基于数学形态的灰度线形态识别研究与开发

灰度线形态特征识别是许多工程模式识别系统的重要部分，该文提出了一种采用CB形态滤波的算法来提取线形态，并结合结构元素分解的方法加快图像处理的运算速度，使识别算法在速度和效果方面都得到了较大提高。     

货车转向架安全链故障计算机视觉识别算法研究

结合货车转向架安全链脱落及丢失的照片形态特征,提出了一种基于先验统计信息的故障计算机视觉识别算法;算法流程包括图像增强,自适应阈值变换滤除无关特征,应用Hough变换提取主特征线条,依据线型特征图像水平梯度沿垂直方向的积分投影定位主特征线,基于极角约束Hough变换推出两条主特征线交点,最后根据安全链和支架的几何形态特征判读故障;算法设计应用积累大量先验统计信息作为视觉不变量,极大地提高了检测速度和可靠性。     

一种阴影及破损车道线识别方法研究

为了满足车道线识别算法在车道线存在阴影遮挡、破损及污迹覆盖情况下的适应能力,提出了一种新的、有效的识别算法。将原始道路图像灰度化后,采用中值滤波去除图像采集过程中引入的噪声。利用对称局部阈值分割算法对去噪后车道线进行特征提取;并将提取结果与经典分割算法进行对比分析。基于提取出的车道线特征点的分布规律,提出应用改进的RANSAC算法进行车道线识别。分别对在普通公路和高速公路上所采集的视频图像进行实验测试,结果表明,当车道线严重破损、完全被阴影遮挡以及被大面积污迹覆盖的情况,识别算法都能准确地将其识别。     

基于机器视觉的快速车道线识别

为了克服已有车道线识别算法运算复杂、速度较慢以及鲁棒性欠缺等不足之处, 提出一种新的快速车道线识别算法, 首先通过对图像的灰度变化分析, 得出车道线轮廓像素, 然后运用B-Spline曲线拟合车道线轮廓, 得到最终的识别效果图。实验表明, 该算法在速度和识别率上都能取得优异的表现。在嵌入式平台上, 该算法取得了12 fps的速度, 符合智能驾驶的实际需求。     

一种基于形态学编码的地形骨架特征提取方法

鉴于剖面识别骨架特征提取方法(profile recognition and polygon breaking algorithm,PPA)准确性差、不能提取特殊地形等问题,提出了一种结合形态学的剖面识别骨架特征提取方法(profile recognition and polygon breaking algorithm based on morphology erosion,MEPPA).通过剖面识别提取原始的骨架特征候选点,根据方向系数连接成多边形条带,在此基础上提出了生成标量特征域的填充算法;引入形态学区域细化思想,提出了形态编码和骨架特征形态简化算法,将特征域简化为骨架特征线;为了满足各领域对矢量骨架特征的需求,提出了标量特征线复原、检测与优化剔除等策略,准确地复原了矢量骨架特征模型;提出了保留外分支和环路特征的解决方案,解决了传统骨架特征提取方法不能保留较长的主干线以及不能提取环路地形特征的问题.在真实数据上进行了实验研究,结果表明提取的骨架特征形态的整体效果优于传统方法.     

基于暗通道优先和Hough变换的雾天车道线识别算法

针对雾天车道线无法通过常规方法识别的缺陷,提出一种改进雾天环境下车道线识别算法。采用形态学腐蚀运算对暗通道优先去雾算法做出改进并应用于选定的感兴趣区域(ROI);结合二维伽马变换和局部大津(OTSU)法得到亮度提高后的二值图;在改进极角约束Hough变换的基础上,提出了一种左右车道线分类识别的算法,实现对车辆所在车道左右两侧车道线的准确识别。实验结果表明:该算法不但能提高雾天环境下车道线识别的准确率和实时性,还对雾天行车安全具有重要的实际应用意义。     

基于离散余弦变换的车道识别算法

车道识别技术是自动驾驶领域的研究热点。通过对车载摄像机获取的公路车道线图像特征的分析,提出了一种基于图像频率域特征的车道识别算法。该算法的核心是提取车道线在离散余弦变换域的特征,再结合道路模型的先验知识利用贝叶斯决策原理,识别出路面上的车道线。实验表明,该算法在不同的路面和光照条件下均可得到良好的识别效果。     

一种新的车道线快速识别算法

针对现有的的车道线识别算法在复杂环境下识别率低、鲁棒性和实时性较差的问题,提出了一种基于形态学多结构元素建模的车道线快速识别算法。该算法首先对车道图像进行感兴趣区域提取,通过Canny算子对感兴趣区域进行边缘检测,然后利用具有车道模型特征的多结构元素进行车道线提取、霍夫变换,以及峰值检测点参数的筛选,从而得到实际车道左右标识线的参数以重建原车道线。仿真实验表明,该算法能在多种复杂环境下快速、准确地识别出车道标识线,且鲁棒性高。     

基于直线段检测器的多阈值图像表格框线提取算法

针对传统表格结构识别算法中,前期图像预处理工作量大、复杂表格结构识别率低、高分辨率和高复杂度表格时间开销过于大的问题,提出先对图像表格结构利用直线段检测器进行框线检测,再利用双阈值直线判断规则,对本应属于同一直线的多条线段进行合并细化,最后对横纵线交点处缺失或过长线段,采用表格结构整体框线对齐的快速识别算法.实验结果表明,该算法既可以对图像高分辨率下简单表格和复杂表格准确识别,也可以满足图像低分辨率中简单表格和复杂表格的识别需求,可以容忍一定倾斜角度,因此减少了图像预处理工作,缩短了检测时间,甚至可以对非严格定义表格结构进行精准识别,进一步推动图像表格结构通用识别算法的进程.     

一种利用形态相似性的水稻信息提取算法

针对一般相似性算法对曲线形态欠缺考虑或形态敏感性较差的问题,提出了一种新的曲线形态相似性度量算法。使用该算法计算未知像元NDVI时序曲线与标准NDVI时序曲线的相似性,并基于特征曲线的相似性实现地物的识别。算法通过特征距离加权,对曲线偏移距离进行了差异性放大,相较于欧式距离、动态时间弯曲距离等,提高了对曲线形态的敏感性,降低了算法的复杂性。对该算法的有效性检验显示,5种地物用户精度平均为98%,制图精度平均为92%,表现了较高的可靠性。基于该方法对仙桃市2005—2015年间的水稻种植信息提取。结果显示,该区域单季稻分布基本稳定,总体制图精度为93.29%,总体面积精度为80.57%,达到较高水平。     

基于支持向量机的手写体数字识别系统设计

数字识别是光学字符识别技术里发展比较早的一种技术,是OCR的一个分支。数字识别又分为手写数字识别和非手写数字识别,提到的手写数字识别是指脱机手写数字识别。支持向量机是近几年来模式识别领域中的一个新技术,它被广泛应用到文字识别、人脸识别等应用中,是模式识别领域中的研究热点,把支持向量机技术应用到手写数字识别系统中,以期提高识别系统的性能。     

基于篇章字体导引的单字符字体识别

字体识别是印刷文档识别重构的重要组成部分,是目前识别技术的一个难题。以印刷文档的单体单字高识别率为基础,论文提出了一种基于篇章字体导引的汉字单字符字体识别方法,结合字体排版的规律性,使得字体识别速度和精度大大提高。以常用报纸、杂志正文文本为样本进行实验,字体识别率达到了99%。     

基于识别结果反馈信息的闭环联机字符识别系统

文章提出了一种基于识别结果反馈信息的闭环联机字符识别系统。通常的识别系统只是执行了从输入数据空间到识别结果空间的单向映射,可以看作为一种开环识别系统;而文中提出了一种闭环识别系统:它在完成初次的识别之后,还将识别结果信息反馈给系统中的规则库;规则库依据此反馈信息触发相应规则驱动识别器对输入字符进行再次识别,从而得到最终的识别结果。实验结果表明,在抽取的特征和识别方法相同的条件下,闭环识别系统的识别率将高于开环识别系统的识别率。     

基于BP神经网络的手写体数字识别

手写体数字识别是多年来的研究热点,也是字符识别中的一个特别问题。由于手写体数字字体变化很大,传统的识别方法很难达到高的识别率。针对传统的数字识别方法的复杂性和局限性,提出了一种基于BP神经网络的手写体数字的识别方法。该方法在提取手写体数字点特征、笔划密度特征基础上,利用改进的BP神经网络进行训练识别。经实验,识别率达94％。实验结果表明,该方法对手写体数字识别效果良好,不仅简化了传统识别的繁杂性,而且提高了识别的准确性。     

基于深度学习模型LeNet-5-L的车牌识别算法

针对车牌中汉字识别率低和识别速度慢问题,提出一种基于深度学习的车牌识别网络LeNet-5-L,该网络把车牌识别分为两个阶段,运用OpenCV库函数对车牌图像预处理,结合垂直投影分割方法将车牌分割为7个独立字符图像,降低了图像特征提取难度,从而提高车牌中各个的字符识别率和整个车牌识别速度;运用卷积神经网络解决车牌字符识别问题,基于LeNet-L设计一种车牌字符识别网络LeNet-5-L,有效提高车牌中首字符汉字识别率;实验结果表明,该网络对车牌中各个字符的识别准确率均高于99.97％,单个车牌识别时间仅需0.83 ms,该方法有效的提高车牌识别的正确率和识别速度.     

基于标准n元组分类器的二值人脸图象快速识别方法

人脸图象识别是模式识别和人工智能领域里一个活跃的课题,广泛地应用于身份鉴别等生物测定学领域。二值人脸图象识别又是其中的一项重要内容。该文介绍一种标准ｎ元组分类器方法,充分利用ｎ元组分类器的优点,实验表明,在二值人脸图象识别领域里,这是一种简易、高效、迅捷的方法。     

面向人-物交互的视觉识别方法研究

从物体识别、动作识别和人-物交互行为识别三者关系角度对人-物交互的视觉识别方法进行了研究。将三者关系建模成统一的人-物交互识别的模型,通过该模型对以动作作为上下境进行物体识别,以物体作为上下境进行动作识别、交互行为识别、基于图模型的对象识别以及由交互行为进行动作和物体识别5个方面进行了详细研究,最后对面向人-物交互识别方法进行了比较。     

中文日期词的分割与识别

非限定性手写汉字串的分割与识别是当前字符识别领域中的一个难点问题.针对手写日期的特点,提出了整词识别和定长汉字串分割识别相结合的组合识别方法.整词识别将字符串作为一个整体进行识别,无需复杂的字符串分割过程.在定长汉字串分割过程中,首先通过识别来预测汉字串的长度,然后通过投影和轮廓分析确定候选分割线,最后通过识别选取最优分割路径.这两种分割识别方法通过规则进行组合,大大提高了系统的性能.在真实票据图像上的实验表明了该方法的有效性,分割识别正确率达到了93.3%.     

中文医疗文本中的嵌套实体识别方法

实体识别是信息抽取的关键技术. 相较于普通文本, 中文医疗文本的实体识别任务往往面对大量的嵌套实体. 以往识别实体的方法往往忽视了医疗文本本身所特有的实体嵌套规则而直接采用序列标注方法, 为此, 提出一种融合实体嵌套规则的中文实体识别方法. 所提方法在训练过程中将实体的识别任务转化为实体的边界识别与边界首尾关系识别的联合训练任务, 在解码过程中结合从实际医疗文本中所总结出来的实体嵌套规则对解码结果进行过滤, 从而使得识别结果能够符合实际文本中内外层实体嵌套组合的组成规律. 在公开的医疗文本实体识别的实验上取得良好的效果. 数据集上的实验表明, 所提方法在嵌套类型实体识别性能上显著优于已有的方法, 在整体准确率方面比最先进的方法提高0.5%.     

自然场景下中文识别的研究与实现

自然场景下的中文识别一直以来都是十分重要的研究领域,而深度学习的快速发展为中文识别提供了非常有效的方法。本文提出了一种基于FOTS模型的方式实现中文识别。首先对实现文本检测识别任务的FOTS模型的基本结构进行介绍;然后对FOTS模型进行了改进,以提高识别效果;最后展示了改进后的FOTS模型在实际应用中的识别效果。