基于不变矩和神经网络的常用电气符号自动识别方法研究

工程图纸中电气符号的自动识别是实现电气工程图纸矢量化的基础。提出了提取工程图纸中电气符号的不变特征。把不变特征值输入神经网络进行训练，得到神经网络模型识别旋转、平移、缩放电气元件图元的方法。实验结果表明：所建立的网络模型具有较好的性能。将此方法用于工程图纸的矢量化处理过程，只需识别出电力工程图纸中各个符号的类型，避免了图纸矢量化过程中的跟踪和拟合的过程，因此优化了矢量化流程。     

基于不变矩特征和神经网络的步态识别

步态识别是利用人体步行的方式来识别人的身份.近年来,步态作为一种生物特征识别技术已引起越来越多人们的兴趣.本文提出了一种简单有效的步态识别算法,首先通过背景差方法得到运动人体轮廓,然后利用不变矩描述轮廓特征,最后用BP神经网络方法来进行模板匹配,实现人的身份识别.     

基于ART-2神经网络及不变矩特征的图像模式识别

将图像进行预处理并提取图像的特征,计算出图像的不变矩,利用ART-2神经网络完成了对图像的模式识别。通过实验证明ART-2神经网络具有较高的识别率,并很好地解决了神经网络在模式识别中面对识别对象出现新模式时,网络的可塑性与稳定性的矛盾。     

基于差别特征的神经网络人脸识别

根据视觉识别的差别特征分辨特性,该文对自联想神经网络进行了改进,提出了基于差别特征的识别方法。文中采用ＯＲＬ人脸图象库进行的对比识别实验表明,改进后的差别特征神经网络对原人脸图象和加斯噪声的人脸图象,都较自联想神经网络识别高,证实了差别特征的有效性。     

基于小波变换和图像矩特征的人脸识别算法

自从1962年Hu提出在模式识别中采用矩不变性以来,矩函数由于具有不随图像平移、变比、旋转而变化的不变性质被广泛用于图像分析中,如不变模式识别,物体分类姿态估计图像编码与重构纹理分割等。同时它所提供的各类几何信息也广泛应用于计算机视觉和机器人技术中。但计算量大和高阶矩受噪声影响较大,一直困扰着矩方法。小波变换可以将图像分解成不同的子波带,低频部分中包含了原始图像的主要信息。这就启发我们:首先,利用小波变换提取图像的低频部分,这就有效地降低了处理图像的维数。然后提取图像的矩     

基于不变矩和小波神经网络的交通标志识别研究

研究了用于交通标志识别的小波神经网络模型,并描述了相应的算法,给出实验结果。实验结果表明,采用不变矩提取道路交通标志的特征,再利用训练速度快、优化性能好的小波神经网络作为分类器对交通标志识别具有很好的分类能力,对实现交通标志的精度识别提供了有力的支持。与传统的BP神经网络识别方法相比,小波神经网络的训练速度更快和识别率更高,能够满足在车辆自主导航系统中对交通标志识别的要求。     

基于不变矩和神经网络的交通标志识别方法研究

在交通标志实时识别过程中，由于参考图像与实测图像不是同时获取的，因此摄像机与被摄交通标志之间的位置难以保证完全相同。于是，所获取的参考交通标志图像与实测交通标志图像之间就可能产生几何失真。几何失真将对于图像识别的结果带来很大的影响。因此，需要寻找一种具有旋转和比例不变性的图像识别方法，以满足实际应用中的需要。针对上述问题，提出了一种基于不变矩和神经网络的交通标志识别算法。实验结果表明，所提出的识别算法具有很好的识别能力。     

基于不变矩的人脸识别方法的研究

人脸识别是模式识别与计算机视觉领域中的一个重要的研究课题 ,在公安、交通、银行、海关以及安全系统等领域有着广泛的应用前景。该文提出了一种基于小波及不变矩矢量的人脸识别方法。利用小波变换减小或消除了表情因素对人脸识别的影响 ,然后利用不变矩矢量作为人脸的特征来进行人脸识别。我们采用了支持向量机和最近邻分类器作为分类器 ,在ORL人脸数据库的基础上进行了测试。实验取得了良好的效果 ,证实了算法的有效性。     

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。     

基于不变矩和BP神经网络的剪纸纹样识别

针对剪纸纹样艺术夸张变形的特点,将剪纸图像进行预处理,提取7个不变矩作为剪纸纹样的特征向量,采用LM算法优化BP神经网络,通过归一化后的不变矩对BP神经网络进行训练,应用训练后的神经网络作为分类器对剪纸纹样进行模式识别,实验证明该方法能够较好地识别有一定艺术变形的剪纸纹样。     

基于神经网络的人脸特征提取及识别

该文使用神经网络技术对人脸的特征提取及识别做了研究。在降低图像解析度的基础上使用神经网络来进行特征压缩,可以有效地降低特征维数。使用神经网络分类器对压缩后的特征进行分类,分类结果以隶属度来表征待识别人脸属于各类别的可能性。实验结果证明了该方法的有效性。     

基于粗糙集属性约减和神经网络集成的人脸识别技术*

提出了一种基于粗糙集的属性约简方法对经由PCA处理后的人脸特征进行提取,随后使用一种神经网络集成的方法对约简后的人脸数据进行识别。实验结果表明,使用该方法约简后的数据与使用仅由PCA处理后的数据相比,两者获得的识别精度基本相同,而前者的数据属性维数远小于后者,从而大大降低了识别过程的复杂程度。     

基于特征脸和BP神经网络的人脸识别*

利用类间的散布矩阵,寻找特征脸子空间,让每一类在子空间中散布得更开;然后结合BP神经网络学习能力强、分类能力强的优点,利用它实现分类器。具体是将所有的样本投影到特征脸子空间中,并将每一个样本得到的特征系数作为BP神经网络的输入。实验证明,这种方法是有效的。     

基于人脸识别技术的研究

随着计算机技术的迅猛发展,人们期望计算机能具有人的视觉功能,然而除了一些专用的视觉系统外,迄今为止,还没有较为成功的通用视觉系统。人脸识别目前的社会需求巨大,几乎各行各业都迫切需要。本文主要对人脸识别技术进行综述,并展望其未来的发展前景。     

基于神经网络的不变性模式识别的人脸识别系统

文章提出了一种优化的多层神经网络,能完成对图像不变性模式识别。基于此多层神经网络开发了人脸识别系统。仿真实验表明该人脸识别系统,具有较高的识别速度、准确率、容错性和鲁棒性,并且基本解决了开发实用化的人脸识别系统所面临的问题,即模式识别不变性的问题。     

基于集成RBF神经网络的小类别手写体汉字识别系统

该文介绍了RBF神经网络的模型,讨论了RBF网络分类器的机理和特点,提出了一种集成RBF神经网络并应用于小类别手写体汉字识别系统的设计,采用了组合重心分解网格特征方法来提取汉字特征,设计了遗传进化隐层节点自生成算法用于RBF的训练。实验表明该小类别手写体汉字识别系统有很高的识别率,具有一定的实用推广价值。     

低分辨率人脸图像的迭代标签传播识别算法

针对监控视频下低分辨率人脸识别中存在的特征表示能力不强及判别开集人脸图像身份不够准确的问题,文中提出低分辨率人脸图像的迭代标签传播识别算法.采用视觉几何组(VGG)提取人脸图像特征,依据特征的相似度获得高、低分辨率图像的映射关系.对已标记样本和未标记样本进行迭代标签传播,在每次迭代过程中,通过统计每个类别的置信度直方图,估计识别精确率逼近100%的自适应置信度阈值.根据阈值将确认的未标记样本更新至已标记样本集,提高算法召回率.在公共数据集上的实验表明,文中算法在精确率逼近100%的基础上,召回率取得较高值.     

静态人脸识别技术探讨

人脸识别是人工智能领域的一个研究热点.本文简要介绍了静态人脸识别技术的研究背景及识别系统的构成,重点对目前人脸特征提取与识别的主要方法进行了分类总结.通过对各种方法的分析比较,总结了当前存在的技术困难,并展望了今后的研究趋势.     

数据增强策略在人脸识别技术实现的研究

以小数据集为样本进行卷积神经网络模型的训练过程,容易出现所得到的神经网络模型泛化能力不足的问题.传统的处理方法大都通过数据增强的方式来提高训练数据的样本总数.本文选取多个网络模型进行对比实验,验证不同神经网络在训练过程中是否使用数据随机增强方式的模型识别准确率提高的效果,为如何选取小数据集样本训练神经网络提供参考.