基于矩和小波变换的数字、字母字符识别研究

欲实现汽车监控和管理智能化,必须正确识别牌照字符,在识别过程中,关键是特征向量的提取,小波变换能有效地提取字符的结构特征,而矩能够很好的地其进行描述,该文提出了一种用线性矩和小波变换提取数字、字母字符特征的方法,实验证明该方法有很高的识别率,达到９７％以上,能够有效地进行字符的分类,可满足实际应用。     

基于小波矩和主分量分析的车牌字符识别方法

随着物联网技术的发展,车联网的应用日益广泛,从而对车牌字符的识别提出了更高的要求,而字符识别的关键在于特征的提取和选择。提出了一种基于小波矩和主分量分析提取和选择特征向量的方法。该方法首先通过小波矩提取字符的特征,然后通过主分量分析对提取的特征进行选择,最后将特征向量送入BP神经网络进行字符识别。该方法能够很好的反映图像的全局特征和局部特征,并且具有较强的抗干扰能力。实验结果表明,该方法可以得到较好的识别效果。     

字符多特征提取方法及其在车牌识别中的应用

针对车牌字符识别中大部分单一特征提取方法在字符识别上的局限性,提出了一种车牌字符多特征提取方法。在经过预处理后的车牌细化字符基础上提取字符4个侧面的笔画特征、拐点特征、轮廓累积特征及字符内部像素特征,构建出一个维度较低的特征向量集,然后分别采用支持向量机、K近邻算法、BP神经网络、径向基神经网络对陆丰高速公路实地拍摄的车牌图片进行测试并分别与模板匹配方法、网格法、基于小波矩方法比较,实验结果表明提出的车牌字符多特征提取方法识别率高,鲁棒性好。     

一种新的车牌字符快速识别方法

针对车牌字符图像的特点,在研究各种特征提取方法适用场合的基础上提出了改进的特征提取方法和字符识别方法。对于英文和数字,使用一种基于模板匹配和神经网络的车牌字符识别方法。该方法采用两级识别,第一级采用模板匹配识别差别明显的字符,第二级采用BP神经网络识别第一级不能确定的相似字符。对于汉字采用小波变换和LDA提取特征。该方法利用小波变换的特性最大程度地提取了字符图像的特征信息。实验结果表明此算法具有较高的识别率和较快的识别速度。     

基于小波的车牌汉字特征提取

车牌识别系统是智能交通不可或缺的一部分.在车牌识别系统中,车牌首位汉字的特征提取和识别是一个难点.为此,将小波的多分辨率特性应用于车牌汉字特征的提取,提出了一种直接从灰度图象提取车牌汉字特征的提取方法.该方法首先提取图象的小波矩和基于小波分解的区域密度特征,然后以识别率好坏为最优依据,进行特征分量排序和选择,最后把特征矢量送入BP神经网络进行字符识别.该方法避免了一些传统汉字特征提取方法需要对图象进行二值化操作而造成的汉字字符结构信息丢失.提取的特征有效地反映了车牌汉字的局部和全局特征.实验结果表明该特征提取方法可以得到比较好的识别效果.     

小波神经网络在图像配准中的应用

提出了一种基于小波网络的图像配准方法。将特征点定义进行了推广,提出了一种以特征区域定义和提取方法。使用Zernike矩表征区域的特征并进行特征区域的对应。因图像配准变换是复杂且难以预知的,利用小波神经网络具有良好的函数逼近性能,提出了具有局域特性的小波神经网络模型逼近图像的配准变换。实验表明这是一种有效的图像配准方法。     

基于粒子群BP神经网络人脸识别算法

人脸识别技术就是利用计算机技术对人脸图像进行分析,从中提取有效的特征来识别出人的身份,其关键技术在于人脸特征的描述和模式识别.为此,基于粒子群BP神经网络提出了人脸识别算法.该算法首先用小波变换对人脸图像进行小波分解,形成低频小波子图,然后用离散余弦变换将人脸图像在特征空间中提取,并作为粒子群BP神经网络的输入,由粒子群BP神经网络和后验概率转换器构成人脸识别器.针对ORL人脸库的实验结果表明该方法具有较高的识别率.     

基于小波变换和反馈的车牌字符分割

提出一种基于小波变换和反馈的车牌字符分割算法.首先,对车牌图像进行预处理;其次,根据车牌图像的垂直投影进行字符粗分割;最后,通过两级反馈进行字符精分割.第一级反馈是字符个数与字符宽度反馈,第二级反馈是字符识别反馈.在字符识别反馈中,对字符区域图像的垂直投影进行小波变换,利用其低频系数重构垂直投影;最后根据纹理特征进行字...     

基于小波包和Zernike矩特征提取的车牌字符识别

提出了一种基于小波包和Zernike矩特征提取的车牌字符识别方法。首先针对数字字符特殊的字体结构,采用了数学形态学方法进行滤波处理。预处理后,对待识别字符进行三层小波包分解,获取第三层各节点小波包系数;同时对小波包分解后的第二层各节点进行重构,并分别计算重构后所得图像的Zernike矩;最后对获得的小波包系数和重构后所得图像的Zernike矩所组成的特征空间进行降维处理,并利用BP神经网络对车牌中的数字进行识别。实验结果表明,该方法效果良好。     

基于字符特征提取的手写练字良好度判别

针对所提出的引入电子技术进行汉字书写练习的手写练字方案,提出手写练字良好度的判别方法.对手写练字进行预处理后,对字符轮廓投影信号进行小波变换提取手写练字的特征.将得到的手写练字的特征与对应字贴字特征进行距离测量,将结果以良好度形式表示出来.仿真对比实验说明了论文所提方法的可行性和有效性.     

有限集手写汉字识别中的笔画分区矩描述特征

提出了一种笔画分区矩特征的提取方法。根据汉字笔画分布特点，利用小波变换将汉字分解为4个方向笔画分量，用分区矩分别描述4个笔画于图像，并采用K—L变换对特征进行降维处理。采用该特征对有限集手写体汉字进行识别，初步实验结果表明该方法十分有效。     

基于平移不变预处理的小波变换的虹膜识别算法

普通的离散小波变换具有平移敏感性,无法稳定地表示小波域下的虹膜特征.为了减弱虹膜图像的旋转变化对小波分解系数的影响,提出一种基于虹膜的方向能量分布序列的平移不变预处理方法,以校正虹膜纹理图像角度旋转变化.通过对小波变换系数进行阈值化处理,以双位二进制形式编码虹膜特征.在验证模式下,采用加权Hamming距对未知虹膜进行多模板匹配得出识别结果.基于虹膜图像库进行比对实验,结果表明,增强了小波变换编码虹膜特征的可用性,能够有效地进行虹膜识别.     

基于新颖子波变换的高光谱遥感图像特征提取

提出了一种新颖的用于高光谱遥感图像特征提取的子波变换算法.与二进小波变换按恒Q准则划分频域不同的是,该算法通过改变相邻子波的带宽比,可以实现更为灵活的频域划分.采用子波能量的离散余弦变换作为特征矢量,然后进行无监督C均值聚类实验和有监督RBF(径向基函数)神经网络分类实验.实验结果表明,子波变换能量的离散余弦变换特征可以有效地描述光谱曲线特征,且正确分类率高于传统的小波变换.     

Towards robust writer verification by correcting unnatural slant

Slant is a salient feature of Western handwriting and it is considered to be an important writer-specific feature. In disguised handwriting however, slant is often modified. It was tested whether slant is indeed an important factor and it was tested whether the distorting effect of deliberate slant change can be countered by a simple shear transform. This was done in two off-line writer verification experiments in image processing conditions of slant elimination and slant correction. The experiments were performed using three features based on statistical pattern recognition, including the state-of-the-art features Fraglets and Hinge. A new public dataset was created and used, containing natural and slanted handwriting by 47 writers. A striking result is that the average natural slant value is much less important for biometric systems than is usually assumed: eliminating slant yields just a 1-5% performance loss. A second result is that the effects of deliberate slant change cannot be fully countered by a simple shear transform: it raises performance on the distorted handwriting from 53-68% to 64-90%, but this is still lower than normal operation on natural handwriting: 97-100%.     

Application of a Steerable Wavelet Transform using Neural Network for Signature Verification

This paper describes a technique for the problem of off-line signature verification using a steerable wavelet transform. The signature has been treated as a two-dimensional image and uses the wavelet as a tool of data reduction and feature selection. Feed-forward neural network based architecture is used for both training and classification, because of the generalisation, fault tolerance, and such other capabilities of the neural network. Besides, the small length of the wavelet coefficients vector, which is used as a feature vector reduces the complexity of the neural network in terms of the number of neurons and time of training. Experimental results based on 300 signatures from 30 persons are presented, which show that wavelet has great potential for off-line signature verification. Receiveed: 17 June 1998?,Received in revised form: 28 October 1998?Accepted: 26 January 1999     

基于特征融合的维吾尔文笔迹鉴别方法

针对现有维吾尔文笔迹特征提取方法缺乏旋转不变性导致识别存在偏转的样本效果较差,以及尺度不变特征变换(SIFT)方法用于维吾尔文笔迹鉴别存在不足的问题,提出一种基于特征融合、具有旋转不变性的鉴别方法。该方法首先提取笔迹图像的SIFT特征,再计算局部窗口特征,并将两者融合对旋转角度不同的笔迹样本进行鉴别。实验证明,该方法能有效克服笔迹样本旋转对识别率造成的影响,是一种简单、实用、识别率较高的维吾尔文笔迹鉴别方法。     

基于小波包神经网络的模拟电路故障诊断

提出了基于小波多分辨分析和小波包预处理的模拟电路故障诊断方法。该方法用小波作为信号预处理工具,经小波多分辨分析得到N层分解后的低频和高频信号,再利用小波包分析对多分辨分析没有细分的高频信号进一步分解,以达到提高频率分解率的目的。经PCA分析和归一化后的能量作为训练样本送入BP神经网络进行训练。仿真实验表明此方法能够快速有效的对模拟电路的故障进行诊断和定位。     

一种融合小波变换与卷积神经网络的高相似度图像识别与分类算法

针对特定领域高相似度图像识别与分类问题,提出融合小波变换与卷积神经网络的高相似度图像识别与分类算法。首先,利用小波变换提取图像纹理特征,对不同类别、不同分辨率图像集进行训练并确定最佳纹理差异度参数值;其次,根据纹理差异度运用小波分解方法对图像进行子图分解,提取各子图能量特征并进行归一化处理;接着,通过卷积神经网络5层卷积和3层池化交替,将输入图像特征向量转化为一维向量;最后,通过训练次数的增加以及数据量的增大,不断优化网络参数,提高在训练集中的分类准确度,在测试集中验证权值实际准确度,得到具有最高分类准确率的卷积神经网络模型。实验选取鸡蛋、苹果两类图像数据集作为实验数据,进行鸡蛋散养或圈养识别、苹果产地判定,实验结果表明：该算法平均鉴别准确率均达90%以上。