一种基于Pseudo-Zernike矩和SVM的目标识别快速算法*

为减少Pseudo-Zernike矩的计算复杂度,将系数迭代算法与核函数的对称性相结合,提出了一种新的混合快速算法。与现有的两种快速算法相比较,新算法有更快的计算速度。将其应用到遥感飞机图像库识别中,首先提取图像的Pseudo-Zernike矩特征,然后将其作为支持向量机分类器的输入。理论分析和实验证明,新算法在保持识别准确率的情况下提高了识别速度。     

一种Pseudo-Zernike矩的改进算法

Pseudo—Zernike矩在模式识别中被广泛采用。但由于Pseudo-Zernike矩的复杂性，相关算法研究尚未得到良好解决。文中对常用算法进行改进，提出了一种直接将矩形图像映射到单位圆内进而求取Pseudo—Zernike矩的算法，并将其应用于识别阿拉伯数字。实验结果表明该算法在计算速度和识别精度上都有明显提高。     

一种Pseudo-Zernike矩的改进算法

Pseudo-Zernike矩在模式识别中被广泛采用。但由于Pseudo-Zernike矩的复杂性,相关算法研究尚未得到良好解决。文中对常用算法进行改进,提出了一种直接将矩形图像映射到单位圆内进而求取Pseudo-Zernike矩的算法,并将其应用于识别阿拉伯数字。实验结果表明该算法在计算速度和识别精度上都有明显提高。     

基于ICA降维的车牌汉字识别研究

针对目前复杂环境下车牌汉字图像识别率较低,识别时间较长等问题,提出了一种基于伪Zernike矩和独立主成分分析(ICA)的改进概率神经网络(PNN)车牌汉字识别方法.该方法是将车牌汉字图像的伪Zernike矩通过独立主成分分析降维,再将降维后的特征输入所提出的一种基于代表点的改进概率神经网络中进行训练和识别,从而有效地实现车牌汉字的识别.将该方法应用于复杂环境下的车牌汉字图像识别实验,实验结果表明,该方法能有效地降低特征维数,减少识别时间,并能显著地提高车牌汉字的识别率.     

基于Zernike不变矩的人形识别研究

针对智能视频监控系统中基于不变矩的人形识别进行研究。建立一个含有201个人形样本、67个动物样本的图库,采用最小距离分类器对目标Hu矩和Zernike矩分类识别。实验验证表明该方法是有效且可靠的,一般场景下人形识别率可以达到89%以上。     

一种边界总和最大化的车牌汉字特征融合

提出一种边界总和最大化的车牌汉字特征融合算法,根据高维数据低维投影趋于正态分布的特点,将Pseudo-Zernike矩特征和Gabor特征串联后形成的高维特征投影到低维空间,利用类别均值和方差构造分类边界总和,最大化边界总和,得到最佳投影向量,构成投影矩阵,对原串联特征投影后得到一组新特征,作为椭圆基概率神经网络分类器的输入。实验表明,新特征同时具备全局表征能力和细节刻画能力,去除了数据冗余,在提高分类准确率的同时有效降低了分类器规模,椭圆基概率神经网络构造简便,具有与SVM相当的分类准确率。     

利用投影特征高速识别车牌中的汉字

基于在车牌中使用的汉字固定,且数量很少,其中的汉字字体均有国家标准确认等特点,该文提出了一种根据汉字的投影特征来识别车牌中的汉字的方法,它利用汉字图像投影图,找出汉字笔画数量、结构,以及其中长竖线长横线的数量等特征,用这些特征有效、高速地识别车牌中的汉字。     

改进的不变矩和PNN相结合的多品种产品识别算法

针对生产线中产品形状之间的相似性以及不可避免地存在一定几何失真、边缘模糊等问题,提出一种改进的不变矩和概率神经网络(PNN)相结合的多品种产品识别算法。首先通过图像的预处理提取出产品的边缘特征信息。然后利用改进的不变矩来描述产品的边缘特征,新的不变矩被证明不但具有图像的平移、旋转和比例不变性,而且消除了失真比例系数在离散状态下对不变矩的影响。PNN分类器通过对不同形态、比例的标准件进行训练,判断产品的种类,对产品标准件的识别准确率达到100%,对产品实物的识别准确率达到98. 61%,证明改进的不变矩和PNN相结合的算法对多品种产品识别有较好的鲁棒性和可靠性。实验结果表明,该识别算法是一种有效的处理生产线中多品种产品识别的方法,具有一定价值。     

基于车牌底色识别的车牌定位方法

提出了结合汽车车牌纹理特征分析和颜色特征分析实现车牌定位的方法。以往的车牌定位技术主要是利用了车牌的纹理特征和形状特征,该文提出的方法是先进行纹理分析和形状分析,再进行色彩分析,从而尽可能多地利用车牌模式识别空间中的各种条件。得到边缘清晰整齐的尽可能小的车牌区域。这种方法明显地克服了单用纹理和形状分析时难以解决的车牌区域变大的问题。     

基于PNN的手势识别

为了实现人体手势姿态识别的目标,选用氯化银(AgCl)贴片电极作为信号传感端,通过采集前臂表面肌电(SEMG)信号,经信号放大、滤波等前期处理,再经活动段检测、降噪等信号处理后,提取伸食指、握拳、伸腕、屈腕4种手势的均方根值和积分EMG值作为特征向量,送入概率神经网络(PNN)中进行训练识别,实现人体手势识别.实验结果表明:PNN对前臂SEMG信号的模式识别的正确率可达到97.62％,将PNN应用于手势识别系统具有可行性.     

基于图像处理的车牌识别研究

针对智能交通管理系统中的车牌识别问题,提出应用图像处理技术对汽车的牌照进行识别。车牌定位（LPL,License Plate Location）、车牌分割（LPS,License Plate Segmentation）、车牌识别（LPR,License Plate Recognition）是实现车牌识别系统的最主要的三个部分。先采用HSV模型和RGB模型识别与分割彩色图像,并初步定位车牌图像;再采用radon变换实现车牌的倾斜校正,用投影法对车牌进行定位和分割;最后通过语音读出识别到的车牌信息。通过MATLAB编程进行实验仿真,结果表明利用图像处理技术能够快速地识别出汽车牌照,是一种研究车牌识别的有效方法。     

基于模糊模式识别的车牌识别算法设计

介绍一种基于明暗度二值化的车牌模糊识别的算法.这种算法在车牌识别的使用可以有效避免因光照、车辆运动速度及车牌清晰度、光洁度而带来的误识别.介绍了这种算法的构建、实验平台、实验环境、实验处理结果,并对结果进行了讨论.     

基于DSP的车牌识别系统研究

介绍了一种基于TMS320DM6437硬件平台,运用数字图像处理的知识来实现汽车车牌的自动识别功能。对目前使用的车牌预处理、车牌定位技术与字符分割等算法进行了实验分析。     

基于改进的BP神经网络车牌识别的研究

近年来,城市智能交通系统发展的很快,车牌识别系统作为城市智能交通系统中信息采集的一种重要手段,也引起越来越多关注.本文对车牌识别的形态进行深入研究,应用了改进的BP神经网络算法.实验结果显示这个方法可以更高效的识别车牌并且建立一个良好的未来车牌识别技术的基础.     

基于Matlab汽车牌照识别系统研究

汽车牌照识别是图像识别领域的重要研究课题,提出一种基于Matlab的车牌识别系统有效解决了在自然背景下,车辆牌照的定位和字符识别的问题。实践验证,该系统在车牌识别方面效果明显。     

一种基于SVM的车牌汉字的有效识别方法

支持向量机(SVM)是20世纪90年代初由Vapnik等人提出的一类新型机器学习方法,此方法能够在训练样本很少的情况下达到很好的分类推广能力。文章应用SVM算法对车牌中的汉字字符进行识别,在无字符特征提取的情况下可得到较高的识别率和识别速度。通过与无字符特征提取的BP网络识别系统比较表明,在小样本的情况下,该方法的识别率远优于神经网络,并避免了神经网络的局部极值等的问题。     

基于Android平台的车辆牌照自动识别系统的实现

为了车辆稽查人员更方便快捷地对非法和异常车辆进行稽查,通过对传统计算机上图像处理算法的分析研究,开发研制出一套可供在Android平台移动设备上使用的车辆牌照自动识别系统。该系统通过对车辆牌照定位找出车辆牌照位置,并对车辆牌照中的字符进行分割和匹配,从而识别出车辆牌照。识别系统的测试实验表明系统能够实时监测和识别车辆牌照,具有较好的识别效果。     

基于DSP+CPLD的车牌实时识别系统的设计

传统的基于微机的车牌识别系统的方案,使得评价识别效果的识别速率和识别成功率两个重要指标相互冲突.为了解决这个问题,很多文章提出了改进算法来调和识别算法的计算量和识别的成功率,但却没有考虑识别系统的成本问题.提出了一个基于DSP CPLD的硬件识别平台,可以大大提高各种识别算法的适应性和降低系统成本.     

车牌识别系统中图像的采集和定位问题研究

针对汽车牌照识别系统中图像的采集和定位问题,设计了一种行驶车辆图像获取的自适应控制系统,很好地解决了车牌识别系统的全天候问题;并且利用纹理分析和灰度图像垂直投影相结合的方法,成功地解决了传统车牌图像定位手段很难解决的几个难题,在此过程中还涉及了车牌图像的几种预处理手段:车牌图像的灰度校正、增强和锐化;最后的定位结果验证了该定位算法的有效性和精确性.