基于水平集和支持向量机的图像声呐目标识别

为了能实现水下遇险目标的精确定位,首先要对声呐所获取的图像进行目标识别。利用水平集法获得水下声呐图像中目标轮廓后,提取目标轮廓的7个不变矩作为特征矢量,并将获取的不变矩特征输入到已经训练好的支持向量机中进行识别,从而得到识别结果。所使用的识别方法综合了基于水平集提取轮廓的长处,不变矩的位移、尺度、旋转不变性的特点和支持向量机在小样本、非线性模式识别中的独特优势。实验结果表明:该方法对高分辨率图像声呐具有较高的识别率和较低的误判率,对原始声呐图像的目标识别率高达99%,对加入方差为0.09的高斯噪声的声呐图像的目标识别率可以达到97%。     

基于力场转换的人耳特征提取与识别

提出一种基于力场转换理论的人耳识别方法.该方法将力场理论分两次运用于人耳图像,分别提取内耳结构特征点和外耳轮廓特征点,并融合形成人耳特征点集.然后利用改进的Hausdorff距离对两个特征点集进行匹配识别.该方法提取的特征点稳定、可靠,具有很强的区分能力.采用力场图像转换可以有效消除光照变化对耳识别的影响,而使用Hausdorff距离进行匹配则可进一步解决由于位移、旋转变化以及姿态变化等带来的识别率低的问题.实验表明本文提出的方法不但能有效提高人耳识别率,而且具有很强的鲁棒性.     

基于特征融合的AGV小车图像数字识别方法

针对自动引导车上的图像数字在识别时受现场环境影响大的缺陷，提出了一种基于特征融合的自动引导车图像数字识别方法，它将各工位图像数字归一化处理后，提取灰度信息、改进的穿越线特征等特征量进行特征融合计算，并输出最后结果。现场运行实验表明：在有噪声的情况下，该方法不仅能够提高图像数字的识别率，并且对由环境影响所导致的图像数字局部污染与残缺具有很好的鲁棒性。     

基于子分类器融合的部分遮挡人耳识别

遮挡是人耳识别中一个难以回避的问题,本文对人耳受到部分遮挡的识别问题进行了研究.在分析人耳不同位置的鉴别能力的基础上,提出了一种基于决策层的子分类器融合的识别方法:首先将图像分割为若干连续但不重叠的子窗口;对每个子窗口,利用邻域保留嵌入算法进行特征提取,然后利用最近邻分类器进行识别;根据这些子分类器识别率的高低,可以得到相应的子窗口的鉴别能力;接下来再利用具有较高鉴别能力的子分类器进行融合识别来解决部分遮挡问题.在USTB人耳图像库上的实验结果表明人耳图像中确实有部分区域具有更高的鉴别能力,利用这些区域即可进行身份识别,而且本文提出的基于局部信息融合的方法比基于原始图像直接进行识别的方法具有更高的识别率,尤其适合于解决人耳识别中的部分遮挡问题.     

应用形态学top-hat变换的支票方形印鉴自适应分割

为了准确分割支票中的方形印鉴图像,为印鉴真伪自动识别提供无失真的二值待验图像和预留图像,提出一种基于top-hat变换的自适应形态学分割算法.根据支票印鉴的色彩信息和拓扑结构特点得到方形印鉴的灰度图像,将印鉴灰度图像分成4个子区域,以便准确分割印鉴中具有不同笔划结构和背景均匀度的印鉴成份.对每个子区域中的字符和印框分别做top-hat变换增强图像细节后,再用Otsu方法二值化.由于top-hat变换中所用结构元素的尺寸对分割结果有很大影响,本文根据每个子区域中印框和字符的结构特点分别迭代地计算适用于它们的最佳尺寸结构元素.分割了350枚不同支票方形印鉴,分割准确率为99.43%.结果表明,该方法可以准确地分割笔划复杂且分布密集的方形支票印鉴图像,有效地减少分割结果中容易出现的笔划粘结和残缺失真,降低了对原始印鉴图像的质量要求.     

Data Matrix码识别方法研究

以Data Matrix为例,探讨了二维码的分割识别算法,为消除散焦模糊,采用Otsu自适应阈值二值化的方法,对图像进行二值化处理,然后对图像进行旋转校正;图像旋转校正后的坐标,不一定是整数点,因此对图像进行双线性插值处理,消除旋转后带来的毛刺及空白点。实验证明,该算法效果良好,显著提高了条码的识别率。     

小波变换在图像处理中的应用

分析了小波变换的特点,引入方向小波来实现图像的特征提取,并给出方向小波变换在字符图形识别的结果.实验证明,由于这种特征提取方法有很好的局部方向特性,使得它对于字符的典型噪声笔划丢失、笔划断裂、机械抖动、笔划的粘连有很好的识别作用,十分适用于字符的识别工作.     

LPR技术在车辆管理信息系统中的应用研究

基于肉眼识别车辆车牌并用手工输入更改车辆状态,已经不能满足当前的车辆管理信息系统的需要.采用基于图像处理,模式识别的车牌自动识别技术(License Plate Recognition,LPR),通过对采集的含有车牌的图像进行预处理,车牌定位,车牌分割、识别,并将识别结果应用于车辆管理信息系统.LPR技术与车辆管理信息系统的结合,避免了车牌因天气、光线、污损等造成不能100%正确识别的弊端,大大的提高了车辆出场回场环节的效率.     

基于频谱脸和不变矩人脸识别新方法的研究

提出了基于频谱脸和不变矩的人脸识别方法。频谱脸是一种人脸的特征表达方式,可以有效地消除人脸表情变化、少许遮掩对人脸识别的影响。而不变矩是图像的一种统计特征,具有的平移不变性、旋转不变性和比例不变性,可以有效减少少许姿态和光照条件变化所带来的识别误差。因此首先对原始图像进行适当级数的小波变换及傅立叶变换得到人脸图像的频谱脸表达,然后利用频谱脸图像矩阵的不变矩作为识别特征,建立人脸识别模型。利用ORL人脸数据库进行仿真实验,结果表明,该方法识别率较高,识别速度较快,便于实时实现。     

基于抓拍数据时空判别的车牌检错纠错研究

针对车牌识别设备应用场合背景复杂,车牌识别率易受到光线、车牌污损与遮挡、车辆行驶速度等因素的影响,车辆抓拍识别数据中存在错误车牌号码这一问题,分析了车辆抓拍识别系统提高识别准确率的方法,提出了一种以车牌识别设备采集到的源数据为基础进行车牌号码检错与纠错的方法。首先基于抓拍数据计算路段平均行驶速度,通过对抓拍数据时空判别进行了车牌检错,然后对错误车牌进行了字符替换并作时空判别进行了车牌纠错。最后在杭州市主城区大量的抓拍数据与机动车登记信息数据中进行了实验,并以车辆抓拍识别设备采集的视频图像数据进行了校验。研究结果表明:该方法可以较好地检测出错误识别的车牌号码,进一步提高车辆抓拍数据的准确率。