基于图像处理的手写体数字识别

文章提出一种基于图像处理、提取结构特征进行识别的方法,通过对手写体数字图片的数字图像处理,提取手写体数字的结构特征。由这些特征片段得到特征向量,作为对字符的结构描述。并采用了多次分类识别的方法,最后用MATLAB6.51对该算法学习阶段和识别阶段进行了仿真,获得了较好的辨识效果。     

基于BP神经网络的手写数字识别

数字识别是模式识别领域中重要研究方向之一,具有广阔的应用前景。文章在对BP神经网络基本原理研究的基础上,提出了利用BP神经网络方法来实现手写数字识别的方案。通过MATLAB仿真实验表明,基于BP神经网络的数字识别系统取得了良好效果。     

基于LeNet神经网络的手写数字识别技术研究

以机器学习的神经网络算法进行数字的识别,研究卷积神经网络,分析卷积神经网络输入层、卷积层、激励层、池化层和全连接层的原理和作用,对现有卷积神经网络LeNet-5模型进行简要分析。对图像数字的大小格式进行灰度处理,合理设计LeNet-5层级结构,进行摄像头图片的特征提取,并对参数进行设置,对向前向后传播方式进行深入了解,并对梯度下降方式进行选取以及分类层的设计;利用OpenMV摄像头模块,基于Phython语言进行了程序设计,对数字识别的试验结果进行分析比对,评估本系统的识别准确度和辨识度等性能指标。     

基于神经网络的杂草识别试验研究

以苗期玉米和冬小麦为例,对比土壤、小麦、玉米、玉米田间杂草及小麦田间杂草的两种绿色增强因子统计图,利用过绿特征(2G-R-B)作为参数,结合BP神经网络,运用计算机图像处理技术,采用像素位置直方图法,识别出了杂草,并确定出了杂草位置、面积.实验结果表明,该方法可以准确识别出杂草,误差正确识别率高;小麦和玉米田问杂草识别时间短,可以满足实时性要求.     

基于模糊理论的仪表数字识别研究

提出了一种基于模糊理论的仪表数字快速识别方法。确定的典型特征具有较高的区分度，且计算简单，无需进行数字细线化和大小归一化处理。构造了一种基于模糊识别最大隶属原则的数字识别器，并且采用BP神经网络解决了确定最优权矩阵的难点问题。试验表明：对于常规测量环境中的数字仪表，该方法的识别率高达99％，对7位数字的识别时间不超过30ms，达到了仪表数字识别的速度和准确率要求。     

基于BP神经网络的手写数字识别系统

针对多数机构面临的大规模报表数据录入问题,提出了一种基于BP神经网络的手写数字识别系统。对输入图像进行图像预处理、图像分割和特征提取,随后将提取的特征信息输入到已经训练好的BP神经网络进行分类识别。训练数据包含140幅大小归一的数字图片,其中100幅作为训练集,40幅作为验证集,并以10幅带有若干手写体数字的图片作为测试集进行识别分析。经Matlab仿真实验结果表明,该分类器具有较短的收敛时间和较为理想的识别精度,在实际工作中具有良好的应用价值。     

基于神经网络的智能盲人物体识别和避障仪设计

设计了一种智能盲人物体识别和避障仪,由STM32单片机、摄像头、语音播报模块、电子罗盘定位模块4个部分构成.单片机在摄像头采集的图像中通过算法可以对物体进行识别,准确知道物体的方位.以STM32为主芯片,在图像识别上运用神经网络的数据集来识别物体并采用特征点检测实现避障.采用电子罗盘定位模块确认物体方位的效果和对盲人的运动方向进行实时测量.要帮助盲人"看到"环境信息,分为3个流程:信息获取、信息处理及声音映射.首先辅助仪通过单个摄像头镜头获取周围环境图像,Elman神经网络算法对获取到的图像进行处理,其次STM32单片机通过语音播报模块进行语音播报,将图像信息转化为声音传递给盲人.盲人通过声音判断所处环境,并且做出避障和识别物体的行为,从而达到对日常出行的导盲作用.     

基于神经网络的智能盲人物体识别和避障仪设计

设计了一种智能盲人物体识别和避障仪,由STM32单片机、摄像头、语音播报模块、电子罗盘定位模块4个部分构成.单片机在摄像头采集的图像中通过算法可以对物体进行识别,准确知道物体的方位.以STM32为主芯片,在图像识别上运用神经网络的数据集来识别物体并采用特征点检测实现避障.采用电子罗盘定位模块确认物体方位的效果和对盲人的运动方向进行实时测量.要帮助盲人"看到"环境信息,分为3个流程:信息获取、信息处理及声音映射.首先辅助仪通过单个摄像头镜头获取周围环境图像,Elman神经网络算法对获取到的图像进行处理,其次STM32单片机通过语音播报模块进行语音播报,将图像信息转化为声音传递给盲人.盲人通过声音判断所处环境,并且做出避障和识别物体的行为,从而达到对日常出行的导盲作用.     

基于D-S证据理论和集成神经网络的磨粒识别

针对磨粒的识别问题,利用数字磨粒图像分析方法,结合D-S证据理论和BP神经网络,建立了基于D-S证据理论的集成神经网络磨粒融合诊断方法。首先对磨粒图像进行处理,并利用统计分析方法和傅立叶分析方法对处理好的磨粒图片进行分析得到磨粒特征;然后基于统计分析方法和傅立叶分析方法建立对应的两个BP分类子神经网络,利用典型的磨粒样本对BP子神经网络进行训练,得到初步的诊断结果;最后用D-S法对子神经网络诊断结果进行融合,得到最终的诊断结果。算例分析结果表明,基于D-S证据法和集成神经网络的磨粒融合诊断方法比单个诊断方法具有更高的准确性。     

基于神经网络的煤岩界面识别

主要论述了BP网络在煤岩界面识别中的应用,根据本问题的特点设计了BP网络结构,并提出了一种改进的BP算法,使收敛速度加快,性能有所提高。     

基于自组织特征映射神经网络的零件图像的识别

提出了基于小波变换提取零件图像特征和用自组织特征映射神经网络实现识别的方法，首先，对零件图像进行小波多尺度边缘检测，提取零件图像的边缘轮廓；然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量，各子区域中的相对边缘像素系数作为零件的特征，将这些特征作为神经网络的输入样本，由自组织特征映射神经网络实现识别。实验结果表明该方法是有效的。     

基于自组织特征映射神经网络的零件图像的识别

提出了基于小波变换提取零件图像特征和用自组织特征映射神经网络实现识别的方法,首先,对零件图像进行小波多尺度边缘检测,提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由自组织特征映射神经网络实现识别.实验结果表明该方法是有效的.     

基于神经网络的手写体签名识别的研究

随着网络越来越发达,人们之间的交流越来越方便,网络交易也越来越红火,与此同时的网络安全问题也越来越突出,大量的信用卡号码、密码和身份证件被窃取和盗用,给国家和个人带来了巨大的损失。由于每个人的签名笔迹都很难模仿和相对稳定性,利用其特征值设计一种手写体签名识别系统,效果良好。     

基于卷积神经网络的时频图像识别研究

变速器作为汽车动力传递系统中的关键部件,其振动和噪声直接影响着汽车的性能。由发动机输入到变速器的转速很多情况下是变化的,这使得这种工况下的变速器故障诊断更加复杂。针对这个问题,提出了基于卷积神经网络（convolutional neural network,CNN）的变速器变转速工况下的故障分类识别方法:在变转速下,采集了变速箱多种故障状态下的振动信号,对各类信号进行时频变换得到时频矩阵,并利用CNN实现多类故障的分类。并研究了CNN结合不同时频方法时的识别性能,结果表明,连续小波变换(continuous wavelet transform,CWT)与CNN结合的方法对变转速下的时频图识别性能最好。     

基于脉冲耦合神经网络的手掌纹理识别

掌纹识别是生物信息识别的重要技术之一,在身份识别领域已得到较好的应用,但用于中医手诊的掌纹识别研究还比较匮乏。本文提出一种基于脉冲耦合神经网络（PCNN）手掌纹理识别方法,旨在通过对不同的掌纹类型进行分类,从而辅助手诊专家发现人的潜在健康隐患。论文给出用PCNN提取时间熵序列的具体算法,并以感情线识别为例,采用SOM聚类算法获得三种类型感情线的标准熵时间序列,实现了100例感情线纹理的自动分类。论文还对PCNN的性能优劣进行了分析,对进一步改善掌纹识别算法具有借鉴意义。     

基于BP神经网络的齿轮箱故障模式识别

以双谱分析为基础,对分析的结果进行特征提取,提出了双谱-BP网络故障诊断方法,并以双谱为BP神经网络的输入特征向量,对所提出的方法进行了实验研究,结果表明所提出的双谱-BP诊断方法是判断齿轮箱故障类型的一种有效方法。     

二维小波变换在虹膜特征提取中的应用研究

本文提出了一种采用canny变换来提取虹膜特征,并用小波神经网络来进行分类的虹膜检测识别的新方法.该方法结合了小波神经网络作为一种新的分类方法,它很好地改进了识别精度,同时提高了系统的性能.一个简洁并且能快速训练的算子Adaboost也将在小波神经网络中给出介绍.实验结果表明,应用该算子进行分类识别时,识别率为100%,该方法具有很高效的可行性.     

基于磁场刺激与神经网络肌电信号的模式识别

针对表面肌电(SEMG)信号的非平稳特性,采用bior3.1小波对在磁场刺激下从掌长肌、肱桡肌、尺侧腕屈肌和肱二头肌四块肌肉上采集的四路表面肌电信号进行了分析,并用小波变换方法提取其肌电信号的特征,构成特征矢量,输入Elman神经网络分类器进行模式识别,经过训练能够成功地识别出握拳、展拳、腕内旋、腕外旋、屈腕、伸腕、前臂内旋、前臂外旋八种运动模式.实验表明,该方法识别率高,为肌电信号的模式识别提出了一种基于磁场刺激的新方法.