly optimizes the overall system performance.     

A robust technique based on invariant moments – ANFIS for recognition of human parasite eggs in microscopic images

In this study, we propose a robust technique based on invariant moments – adaptive network based fuzzy inference system (IM-ANFIS). In this technique, some digital image processing methods such as noise reduction, contrast enhancement, segmentation, and morphological process are used for feature extraction stage of IM-ANFIS approach used in this study. Recently, the pattern recognition principles have come into prominence. The pattern recognition includes operation and design of systems that recognize patterns in data sets. Important application areas of pattern recognition techniques are character recognition, speech analysis, image segmentation, man and machine diagnostics and industrial inspection. The technique presented in this study enables to classify 16 different parasite eggs from their microscopic images. This proposed recognition method includes three stages. In first stage, a preprocessing subsystem is realized for obtaining unique features from the same group of patterns. In second stage, a feature extraction mechanism which is based on the invariant moments is used. In third stage, an adaptive network based fuzzy inference system (ANFIS) classifier is used for recognition process. We conduct computer simulations on MATLAB environment. The overall success rate is almost 95%.