基于模糊神经网络的声母识别

模板匹配法技术是汉语声母识别中较为成功的算法,但它的缺陷影响了其恢复错误、改善识别性能。神经网络(NN)和模糊系统的结合,保留了双方的优点,充分利用了模糊神经网良好的容错性能、计算性能、分类性能和决策性能。本文重点研究了两种基于模糊神经网的声母识别方案,通过对其结构、识别率和特点的分析,可看出模糊神经网的声母识别性能明显优于模板匹配法,是更适于语音识别的网络。     

基于模板匹配和神经网络的交通标志识别研究

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。     

一种非组合的电磁目标快速识别算法

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。     

图像处理技术在车牌号识别领域中的算法改进

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.     

部分模板匹配法识别相位编码信号

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。     

人脸画像识别研究

利用几何特征法、特征脸法和动态模板匹配法来进行画像特征提取和识别,试验表明根据文中设计的模板系统,动态模板匹配法具有较好的识别效果,相比识别率可达到82.2%.     

一种基于熵的距离像模板库建立方法

基于模板匹配法的目标识别,其性能好坏在很大程度上取决于模板库的质量。文中提出了一种基于最小熵添加模板库的建库方法,能够从信噪比、完备性两方面来保证模板库的质量,而且在应用中还具有易于更新维护的优点。多批实测飞机数据的实验结果表明,该方法能够获得稳定而可靠的识别。     

基于卷积神经网络SLeNet_5的车牌识别方法

针对卷积神经网络Le Net_5用于车牌识别中存在输出层类别过少、层数过多及训练难度大等问题,构建了一种简化卷积神经网络模型(SLe Net_5),给出了其网络拓扑结构,并通过随机对角LM算法进行训练,使用其对分割后的字符进行识别。与模板匹配和BP神经网络等方法相比,所提方法具有较高的识别率。与其他CNN网络识别率相当,但具有结构简单,以及更快的识别速度等优点。     

一种用于复杂模式分类的电流型Hamming神经网络

本文结合手写体数字识别，讨论了一种用Ｈａｍｍｉｎｇ神经网络实现复杂模式分类的方法．文中提出了模式分解，分级模板匹配及模糊匹配技术及其电流型ＶＬＳＩ的实现，并着重论述了一种高精度，低复杂度，结构灵活的电流型ｋ－ＷＴＡ的实现．     

基于形状的计算机物体识别的研究

针对计算机物体识别中不同角度下图像物体形状的不同,提出了采用多角度获取模板图像,实验图片与多角度的模板进行匹配的理论模型,对采用多角度模板匹配时出现的不同形状的轮廓进行分析,提出了用物体图像的轮廓形状的相关匹配法的解决方案,在物体识别中,多角度模板匹配与单一的模板相比,提高了识别的可靠性,避免了同一物体角度不同时,误识别为不同的物体的情况。     

基于模糊模式和BP算法的手写数字识别

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。     

用1/3音节作匹配基元研究汉语单字音识别[Ⅱ]

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。     

最大互信息在模版匹配中的应用

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。     

最大互信息在模版匹配中的应用

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.     

基于图像处理技术的汽车牌照识别系统设计

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。     

基于模糊聚类视区划分的SAR目标识别方法

 现有基于模板匹配的SAR目标识别技术,多通过姿态遍历来构建和存储基础模板库.为降低计算消耗和存储开销,借鉴计算机视觉中视区概念,提出了一种基于非均匀视区划分的模板库精简方法.结合关键特征矢量,基于Gustafson-Kessel(GK)算法对视区作模糊聚类,以识别概率最优控制视区划分策略并提炼原型模板.采用典型舰船目标的SAR仿真图像集,验证了方法在精简模板库、实现高效SAR自动目标识别方面具有可行性.     

一种用于脱机手写体汉字识别的多层流水线并行处理结构

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     

基于峰值匹配的SAR图像飞机目标识别方法

针对SAR图像飞机目标识别过程中的目标识别问题,提出一种基于峰值匹配的目标识别方法。该方法首先使用基于8邻域像素检测局部极大值的峰值提取方法提取目标和模板的峰值特征点;然后对目标进行方位角计算,设定置信区间从而缩小需要匹配的模板库;最后计算目标图像峰值点集与模板图像峰值点集的匹配代价函数,当匹配代价函数取最小值时表明目标与相应模板图像相匹配。实验结果表明该算法有效,且分类性能和分类效率较现有的一些算法有所提升。     

深度学习在雷达通信目标识别中的应用框架

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。     

基于模糊匹配和神经网络的雷达辐射源识别技术

目前常用的雷达辐射源识别方法是数据库比较查询法．该方法实现简单,易于工程实践,但其识别效率取决于数据库的容量和质量．即对先验知识的依赖性强,缺少推理．灵活性差,特别是对于许多新体制雷达信号无法很好地识别。将利用模糊匹配和RBF神经网络两种算法,设计一种识别系统,该识别系统能够较好地识别复杂体制雷达信号,能应对目前雷达辐射源数据库不完善的实际情况。实验仿真表明,该识别系统具有较高的识别率,是一种可行的雷达辐射源识别方法。