笔迹鉴别的字符予处理与匹配

笔迹鉴别多用匹配方法比较字并的书写风格, 而字符困像的预处理和归一化对匹配是昨常重要的本文介绍笔迹鉴别的字符图像预处理和一种形状匹配方法。预处理主要介绍二值图像的噪声消除和归一化方法。嗓声消除的方法是平滑、轮廓跟踪和填充为保持字符中的书写特征, 点阵的归一化是线性的, 但字符位五和尺度的确定昨常重要。本文给出了三种归一化方法四边定界法、重心对准法和单边定界法, 并在此基拙上用图像匹配方法进行书写人识别的实验。匹配方法是通过距离变换快速实现的。实验结果表明, 重心对·准归一化最适合于笔迹鉴别问题, 距离变换匹配得到的识别率也比较令人满意     

基于并行字符索引的多步长正则表达式匹配算法

深度包检测(deep packet inspection, DPI)是网络入侵检测与防御系统(network intrusion dete-ction and prevention system, NIDPS)的核心.基于三态内容可寻址存储器(ternary content addressable memory, TCAM)的正则表达式匹配算法提高了数据包的处理速度,成为DPI技术的一个重要研究方向.TCAM具有查找速度快、存储空间小等特性,且能耗与存储空间成正比.由于DFA的存储空间开销比较大,且存储空间大小随着DFA步长数的增加而指数倍增,基于TCAM的DFA面临高能耗的问题,特别是多步长DFA.提出一种基于并行字符索引的多步长正则表达式匹配算法(multi-stride parallel character-indexed DFA, PCIDFA),对确定型有限自动机(deterministic finite automaton, DFA)构造并行字符索引,通过比特位图取交集,减少匹配时激活的TCAM块数,显著降低TCAM能耗.实验结果表明：与多步长DFA相比,多步长PCIDFA在TCAM能耗上减少了99.8%以上,在TCAM存储空间开销上减少了48.5%~65.3%,在吞吐量上提高了1.9~2.6倍.     

基于子空间增量学习的视频中人脸图像检索

提出一种以电影视频中人脸图像为依据的视频检索方法.首先通过AdaBoost检测视频序列中的人脸图像,将检测到的人脸做标准化处理后投影到增量特征人脸子空间中,得到人脸图像的向量表述;然后应用单类支持向量机进行训练和分类,根据分类的结果动态地调整前面得到的最优分类超平面,实现对电影视频中特定演员的检索功能.由于不同镜头中同一人的人脸图像通常差别很大,该方法随时间序列动态地调整特征人脸空间,以适应人脸分布的变化.对电影《小花》、《Notting hill》等的实验表明,该方法在视频环境下可以较准确地检索出特定人像.     

基于二维码匹配的指针式仪表读数识别方法

提出了一种基于二维码匹配的指针式仪表读数识别方法.该方法先实时采集高质量的仪表状态图像,同时获取二维码定位点信息以及与二维码相连接的数据库中存储的仪表类型信息,再根据二维码定位点信息对仪表图像进行快速倾斜校正,并利用二维码与仪表之间先验的几何位置关系快速提取图像中表盘所在的区域,最后根据获取的仪表类型信息,选择对应的仪表读数识别算法,以实现快速准确地识别仪表读数.实验结果表明：该方法能有效提高指针式仪表读数识别的准确率,尤其是对于复杂背景的仪表图像,该方法可用于电力系统中刻度均匀的指针仪表识别.     

基于模糊启发式搜索的汉字识别方法

本文阐述了识别过程中的模糊表示,并介绍了以隶属度为启发函数的搜索过程.试验表明此方法较好地解决了汉字识别速度低的问题.     

基于全局特征点匹配的全局定位方法

针对传统全局定位方法存在对传感器要求多、计算量大的问题,提出了一种基于全局特征点匹配的移动机器人定位方法。该方法采用普通2D雷达作为传感器,在机器人建立全局地图的过程中同步地提取全局特征点,在全局定位算法中,通过建立局部地图和提取局部地图特征点,实时将局部地图特征点和全局地图特征点进行匹配后求解全局位姿。在两个数据集上的测试,结果优于蒙特卡罗自适应定位（adaptive Monte Carlo localization,AMCL）和Cartographer的全局定位效果,运算速度更快。结果表明,与已有的方法相比,该全局定位方法能够更快地完成全局定位和有效减少计算资源的消耗。     

一种改进的字符串模式匹配算法

提出一种改进的字符串模式匹配算法。该算法对文本串进行预处理,即对文本串中不存在于模式串中的字符以及文本串中剩下的出现次数最少的字符分别进行标记,再通过匹配模式串的首尾字符来减少出现次数最少的字符的标记个数。发生匹配失败时,将模式串直接滑动到标记了的出现次数最少的字符处。通过实验证明,该算法的移动次数和比较次数有较大减少,耗费的额外空间的大小也不超过模式串的长度,进一步提高模式匹配的效率。     

一种整体的视频匹配方法

给出一种视频时空配准的整体方法,提出一种视频内匹配与视频间匹配相结合的空间配准策略,改进动态时间扭曲方法以用于时间维的对齐.视频内匹配跟踪视频内各帧图像的特征点并记录其轨迹,视频间匹配配准不同视频的帧图像,使用轨迹对应提供图像配准所需的初始特征点对应,根据图像配准得到的特征点对应建立和更新轨迹对应.该匹配策略充分利用了视频的连贯性提高了匹配的稳定性和效率,同时提高了配准视频的连贯性.改进的动态时间扭曲方法通过极小化两段视频的整体距离建立视频之间的帧对应关系,保持视频内部各帧之间的时序关系并能处理非线性偏移     

水书水字可视化输入中的模式匹配

在我国贵州南部至今还使用一种古老的民族宗教典籍＂水书＂。在计算机中输入水书并对水字进行编辑,将有利于保存这一文化瑰宝,便于水书的流传、学习和研究。介绍了水书水字可视化输入法,模式匹配问题及匹配算法,并给出模式匹配算法在水书水字输入法中的具体实现。为了加快在水书内存码表中查找匹配的水字编码的速度,采用了哈希表并构造了哈希函数,同时解决冲突。最后进行了输入字符串的分析。实验结果表明,使用哈希表和哈希函数大大加快了水书水字可视化输入中的模式匹配速度。     

基于主线特征的双向匹配的掌纹识别新方法

掌纹识别是利用人的手掌掌纹图像对其身份进行认证的一种生物特征识别技术,目前的掌纹研究主要集中在掌纹特征线的提取算法上,而对特征线的筛选和匹配的问题讨论较少,掌纹上的纹线比较复杂,深浅粗细长短不一,实施任何一种边缘提取算法都要考虑纹线的取舍问题,首先介绍了提出的应用最大内切圆对掌纹有效区域进行分割和对准的方法,较好地解决了掌纹的定位问题,然后提出了掌纹特征线族的概念,用以刻画掌纹上的主要特征,从而将掌纹纹线特征分为主要特征和次要特征．通过对主要特征与全部特征的双向匹配,给出最终的识别结果,将该方法与之前提出的基于傅里叶变换的方法在自行研制的掌纹采样设备所采集的掌纹库(90人450幅)上进行了比较实验,实验结果证明新方法可以处理原方法无法定位的掌纹图像,同时识别率也有明显提高。     

基于SBDD图的布尔匹配

在逻辑验证和综合中,布尔匹配利用有序二叉判定图OBDD来检验两个给定的逻辑函数是否相等。为了提高匹配算法的效率,文中用最小项数作为标签标定变量（变量组）。对比两函数中变量（变量组）的“标签”,可以删除不可能的排序,从而加快匹配过程。在提取变量标签时,提出简约二分决策图－SBDD,并利用其节点少的特性进一步提高“标签”提取算法的效率。实验结果表明本算法执行速度快,变量区分能力强。     

基于最大字符像素距离计算的牌照属性判别方法

基于"九二"式牌照识别系统不适合识别"二○○二"式牌照的现状,提出了一种针对目前现有牌照标准各异情况下判别牌照属性(本文中属性意指单行牌照或双行牌照)的新方法。该新方法不同于以往方法的两个步骤是图像修剪和最大字符像素距离的计算,它克服了传统方法中仅仅依靠字符投影来进行牌照属性判别的弊端。该方法是基于"二○○二"式牌照与"九二"式牌照在尺寸、字符数目及其排列方式等上的差异,着眼于字符的空间分布特点,采用图像修剪、留白检测、最大字符像素距离计算和基于不同优先级的分布式信息融合等几个步骤来进行牌照属性判别。试验结果表明,该方法判断准确,鲁棒性强,是对现有牌照识别系统的有益扩展和补充。     

基于模板匹配法的字符识别算法研究

对字符识别概念、过程和模板匹配法的原理进行探讨;从算法流程、关键代码等方面重点研究三种基于模板的字符识别算法;然后通过字符在七种不同状态下的识别率与误识字符进行对比分析;从识别率和时间性能上比较三种字符识别算法的优劣,为工业字符识别提供可选依据。     

字符分布特征对带有通配符串匹配问题的影响

近年来,字符串匹配问题被不断扩展。其中,具有代表性的是在模式中引入可变长度的通配符,本文称之为PMWL问题。针对此问题,已有工作分析了在不同的模式特征下,匹配数Ω随文本长度增加呈指数级增长。本文同时考虑文本分布特征和模式特征,建立了期望模型E(Ω)＝n*D*π(P),其中n为文本长度,D为模式中各通配符跨度的乘积,π(P)为基于字符分布的模式出现概率。实验部分,在人工随机数据和DNA真实数据上验证了E(Ω)的准确性,得到预测误差率分别为1.8%~3.2%和4.7%~7.8%;在不同字符分布中,分析了模式模长和通配符跨度对匹配数Ω的影响。E(Ω)模型揭示了Ω的增长趋势不一定呈指数级,而取决于π(P)和D的共同影响。此外,E(Ω)模型能够在线性时间内得到近似完备解。     

采用逐级配准和分值加权的指纹匹配算法

为将2个细节点集高效而准确地配准,首先利用与细节点相关联的短脊线对细节点组合进行初选,然后采用局部特征结构匹配精选出5对细节点作为配准的候选对应点.在2个细节点集配准后的匹配中,针对采用弹性匹配算法经常出现的细节点错配的情况,提出根据匹配可信度对各匹配对的匹配分值进行加权处理,以降低其对匹配精度的影响.采用FVC2002公布的指纹库进行对比实验,结果表明该算法在匹配效率和准确性上都有明显的提高.     

用于识别一类缺陷字符的过筛连通-模板匹配法

针对一类发生“切割”的缺陷字符，传统的模板匹配法难以对其进行正确识别，基于连通域的改进算法也存在一定的误识率，文章提出了一种基于过筛连通的模板匹配法较好地解决了这一问题，算法对其于连通域的模板匹配法进行了进一步改进，其基本思路是对缺陷字符采用先过筛，再连通，最后匹配识别的办法，最大程度地保留了笔道上的黑像素，屏蔽了笔道外的干扰黑像素，从而实现字符的识别，该算法构思新颖，计算简洁，大量实验表明其识别率也是可以保证的。     

Stereo Matching Using Population-Based MCMC

In this paper, we propose a new stereo matching method using the population-based Markov Chain Monte Carlo (Pop-MCMC), which belongs to the sampling-based methods. Since the previous MCMC methods produce only one sample at a time, only local moves are available. In contrast, the proposed Pop-MCMC uses multiple chains in parallel and produces multiple samples at a time. It thereby enables global moves by exchanging information between samples, which in turn, leads to faster mixing rate. In the view of optimization, it means that we can reach a lower energy state rapidly. In order to apply Pop-MCMC to the stereo matching problem, we design two effective 2-D mutation and crossover moves among multiple chains to explore a high dimensional state space efficiently. The experimental results on real stereo images demonstrate that the proposed algorithm gives much faster convergence rate than conventional sampling-based methods including SA (Simulated Annealing) and SWC (Swendsen-Wang Cuts). And it also gives consistently lower energy solutions than BP (Belief Propagation) in our experiments. In addition, we also analyze the effect of each move in Pop-MCMC and examine the effect of parameters such as temperature and the number of the chains.     

Interactively Matching Hand-Drawings Using Induction

In this paper we consider the task of matching patterns, as occur in hand-drawn symbols and schematic diagrams, by their parts and relationships. Of particular interest for computer vision is the integration of two approaches to the recognition by parts problem—graph matching and syntactic rule-based approaches. A new procedure is developed, named CLARET, which matches parts and relationships by tightly coupling the processes of matching and rule generation at run time. We have developed an interactive system for interpreting hand-drawn symbols and schematic drawings. The system operates invariant to rotation, scale, and position and projects images onto a drawing canvas. The procedure is analyzed for its ability to accommodate new symbols and answer orientation queries, and it is compared empirically with machine learning techniques.     

Schema Matching Using Interattribute Dependencies

Schema matching is one of the key challenges in information integration. It is a labor-intensive and time-consuming process. To alleviate the problem, many automated solutions have been proposed. Most of the existing solutions mainly rely upon textual similarity of the data to be matched. However, there exist instances of the schema matching problem for which they do not even apply. Such problem instances typically arise when the column names in the schemas and the data in the columns are opaque or very difficult to interpret. In our previous work [36] we proposed a two-step technique to address this problem. In the first step, we measure the dependencies between attributes within tables using an information-theoretic measure and construct a dependency graph for each table capturing the dependencies among attributes. In the second step, we find matching node pairs across the dependency graphs by running a graph matching algorithm. In our previous work, we experimentally validated the accuracy of the approach. One remaining challenge is the computational complexity of the graph matching problem in the second step. In this paper we extend the previous work by improving the second phase of the algorithm incorporating efficient approximation algorithms into the framework.