基于SVM的多特征手写体汉字识别技术

针对传统的模板匹配法对汉字的识别率较低,文中提出一种基于SVM的多特征手写体汉字识别技术。在提取网格特征的基础上增加对汉字质心特征、笔划特征、特征点的提取,并采用SVM算法构造分类器,实现对手写体汉字的识别。实验结果表明,该方法的平均识别率为95.9%,高于传统的模板匹配法。     

手写体汉字识别中的一种新的特征提取方法——弹性网络方向分解特征

本文研究手写体汉字识别中的一种新的特征提取方法－弹性网络方向分解特征，在该方法中，我们将手写体汉字进行横，竖，撇，捺四方向的分解，然后根据该汉字的笔划分构造一组非均匀的弹性网格，将弹性网格分别作用于汉字的四方向分量上，统计汉字象素点在网格上的概率分布作为特征，对１０３４类汉字共５１７００个手写体汉字样本的实验我们得到了９４．３９％的识别率，表明该特征提取方法是十分可行和有效的。     

手写体汉字识别中的一种新的特征提取方法——弹性网格方向分解特征

本文研究手写体汉字识别中的一种新的特征提取方法—弹性网格方向分解特征，在该方法中，我们将手写体汉字进行横、竖、撇、捺四方向的分解，然后根据该汉字的笔划分布构造一组非均匀的弹性网格，将弹性网格分别作用于汉字的四方向分量上，统计汉字象素点在网格中的概率分布来作为特征。对１０３４类汉字共５１７００个手写体汉字样本的实验我们得到了９４３９％的识别率，表明该特征提取方法是十分可行和有效的。     

一种基于段化的手写汉字特征点提取方法及其实现

手写汉字识别中的特征点提取，一直是结构匹配方法中的一个关键问题．系统识别率很大程度上取决于特征点提取的正确率．本文在总结前人和作者以前工作的基础上，提出了一种新的段化特征点提取方法，并具体用于手写汉字识别的实用系统中，取得了十分理想的效果．从已测试的１８００×１０个样本字的结果看，特征点提取正确率突破了９８％大关，为实用化手写汉字识别系统奠定了基础．     

实验性6763个印刷体汉字识别系统

本文提出一种识别国标两级(6763个)印刷体汉字的新方法。根据汉字的结构,定义了一组结构特征(边框特征、局部特征和笔划端结点),作为预分类和匹配、识别的依据。 建立了一个识别6763个汉字的实验系统。实验结果表明,系统具有较高的抗干扰能力,正确识别率优于98％。     

基于小波特征的单字符汉字字体识别

汉字图像不仅包含了汉字的字符信息,还包含了汉字的字体信息.字体信息是版面分析、理解和恢复的重要依据,还有助于实现高性能字符识别系统.目前的字体识别方法还不能对单个汉字字符的字体进行识别.本文提出了一种新的字体识别方法,能够在不知道汉字字符的前提下,识别单个汉字的字体.首先对单个汉字的字符图像进行小波分解,在变换图像上提取小波特征.提取的小波特征经Box-Cox变换整形后,用线性鉴别分析技术(LDA)进行特征选择,得到字体识别特征.所使用的分类器是MQDF分类器.在包含7种字体的样本集上进行的实验表明,本文提出的方法能够在不知道汉字字符的前提下,对单个汉字的字体进行有效识别,基于单字的字体识别率达到97.35％.     

一种新的离线手写签名识别方法

脱线签名的验证较难,他仅依靠签名图像的静态信息,而书写过程中的动态信息几乎完全消失。针对脱线手写签名识别的特点,提出基于提升小波变换的特征选取方法,将传统的结构特征与统计特征有机结合起来。运用K-L变换对已提取的特征向量进行降维。最后通过支持向量机进行真伪识别。实验结果表明该算法对测试样本具有高识别率。     

一种基于小波变换和统计特征的数字信号调制模式识别方法

对于数字信号的调制识别问题,提出统计特性和小波变换相结合的特征提取方法。可以通过低信噪比下提取参数识别出调制信号。该方法的特征参数提取具有更低的计算复杂度,具有良好的抗噪性能。当信噪比不小于5 dB时,正确识别率可以达到97%以上。     

基于Apriori算法的流量识别特征自动提取方法

提出了一种基于Apriori算法自动提取协议识别特征的方法,该方法可以自动提取2种最常用的协议识别特征--特征字符串和包长特征,提取特征的效率较传统方法有很大的提高.通过识别率、准确率、正误识别率和负误识别率等指标验证了所提取特征的准确性和完整性,并根据结果反馈指导特征提取的过程,保证了提取特征的可靠性.     

一种汉字楷书特征提取方法＊

本文针对汉字楷体手书识别问题,从整体计算的角度,提出了一种汉字形体特征提取的解决方法并付诸于具体系统的实现。由于强调了汉字整体信息和相对关系的结构特征,比较成功地把握了区分手书汉字的关键因素,汉字识别率达80％以上,效果比较理想。     

基于主成分分析的MACH滤波器设计

针对解决畸变不变目标识别中选择目标样本数目过多的问题,提出了一种基于主成分分析的MACH匹配滤波器设计方法,这是使用去除冗余的本质特征图像来替代目标样本图像的一种方法,能够减少匹配滤波器设计的样本数量,在对一定范围内的畸变目标进行识别,只需要少数几个匹配滤波器就可以完成,而且同一匹配滤波器还可以对不同的畸变方式(如尺度缩放、角度旋转、运动模糊失真)目标进行识别,实验结果表明,这种匹配滤波器在较大的畸变范围内仍然能够得到较尖锐的相关峰。     

引入自上向下特征融合的小目标检测算法

针对原始SSD(Single Shot Multibox Detector)算法未充分利用各特征层之间关系导致浅层特征层缺乏小目标语义信息的问题,为了提高对小目标的检测能力,提出了一种结合PANet多尺度特征融合网络和自上向下特征融合路径的TTB-SSD(Top to Bottom SSD)改进算法。首先,使用PANet多尺度特征融合网络对特征进行反复提取,从而获得丰富的多尺度语义信息;然后,使用一种深层特征融合模块将浅层特征层的空间信息传递到深层特征层,进而更准确地对小目标进行定位;最后,为了增强浅层特征层的语义信息,构造了自上向下的特征融合路径,从而强化浅层对小目标检测的准确率。实验结果表明,在PASCAL VOC2007测试集检测的mAP(Mean Average Precision)值达到80.5%,对目标的mAP较原始SSD提高了5.7%,证明了该算法对小目标检测的有效性。     

基于双边滤波和AGAST-BEBLID的图像匹配算法

针对传统AGAST特征匹配算法存在精度差、鲁棒性低等问题，提出一种基于双边滤波和AGAST-BEBLID的图像匹配算法。首先使用双边滤波进行去噪和增强图像边缘细节效果。其次使用BEBLID算法在特征提取阶段创建高效二进制描述子，来产生更好的局部特征描述。然后使用GMS算法结合汉明距离来筛选KNN匹配后的图像，达到特征粗匹配。最后使用GC-RANSAC算法在误匹配剔除阶段进行局部最优模型拟合，得到图像特征精匹配。实验结果显示：改进后的算法在复杂环境下的总体平均准确率较AKAZE,BRISK和SIFT分别提高了10.57%,17.20%和19.45%。     

并行多特征提取网络的红外图像增强方法

为解决低质量红外图像细节模糊、对比度低等问题,提出了并行多特征提取网络的红外图像增强方法,设计了结构特征映射网络和双尺度特征提取网络。结构特征映射网络用于建立全局结构特征权重,以保持原始图像的空间结构信息。双尺度特征提取网络采用多尺度卷积层和融合多空洞卷积的注意力,增强网络对上下文信息的关注力,提升网络对感兴趣区域的特征提取能力,同时学习不同尺度的特征信息,完成双尺度间信息的交换,生成目标增强映射,实现目标区域细节纹理自适应增强。实验证明,所提方法能有效提高对比度,避免过增强,丰富图像细节纹理,减少伪影和光晕现象,在BSD200数据集上的PSNR与SSIM较典型的传统方法和深度学习方法分别提升了约37.35%、2.1%与25.94%、3.15%,在真实红外数据集上分别提升了约30.62%、1.04%与24.83%、2.08%,且对不同对比度因子的低质量图像,文中方法也具有良好的增强效果。     

双重降维HOG结合SVM的快速手指静脉识别

为减少手指静脉识别时间,提出一种双重降维方向梯度直方图特征(Histogram of Oriented Gradient,HOG)结合支持向量机(Support Vector Machine,SVM)分类的手指静脉识别方法.针对传统HOG算法特征维数高的问题,首先通过Fisher准则衡量梯度方向区间HOG特征的分类能力...     

面向行人再识别的特征融合与鉴别零空间方法

针对行人再识别技术易受到光照、姿态和视角等因素影响，同一个人外观特征变化明显，较难提取其不变特征，导致识别率偏低的问题，本文提出面向行人再识别的融合特征与鉴别零空间方法。首先利用HSV、LAB、RGB和YCrCb四种颜色特征和Gabor滤波器提取条纹特征， GOG描述子提取块状特征，并将这两种特征融合成一个特征向量，然后将融合后的的特征投影到鉴别零空间，降低特征维数，最后利用欧氏距离计算距离进行行人再识别。本文所提方法在VIPeR、Prids_450s和CUHK01数据库上的rank1识别率分别是52.7%、72.2%和59.7%，实验结果表明所提方法能充分融合行人图像特征，对环境有较强鲁棒性，可有效提高识别率。      

基于小波域NMF特征提取的SAR图像目标识别方法

该文提出了一种基于小波域非负矩阵分解特征提取的合成孔径雷达图像目标识别方法。该方法对图像二维离散小波分解后提取低频子带图像,用非负矩阵分解对低频子带图像提取特征向量作为目标的特征,利用支持向量机进行分类完成目标识别。将该方法用于对MSTAR数据中三类目标识别,识别率最高可达97.51%,明显提高了目标的正确识别率。实验结果表明,该方法是一种有效的合成孔径雷达图像特征提取与目标识别方法。