共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
提出一种基于模板匹配和神经网络相结合的交通标志识别方法。改方法集成了模板匹配的识别交通标志和神经网络识别交通标志的优点。可有效的提高识别的准确率,识别速度和识别的泛化能力。 相似文献
3.
针对电磁目标识别算法中辐射源组合的本质是避免同一辐射源的多个可能识别结果同时参与一个目标识别模板的匹配置信度计算的问题,提出了一种非组合的快速电磁目标识别方法。依据目标平台与辐射源的搭载关系,建立辐射源识别和平台识别的两级识别体系,基于两点和三点模板匹配法对辐射源进行识别,然后使用非组合的快速模板匹配法对目标平台属性进行识别。仿真实验表明使用该方法计算目标的识别置信度简单易行,可用于实际工程中电磁目标的识别。 相似文献
4.
针对图像处理技术在车牌号识别领域中的运用,结合目前常用识别方法(模板匹配法、神经网络法和支持向量机识别法)和主要特征提取方式(统计特征提取和结构特征提取)各自的优点,设计出一种多层分支结构的车牌号识别系统,该系统根据不同待识别字符的特征进行分类,然后匹配上对该类特征识别较有优势的特征提取方法和字符识别算法,并提出一种对折识别算法运用其中,通过对字符的分层识别和分支识别,从而达到精确、高效识别的目的,最后通过试验测试和统计分析,证明了该方法在车牌号识别中的优越性. 相似文献
5.
针对非合作相位编码信号识别问题,借助相关接收的思想,提出一类部分模板匹配方法,能够有效地改进传统方法的识别性能。仿真结果验证了部分模板匹配法识别相位编码信号的有效性。该方法能够用于对雷达相位编码信号或通信信号的编码识别。 相似文献
6.
7.
8.
9.
10.
11.
基于模糊模式和BP算法的手写数字识别 总被引:1,自引:0,他引:1
通过对多种手写数字识别算法的研究和分析,提出了一种基于模糊模式识别和BP神经网络寸亏写数字进行识别的新算法。首先应用BP神经网络对手写数字样本进行学习,然后再结合模糊模式识别的思想进行手写数字识别。实验证明:该算法与传统的手写数字识别算法相比,识别率明显提高。经过推广,该算法可应用于汉字识别、人脸识别等领域。 相似文献
12.
用1/3音节作匹配基元研究汉语单字音识别[Ⅱ] 总被引:1,自引:0,他引:1
《电声技术》1989,(1)
本文根据文献[1]提出的1/3音节作匹配基元识别汉语单字音的方法,进行了声母加音征部分的识别工作,并完成了1/3音节识别法的综合实验。结果表明:以声母加音征作匹配基元来识别汉语辅音有独特的优点,基本克服了辅音分割及无合适的发音模型的困难。我们发现1/3音节识别法基本保持了音素识别法运算量小和音节识别法识别率高的特点。其匹配运算量仅为音节识别法的5%,而识别率则同音节识别法相近,即对小字库可达93.6%。我们认为对1/3音节识别法继续进行研究是有价值的。 相似文献
13.
自动目标识别是进行精确打击的关键技术,其主要实现方法是图像匹配。为提高自动目标识别中图像匹配的精度和速度,提出一种基于最大互信息的快速图像匹配算法。根据定义的图像匹配相似度量,利用灰度信息进行模板匹配,并应用分离图像信息贫乏区的方法提高了算法的图像匹配性能。仿真结果表明,所提方法可有效提高红外图像匹配的实时性和正确性。 相似文献
14.
自动目标识别是进行精确打击的关键技术,其主要实现方法是图像匹配.为提高自动目标识别中图像匹配的精度和速度,提出一种基于最大互信息的快速图像匹配算法.根据定义的图像匹配相似度量,利用灰度信息进行模板匹配,并应用分离图像信息贫乏区的方法提高了算法的图像匹配性能.仿真结果表明,所提方法可有效提高红外图像匹配的实时性和正确性. 相似文献
15.
针对车牌定位、动态车牌照字符识别等问题,基于计算机视觉、图像处理与模式识别技术,同时采用BP神经网络对车牌进行精确定位,并利用模板匹配法进行车牌照字符识别的设计与实现方法。该方法的识别率较高,能够满足实际应用。文中同时对识别结果误差的产生因素进行了详细的分析。 相似文献
16.
17.
对于脱机手写体汉字识别来说,速度一直是很重要的一个问题。而其中输入汉字特征向量和样本库中海量模板匹配占用了很多的识别时间,约为系统识别时间的4/5,是提高汉字识别速度的瓶颈。研究了基于多层流水线,采用多组计算单元、多体存储器和多执行单元的并行处理结构,充分利用硬件特性,并行处理模板匹配。并在此基础之上,设计了手写体汉字识别专用芯片,进行了逻辑模拟,且用FPGA实现了该设计,结果证明,采用此种方法使 相似文献
18.
19.
深度学习是当前人工神经网络领域的研究热点,广泛应用于字符识别、图像识别和语音识别等应用中。雷达通信目标识别是通信对抗的前提和关键。文中分析了模板匹配法、DS证据理论等传统通信目标识别方法的在特征提取、模型表达方面的不足,对深度学习神经网络在通信目标识别中的应用进行了初步探讨,并提出了一种基于深度学习的通信目标识别框架。该框架和思路同样适用于雷达对抗目标识别等问题,可为深度学习在雷达目标识别领域的应用提供支撑。 相似文献