基于Zernike矩与网格特征的两级神经网络字符识别系统

从待识别字符中分别提取网格与Zernike矩特征,并将两种特征输入改进的BP神经网络进行比较,得知网格特征对随机噪声及笔划粗细变化不敏感,而Zernike矩特征对旋转不敏感,针对两种字符特征的缺点与优点,把以上两个神经网络进行联合,设计了一个两级神经网络字符识别系统,实验表明,基于不同特征输入的神经网络识别结果之间存在互补现象,上述两级神经网络分类器串级集成字符识别系统正确识别率达98%.     

完备伪Zernike矩相似不变量集的构造

为了解决传统方法构造的矩不变量特征集存在的完备性和独立性问题,提出了一种完备的伪Zemike矩相似变换(旋转、平移和缩放)不变量集的构造方法,并给出了系统的推导和证明.首先推导了几何变换前后图像的伪Zemike矩之间的关系,然后基于该关系得到了伪Zernike矩的相似不变量集,并将其表示成变换前图像的同阶和低阶伪Zer...     

基于视频七阶距特征的内容检索方法

为了能准确地在视频媒体中寻找到所需要的信息片段,提出了一种基于视频图像七阶矩特征的内容检索方法.通过计算图像的七阶矩特征,并以此替代视频每帧图像的信息,对视频中每帧图像及其前一帧的七阶矩特征向量进行比对,计算两者距离,当两者欧氏距离超过某一给定阈值时记录下该帧在视频中的位置,且定义该帧为视频的一个关键帧,并以此为据建立视频文件的带时间标记的关键帧七阶矩向量序列.继而通过对视频流和目标视频的七阶矩序列位置的比对和对应七阶矩距离的计算,确定在视频流中是否包含目标视频,以此实现在视频流中对于目标视频的检索.使用实际视频为例对方法进行验证,效果良好,结果准确,方法还具有较快处理速度和较少的内存消耗,可用于实时处理领域.     

字符特征提取方法

特征提取是模式识别中的重要步骤,提取描述性强的特征能够有效提高分类的识别率.为了使人们对这一步骤有个概略了解,首先对图像处理中的特征提取进行了较为全面的介绍,然后详细介绍了投影归一化的字符特征表示方法,最后着重探讨了矩技术在图像特征研究方面的应用。     

一种基于机器视觉的交通标识符自动识别方法

在交通标志实时识别时,由于参考图像与实测图像非同时获取,摄像机与被摄交通标志之间的位置难以保证完全相同,致使所获取的交通标志参考图像与实测图像之间可能产生几何失真。几何失真对交通标志图像的识别结果有较大影响,因此寻找一种具有旋转和比例不变性的图像识别方法势在必行。基于不变矩的交通标志识别算法,首先对交通标志图像进行归一化处理,然后求其Hu矩,最后利用相关性测度算法进行比较。结果表明,算法针对旋转或缩放后的交通标志图像具有100%的识别率。     

基于复合特征 BP 神经网络算法的车牌识别技术研究

传统的模板匹配算法对车牌图像的伸缩、倾斜及背景干扰比较敏感,识别效果不理想.提出将对字符进行归一化处理后所提取的点特征与重心特征进行复合,作为 BP 神经网络算法的输入特征,大大提高了识别率与识别速度.     

基于多特征融合的甲状腺结节良恶性识别

鉴于甲状腺结节良恶性的判别十分依赖于有效特征的提取,提出基于DLBP与RLBP模型相结合的局部纹理特征提取算法,首先利用RLBP模型解决图像旋转不变问题,然后与DLBP模型相结合对RLBP模式特征进行选择与降维,再与纵横比、圆形度、紧致度等形状特征相结合并输入到SVM分类器中。为了进一步提高识别率,提出基于粒子群算法与网格搜索算法相结合的SVM参数优化算法。实验结果表明,该模型提取的特征用于分类识别时较上述各种模型及传统的旋转不变等价ULBP模型能获得更高的识别率,且提出的参数寻优算法相比于传统寻优算法效率更高。     

基于分数阶四元数Zernike矩和改进PatchMatch算法的有效复制-粘贴篡改检测算法（英文）

提出一种有效检测复制-粘贴伪造的算法.在该算法中,首先,采用可靠的基于顺序统计的近似最近邻搜索算法(ROSANNA)改进PatchMatch算法的传播过程;然后,从彩色篡改图像中提取分数阶四元数Zernike矩(FrQZMs)特征;最后,采用改进的PatchMatch算法对提取的FrQZMs特征进行匹配.在2个公开数据集(FAU和GRIP数据集)上的实验结果表明,所提出的算法较现有算法不仅在客观标准F值上还是在视觉上均表现更优.此外,所提算法对于一些攻击具有较好的鲁棒性,比如加性高斯白噪声、JPEG压缩、旋转和缩放攻击.     

一种基于位置距离和属性特征结合的聚类方法

利用空间坐标和属性特征的有机结合,定义了3种曼哈顿空间距离,用matlab编程给出了基于该空间距离的ACA-Cluster聚类算法,并对山东省生态环境质量进行了聚类分析和类型分区。实验表明,该方法可以较好地反映出空间位置邻近和属性特征相似的空间聚类要求。     

Vague集之间的距离公式

指出Vague集(值)之间的距离公式应遵循的公理,并提出两个新的Vague集之间的距离公式。证明了这些距离公式满足这些公理,使得在进行Vague规则聚类时,对距离公式有选择的余地,以便当规则库较大时,降低Vague推理时的搜索规模和减少计算的复杂性。     

Automatic recognition method for optical measuring instruments based on machine vision

Based on a comprehensive study of various algorithms, the automatic recognition of traditional ocular optical measuring instruments is realized. Taking a universal tools microscope (UTM) lens view image as an example, a 2-layer automatic recognition model for data reading is established after adopting a series of pre-processing algorithms. This model is an optimal combination of the correlation-based template matching method and a concurrent back propagation (BP) neural network. Multiple complementary feature extraction is used in generating the eigenvectors of the concurrent network. In order to improve fault-tolerance capacity, rotation invariant features based on Zernike moments are extracted from digit characters and a 4-dimensional group of the outline features is also obtained. Moreover, the operating time and reading accuracy can be adjusted dynamically by setting the threshold value. The experimental result indicates that the newly developed algorithm has optimal recognition precision and working speed. The average reading ratio can achieve 97.23%. The recognition method can automatically obtain the results of optical measuring instruments rapidly and stably without modifying their original structure, which meets the application requirements.     

基于LDA变换的验证码识别技术初探

本文采用基于递归算法的去除离散点法消除孤立噪声,选用扫描边界的方法分割字符,来研究验证码自动识别技术,选择和提取稳定而又便于表示的特征向量是本系统的核心之一。本文提出了简单的字符特征提取方法：采用网格灰度特征并对该特征进行线性鉴别分析（LDA,Linear discrimlnant analysis）变换,结合最小距离分类器完成字符识别过程,通过提高训练样本数,有效解决了形近字符识别率低的问题,取得了很好的识别效果。     

基于模糊线素特征与神经网络相结合的手写体汉字识别

本文提出了一种基于模糊方向线索特征 (fuzzydirectionallineelementfeature,FDLEF)与人工神经网络 (artificialneuralnetworks,ANN)相结合的手写体汉字识别方法 (FDLEF -ANN) ,解决了单一FDLEF方法对相似字识别率低的问题 .这种方法分两级识别 ,先由FDLEF识别模块进行识别 ,将识别结果送至选择器 ,若识别结果不属于预定义的相似字集合簇 ,则该结果即为最终识别结果 ,否则 ,将其送至人工神经网络识别模块进行相似字的识别 .本方法既保留了原FDLEF方法的优点又提高了对相似字的识别率 ,FDLEF -ANN系统对相似字的识别率由 78 0 9%提高到 82 97% .     

手写体汉字识别笔画提取方法的研究

由于手写体汉字的复杂性,目前手写体汉字识别正确率不高。笔者提出在拐点提取方法上以像素跟踪法辅助最大距离法,在笔段合并中只考虑与交叉点相连的笔段,并提出具体算法,该方法可以有效克服拐点遗漏,笔段合并错误的弊端,使拐点的遗漏率大大降低,笔段合并正确率有较大改进,汉字识别正确率达到90%。     

活体虹膜识别算法研究

对活体虹膜提出了一种新的分窗小波包分解和Hamming距离匹配相结合的识别算法,在特征提取过程中利用了奇异值分解,有效地减少了代码长度,不影响识别效果.实验结果表明,该方法计算速度快,提取特征的效果好,可用于实际的身份鉴别系统.     

角色距离在文学作品阅读教学中的影响

在文学作品阅读教学中,学生和作品中的人物形象、抒情主体作为不同的社会角色,他们之间存在的差异是一种角色距离,这种距离会影响阅读交流,但细致分析影响的多样性,引导学生进行角色体验,又可促进阅读交流走向深入,使角色间距离成为文学作品阅读教学设计的切入点。     

基于结构平衡网络的图像识别新方法

针对机器视觉中的图像识别问题,提出一种新的基于结构平衡网络的图像识别方法。从一种新的结构平衡网络（特殊的复杂网络）视角重新审视平面灰度图像,将图像灰度矩阵视为结构平衡网络的连接关系（权值）矩阵（像素点可不作为节点）,通过Hadamard乘积变换得到像结构平衡矩阵,再利用像结构平衡矩阵的拓扑结构,产生新的图像识别特征参量对图像进行描述。该方法具有高速率、高识别率、尺度不变性及旋转不变性等特点。最后的实验仿真验证了该方法的有效性。     

基于HDC提取关键点的手势识别算法

提出一种提取手势轮廓轮廓看成一条曲线,采用HDC(Hierarchical Discrete Correlation)方法用一个内核对曲线进行多次平滑,得到曲线的尺度空间,再通过跟踪曲线在尺度空间中的运动找出手势轮廓的关键点,最后通过最小距离法对手势进行识别.     

基于远程学习者个体需求的教学策略探究

远程教学是建立在信息技术和学习者学习需求基础上的教学,在具体的教学过程中采用什么样的教学策略,不仅要看技术条件和学科特点,更重要的是要看学习者的实际需求。本文在分析了远程学习者特征和学习需求的基础上,着力探讨了网络环境下基于学习者个体需求的教学策略。在宏观上提出了三种比较可行的教学策略,即资源性教学策略、非系统性教学策略和服务性教学策略。     

基于特征匹配与 CNN 的浮动验证码识别研究

为有效识别浮动验证码,提出一种基于特征匹配与卷积神经网络的识别方法。首先使用特征匹配的方法得到匹配特征点,结合交叉匹配算法与 K 近邻匹配算法滤除错误匹配;然后对特征点进行聚类及投票分析,得到待识别字符区域,将其分割得到单个字符;最后在 mnist 手写数字数据集的基础上加入英文字符,构建卷积神经网络模型,将数据集送入模型进行训练。对 10 000 张浮动验证码进行测试,结果表明,该方法对浮动验证码的识别准确率达 95%,且构建的训练集具有可扩展性,可进一步应用到其它类型的字符识别中。