基于模板匹配和神经网络的车牌字符识别方法

本文提出了一种基于模板匹配和神经网络的车牌识别方法。该方法具有模板匹配识别车辆字符和神经网络识别车牌字符的各自特点，可有效地提高车牌字符识别的识别率，识别速度和识别系统的泛化能力，实验结果表明，该方法车牌字符识别率超过92%，识别时间不超过1200ms，能较好地满足实际系统的要求。     

基于改进模板匹配的车牌字符识别算法实现

车牌字符识别是LPR系统的重要环节。模板匹配法由于速度快、实时性高在车牌自动识别中得到广泛应用。在应用该法做牌照自动识别系统时发现,传统的模板匹配法对于车牌字符中相似字符互相误判率较高,对于车牌质量较差的字符识别率较低。在传统模板匹配法的基础上,提出一种多项的模板匹配法。应用该方法对相似字符的识别和车牌字符退色、污迹、模糊等质量退化的车牌图像的识别具有良好的识别效果。     

一种基于模板匹配的复杂心音定位方法

对心音的定位分割是心音处理的重要步骤之一。对于先心病患者的心音,由于受到严重的心脏杂音干扰,很难通过常规的包络或能量提取方法定位分割。根据心音特征提出一种模板匹配算法以对复杂的病理心音定位分割。该方法首先通过相关度检测和STFT变换生成第一、第二心音模板,采用该模板对模板化后的病理心音进行匹配,最后对匹配结果通过矫正算法分割定位。通过对标准心音数据库中68例实测数据和自采的57例数据分析,对于正常心音,该算法分割定位准确度达90%以上,对于先心病患者心音达到约78%,有效提高了定位准确度。     

基于K-均值聚类多场景时序特性分析的分布式电源多目标规划

若不考虑分布式电源出力及负荷需求的波动性及不确定性,可能导致分布式电源规划容量偏大或系统电压改善程度降低。深入分析分布式电源出力时序波动特性,并引入K-均值聚类多场景概率分析方法,以降低上述波动性及不确定性对配电网的影响;以最大化年寿命周期收益率和电压分布改善率作为目标函数,建立分布式电源多目标规划模型,并采用多目标复合微分进化算法对其求解和基于最短归一化距离法实现多目标总体最优解决策。以IEEE33节点配电系统为例进行分布式电源多目标规划,验证了所提方法的有效性和优越性。     

一种基于模板匹配的图像倾斜校正算法

图像倾斜校正是图像预处理中的一个重要环节.本文以传统模板匹配算法为基础,以文档图像(Document Image)中的典型示例--试卷图像为校正对象,提出了一种基于投影差分编码和BMH算法的新的一维快速模板匹配算法.实验结果证实了该算法的快速有效性.     

一种基于模板匹配的图像倾斜校正算法

图像倾斜校正是图像预处理中的一个重要环节。本文以传统模板匹配算法为基础,以文档图像(Document Image)中的典型示例——试卷图像为校正对象,提出了一种基于投影差分编码和BMH算法的新的一维快速模板匹配算法。实验结果证实了该算法的快速有效性。     

基于DCT的PCA人脸识别系统研究

人脸识别是一种重要的生物特征识别技术。本文提出了一种基于DCT的PCA的特征提取方法,该算法先对整个原始人脸图像进行DCT变换得到系数矩阵,再提取包含原始图像大部分信息的少量系数作PCA,提取出特征脸,再进行分类识别。对ORL人脸库仿真实验表明,该方法优于单独DCT与PCA特征提取的识别方法,并且减少了运算量。     

基于灰度信息的多特征模板匹配法

指针式仪表示值的自动判读技术在工农业生产中有着广泛的应用,这种自动判读技术主要是通过图像处理技术来实现的,其常见的自动判读方法有三种：步长法、圆周灰度检测法、哈夫变换法。本在总结上述方法的基础上,提出了一种鲁棒性较好的基于灰度信息的多特征模板匹配法。     

一种具有旋转不变性的模板匹配方法

对目前应用的旋转图像进行模板匹配定位问题，通常采用由不同旋转角度的模板构成模板集合，用集合中的成员分别作用于目标图像进行匹配定位，该方法计算量大，很难将其应用于实时系统中。针对上述存在的问题，文中提出了一种借助非旋转模板对平面内旋转图像进行匹配定位的方法，第一步采用圆投影法对可能出现的匹配点进行预筛选，再用具有旋转不变性的NMI特征对筛选出来的点作进一步判断确定是否为存在模板图像的点。实验结果表明：该方法不但具有旋转不变形，而且可提高匹配定位的速度。     

基于分段PCA的BP神经网络语音识别

本文提出采用分段PCA的方法提取信号的特征,再通过BP网络完成信号的训练及识别。仿真实验探究了识别网络的输入维数以及隐含层数目对识别率的影响,通过恰当的选择网络的输入维数及隐含层数,实验结果验证了使用分段PCA方法后,语音识别率会有所提高。     

基于分块LBP和分块PCA的指静脉识别方法

针对单独提取传统的局部二元模式(local binary pattern,LBP)指静脉特征识别率不高的问题,提出一种结合分块LBP和分块主成分分析(principal component analysis,PCA)的特征提取方法。首先对手指静脉感兴趣区域(region of interested,ROI)进行分块,提取分块LBP特征;然后,采用分块PCA对所提取特征进行降维除冗,得到一组新的降维后特征;最后计算欧氏距离并采用最近邻分类器进行分类。实验结果表明,论文提出方法识别率可达99.33%,等误率(equal error rate,EER)低至0.21%。与传统的3种算法进行比较,该方法的识别率有很大提高,且具有较好的稳定性和鲁棒性。     

基于PCA降维的分层超限学习机手势识别方法

针对原始超限学习机在手势识别应用中欠缺良好的泛化性能和鲁棒性等问题,运用主成分分析(PCA)算法降低手势数据维数简化数据结构,并引入以超限学习机为基础,根据多层感知器理论拓展的分层超限学习机作为分类器应用于手势识别.PCA算法提取手势图像的主要特征,通过分层超限学习机的稀疏自动编码和分层训练,获得原始输入的多层稀疏表达,使自动编码后的输出近似原始输入,最大限度地减少重构误差,提高特征分类的精度.实验表明,与原始的超限学习机相比,具有更好的泛化性能,更快的识别速率以及更高的识别精度,提高了整体的学习性能.     

基于PCA和IGG权函数的人脸图像鲁棒线性回归分类方法

在人脸识别中,线性回归分类是一种快速且有效的方法。然而,线性回归分类是基于图像向量进行识别,导致原始矩阵图像往往为高维数据,且人脸图像经常受到污染。为此,提出一种基于PCA和IGG权函数的鲁棒线性回归分类方法。首先通过PCA对人脸图像进行降维,再采用IGG权函数对被污染的人脸图像进行分类。选用公开的ORL和Yale人脸库,将线性回归分类、基于IGG权函数的鲁棒线性回归分类和基于PCA和IGG权函数的鲁棒线性回归分类进行比较。实验结果表明,在ORL和Yale人脸库中,在不加噪声和加入椒盐噪声和斑点噪声条件下,本文提出方法的识别率均值都在92.07%以上,均高于另外两种方法。     

基于PCA和混合核函数QPSO_SVM频谱感知算法

频谱感知是认知无线电系统的关键技术之一,针对基于支持向量机的频谱感知方法中核函数选取的单一性和核函数参数的不确定性,提出一种基于混合核函数支持向量机的频谱感知算法,将两种核函数混合构造新的核函数,采用量子粒子群算法对其中的参数进行优化,并引入主成分分析方法对样本进行降维并提取其全局特征。实验结果表明,该模型较传统方法在低信噪比下无线环境中的分类精度上有了明显提高,在信噪比为－10 dB的无线环境中能完全识别出主用户,为频谱感知提供了一种可靠性高的设计方案。     

基于PCA-BPNN的学生写作成绩预测模型研究

针对传统学生英语写作成绩预测方法准确率偏低的情况,提出一种基于主成分分析(PCA)和BP神经网络相结合的写作成绩预测模型。首先,用PCA对所建立的学生写作评价体系作数据降维处理,提取前3个主成分,构建了新的样本矩阵,再对BP神经网络进行训练和泛化能力测试。仿真结果表明：单一的BPNN预测最大相对误差为-2.165%,PCA BPNN预测最大相对误差仅为-0.824 2%,PCA BPNN简化了网络结构,提高了单一BPNN的训练速率、预测精度和泛化能力,验证了所提出的模型的有效性。     

基于字符编码与卷积神经网络的汉字识别

汉字识别是人工智能与模式识别领域中重要的研究内容,针对现有的研究仍然存在着参数调整难度大、训练样本数少、不能识别所有常用字符等问题,提出了一种基于字符编码与卷积神经网络的汉字识别方法,首先通过查询字库得到所有字符信息,以utf-8编码方式与多种字体编码文件进行编码输出字符图像,再进行多种图像处理后得到数据集,并利用深度卷积神经网络进行训练识别,在网络训练中通过数据扩增、批标准化、RMSProp优化等方式进行优化,同时加入正则化和Dropout防止过拟合。实验结果表明,所提方法对于汉字的识别率达到了98.08%,与Alexnet、LeNet-5相比,使用同一数据集在识别准确率上提高了9.37%、21.14%,实现了一个识别率高、特征提取能力与泛化能力强的神经网络。     

基于动画头像的特征提取和识别研究

本文从动画头像入手,将头像进行灰度变换,然后进行了三种图像压缩方法,从而进行特征提取,应用2DPCA,2DLDA,PCA.最后对图像进行识别操作,采用SVM和最近邻法操作,从结果中可以看出2DLDA,2DPCA的正确率很高,2DLDA算法的计算速度更快。     

直流电子负载基本工作模式的测量不确定度评定

直流电子负载具有负载精度高、稳定性好和方便调节,以及强大的测量和分析控制等特点,极大地提高了电源测试等工作的工作效率.介绍了直流电子负载相关术语,对所有直流电子负载都具备的基本工作模式——定电流模式、定电阻模式的测试原理及电路结构进行了分析,并对这些工作模式的测量不确定度进行了评定.     

基于机器视觉的芯片字符识别系统

IC芯片表面的字符主要包括厂商名称和序列号,这些字符对于芯片的制造和应用具有重要现实意义,针对芯片表面印刷字符的检测,基于HALCON视觉软件开发平台研发了一套芯片字符识别系统。首先,采用灰度值投影法获得字符区域的行和列坐标分割点,进行字符分割。然后,利用形状匹配技术对欲检测芯片图像进行定位与校正,采用BP神经网络分类算法实现字符的识别。通过不同算法的对比实验分析,实验结果表明单张图片检测时间为42 ms,完整字符与缺陷字符的分割准确率均为100%,字符识别率达到99.5%。本系统能有效快速、准确的对IC芯片表面字符进行识别,检测精度满足要求。