形状上下文在害虫识别上的应用

将形状上下文引入到害虫识别中,在对害虫图像进行预处理得到二值图像的基础上,用形状上下文描述害虫的轮廓特征.首先,使用Robert算子,在二值图像中寻找害虫的轮廓并采样获取边界点集,然后利用边界点集,通过改进的对数极坐标变化计算得到目标图像的形状直方图.利用形状直方图进行2图像之间的相似性度量,计算出匹配代价.实验结果表...     

高斯形状上下文描述子

利用高斯窗函数,构建了一种新的形状上下文描述子,并将该描述子应用到形状配准当中.高斯形状上下文以参考点为中心建立一组高斯窗函数,根据中心点与其他采样点之间的欧氏距离,利用尽量多的采样点计算各个窗函数的值并组成形状描述子,描述点与点之间的位置关系.通过比较形状描述子之间的相似性,能够较为准确地找到两个形状间点与点的对应关系.实验表明,使用高斯形状上下文作为形状描述子,比传统的形状上下文能够更加准确地找到点与点的对应关系,使配准算法快速收敛,具有良好的抗噪性和鲁棒性.     

基于改进形状上下文的双焦图像深度估计

针对深度估计时两幅双焦图像特征点的误匹配问题,提出了一种基于改进形状上下文特征点的校正方法。首先引入了对尺度、视角、光照等具有不变性的SSURF特征向量,利用SSURF特征向量匹配算法在双焦单目视觉系统采集的焦距不同的两幅图像之间进行目标SSURF特征点的匹配。提出一种改进的形状上下文描述符,对局部特征匹配点对进行误匹配的校正。然后根据空间物点与所成像点距图像中心矢量大小及摄像机的焦距值之间的几何关系,利用校正后的特征点完成相关的计算从而获取目标物的深度信息。实验表明,校正后的方法进行深度估计具有较小的误差和较好的估计效果。该深度估计方法有较大的实用价值。     

基于形状特征的人脸检测技术

人脸识别具有其他生物特征识别技术所无法比拟的直接、友好、方便等优点。论述了人脸检测的概念和研究现状,分析了人脸检测系统中图像灰度化、图像增强、图像二值化滤波等图像预处理技术,探讨了基于形状特征的人脸检测技术的应用前景。     

基于二次模版库的车牌残缺字符识别

字符识别在车牌识别中的作用不可或缺,最简便的识别方式为模版匹配法。本文提出改进的模板匹配法,通过细化的字符子库,结合相关匹配算法,提升识别效果,克服了传统模版匹配无法识别残缺字符或匹配识别错误的缺点,实现遮挡或残缺字符的精确识别。     

基于FPGA的实时车牌字符识别方法的研究

通过对车牌图像进行预处理,提取出车牌中字母和数字字符,建立相应的模板.采用多模板匹配算法,在FPGA中实时地实现车牌字符识别.该文对字符识别系统的软硬件设计进行了详细的阐述.实验结果表明:该方法具有较高的识别速度,多模板匹配确保了字符识别的准确率.     

基于HSV空间的创新型车牌定位方法

在HSV空间中,将车牌底色用1表示,非车牌底色用0表示,实现二值化.用二分法扫描滤波后的区域,对黑白变化特征进行识别,完成车牌粗定位.在灰度图像中对提取后的车牌区域进行直方图统计.大于或等于车牌字符灰度值的像素赋值为1,否则为0.然后进行特征提取及投影分析,实现车牌精定位.     

基于目标形状特征和纹理特征的迭代配准方法在颈动脉血管中的应用

为了实现颈动脉血管的高精度配准,进而可以计算出颈动脉血管的位移场,提出了一种基于 目标形状特征和纹理特征的迭代配准的方法,这在医学诊疗中具有重要意义． 目标图像的匹配可以 通过提取形状轮廓,利用形状上下文信息实现; 与此同时,SIFT 特征在目标匹配时具有很好的鲁棒 性,图像间的稠密对应关系可以利用图像中逐像素的SIFT 特征来建立． 将二者相结合可以达到一 个很好的配准效果,进一步利用迭代的思想,配准精度再次得到提高． 配准颈动脉血管的实验结果 证明了其具有很好的鲁棒性,并且在精度上超越了传统的配准方法,在时间上也具有可接受的 水平．     

基于色彩转换和投影的车牌定位方法

为了设计出一种能够快速自动识别定位车牌的方法,首先对获得的彩色车牌图像进行灰度化和二值化,然后对经二值化处理的车牌图像进行水平和垂直投影,同时充分利用车牌的几何特征,共同完成车牌的区域定位。经VC＋＋验证表明,该方法定位速度快,定位精度较好。     

基于上下文的多值图像无失真压缩

基于上下文的多值图像无失真压缩能获得较高的编码效率。图像编码应充分考虑图像的统计差异性。本文在基于上下文的多值图像无失真编码中结合自适应预测、误差信号非线性分类、误差映射、以及简化的上下文。通过试验，对比各种措施的效果，模拟结果显示，参数数量大量减少，编码效率却大大提高了。     

一种基于特征的BP神经网络车牌字符识别

字符识别是自动车牌识别系统中很关键的一步.字符识别有以下几步,首先,对车牌图像进行预处理.其次,通过竖直方向投影分割字符.最后,将提取的字符特征输入网络进行训练.在实验中,利用该方法对光照不均、字符大小不一、运动背景的图像,特别是相似字符的识别获得了较高的识别率,并且将其与字符输入BP神经网络进行对比分析.实验结果表明,该方法对字符识别有很好的鲁棒性、有效性.     

基于SVM的车牌字符识别算法研究

SVM可在训练样本很少的情况下获得很好的分类推广能力。首先分析了用多类SVM算法对车牌中的字符进行识别时存在不可区分的区域问题和采用模糊SVM算法解决该问题的办法,然后讨论了字符特征的提取方法,并根据我国车牌字符的特点分别设计了汉字、字母、数字、字母／数字4个基于模糊多类SVM的字符分类器。最后在MATLAB环境下,采用径向基核函数对算法进行学习训练。实验测试结果表明,该方法可以很好的提高字符识别的速率和效率。     

Improved Approach Based on SVM for License Plate Character Recognition

An improved approach based on support vector machine （SVM） called the center distance ratio method is presented for license plate character recognition. First the support vectors are pre-extraeted. A minimal set called the margin vector set, which contains all support vectors, is extracted. These margin vectors compose new training data and construct the classifier by using the general SVM optimized. The experimental resuhs show that the improved SVM method does well at correct rate and training speed.     

基于TensorFlow的车牌字符识别方法

全连接神经网络将车牌字符图像以一维矩阵的形式进行矩阵运算,忽略了图像自身的特性,且一旦图像像素过多,神经网络的参数规模会急剧增加,常规的神经网络很难训练.基于TensorFlow深度学习框架搭建一种卷积神经网络训练模型,在自制的大小为40×32像素点车牌字符灰度图像数据集基础上,使用搭建的神经网络模型训练得到较好的训练效果,利用多次卷积和池化层提取特征,与全连接神经网络相比极大减少节点数量,提高识别的精准度.通过不同识别算法的准确率对比可见,卷积神经网络对中文、英文和数字的识别更加准确,模型的鲁棒性和泛化能力有很大提高.     

一种快速车牌识别系统

本文提出了一种基于模板匹配的快速车牌识别方法。该方法运用了数学形态学知识进行车牌的定位,然后采用基于模板匹配的相关函数做相似度测试,完成字符识别。经大量实验证明该方法能有效地完成不同解析度和不同模糊程度的车牌识别工作,而且识别精度高、速度快,能满足实际系统的要求。     

基于BP神经网络的车牌字符识别

自动车牌识别作为高精度的车辆识别中的核心技术,在智能交通中发挥着日益关键的作用．构建一种改进的BP神经网络识别车牌字符,并在VC＋＋6．0环境下测试,实验结果表明系统具有良好的有效性,并能满足实时车牌识别的要求．     

基于CNN的车牌数字字符识别算法

针对传统车牌识别算法识别率低、鲁棒性差等问题,提出一种基于卷积神经网络结构车牌数字字符识别算法.在卷积神经网络的基础上用ReLU激活函数代替传统的Sigmoid激活函数,引入卷积步长等操作,不仅加速网络的收敛,而且降低了网络参数的数量.实验结果表明:与传统特征提取算法相比,该算法识别率最高,达到95.2%,识别率波动范围小,鲁棒性强.     

基于Gabor变换和LMBP神经网络的 车牌汉字字符识别

字符识别是汽车牌照自动识别系统中的关键环节,汉字字符识别是其中的难点。提出用Gabor滤波器对灰度汉字图像抽取横、竖、撇、捺的4幅能量特征图像的方法,同时对Gabor滤波器组输出值进行非线性变换,使其适应于不同亮度和低质量灰度车牌字符图像的识别,最终采用网络法提取4幅能量特征图像的特征,用改进的BP神经网络作为车牌汉字字符的识别器,提高车牌识别率。