一种字符识别算法在自动识别系统中的应用

光学字符识别是模式识别领域中最经典也是得到最广泛应用的方向之一,而车牌识别系统是应用光学字符识别技术的典型系统。文章基于车牌识别系统的开发,提出一种基于二值图像的字符识别算法。在该算法中,提取字符的点阵特征、特征线和网格特征,分类器采用神经网络。为充分利用各组特征向量的互补作用,采取层次结构来获得系统的最佳性能。在车牌号图片库中测试其算法。实验表明,算法非常有效。     

图像序列中车牌字符识别的新方法

提出了一种图像序列中车牌字符识别的新方法.由于实际采集到的单个车牌字符不仅信息量少,且往往会发生偏转,因此直接识别比较困难.本文的算法首先用训练图像的Zemike矩构造出不同类字符的特征子空间,然后通过连续多帧字符图像的特征向量向子空间投影的方法对字符进行初次识别;Zemike矩具有旋转不变性,因此对旋转相似字符识别率不高,通过采用拆分的方法对这些字符进行二次投影,可以准确的将它们区分开来.实验表明Zernike矩对噪声具有鲁棒性,用它作为字符特征能得到较好的识别效果.     

基于车牌识别的校园车辆出入管理系统研究

面对出入园区机动车辆数量的日益增多,高校校园相关管理部门所采用的传统人工管理方式已经不能满足管理的需要。通过调查,针对当前实际管理中所存在的问题,提出了一种基于车牌自动识别技术的车辆出入管理信息系统,即通过车辆图像信息的采集、车牌定位、字符分割、字符识别等操作完成车牌身份信息的自动提取,最后将获取到的信息存入数据库,通过搜索、查询匹配等模块的处理,实现自动智能管理的要求。通过实验,系统具有较高的识别率,能满足实际应用的需要,具有一定的工程应用价值。     

车辆牌照自动识别的原理和实现

车辆牌照自动识别是智能交通系统(ITS)的重要组成部分，在交通、治安、管理等方面有着广泛的应用。在车牌的自动识别系统中，因自然因素或采样因素使得原本规则的印刷体字符产生畸变，给字符识别带来了很大困难。我们研究的这套系统着重于应用，使用简洁、快速的定位、二值化、分割和识别算法，在字符提取的基础上，采用BP神经网络进行分类，该算法简便，识别率高，可适用于多种高噪声环境中的印刷体字符识别，在现场应用中取得了良好的结果。     

一种基于MEAN-SHIFT特征增强的车牌定位方法

复杂场景下的车牌定位算法由于环境的变化导致车牌识别率低、计算效率不高。在对Faster R-CNN算法分析的基础上,结合MEAN-SHIFT聚类算法的特点,提出了一种基于MEAN-SHIFT特征增强的车牌定位方法。该方法采用并行计算的方式,通过增强目标区域的特征,有效提升了复杂场景下车牌定位的效率和准确度。实验表明,该方法能够在多种复杂场景下快速定位车牌照区域,准确率高,具有较好的鲁棒性。     

基于过渡像素的视频图像文本检测与定位

提出一种基于过渡像素的视频流人工文本检测与定位算法.该算法在水平和垂直方向上提取过渡像素点,生成过渡图.通过块滤波器抑制背景的过渡像素,采用基于密度的快速区域生长算法形成候选文本区域;再利用改进的局部二进制模型(LBP)验证候选文本区.仿真实验结果表明,本文的改进算法相对于Kim算法,字符定位的准确率更高.     

基于BP神经网络的车牌字符识别方法

基于BP神经网络的车牌字符识别方法,是以BP神经网络为工具,使用图像的灰度特征及四角特征作为输入,实现对于字符的准确识别。相较于前人的特征提取方法,这种方法更适用于相似字符的识别。同时,使用Matlab提供的并行方法可以明显提升整幅车牌图像的识别效率。实验表明,对于相似字符的识别精度和整张车牌的识别速率方面,这种方法都具有更好的效果。     

基于改进非局部均值滤波的低照度下车牌去噪算法

低照度下车牌图像可见度低且含高斯噪音,以传统非局部均值算法处理时,容易丢失图像边缘信息。提出了一种基于改进非局部均值的低照度下车牌去噪算法,以标准化欧氏距离代替简单欧氏距离度量块相似性,同时引入Shen-Castan边缘检测器对车牌边缘部分分离去噪。实验结果表明:提出的算法相较于传统去噪算法,处理结果有更好的信噪比值,且结构相似性值更接近1,说明该去噪算法有更好的去噪效果,同时也能保护边缘信息的完整性。     

基于共生矩阵和颜色特征的泡罩包装缺陷检测

提出了一种基于视觉的泡罩包装缺陷检测方法．首先将表面图像分成泡罩区和底板区两部：令．在泡罩区先采用基于HIS颜色空间的合成颜色特征矢量提取出药片边缘，计算药片属性，然后采用改进的闵可夫斯基距离法进行药片颜色匹配．底板区通过提取基于共生矩阵的纹理特征，采用反向传播神经网络分类器进行缺陷识别，实验证明：泡罩区采用的算法不仅药片边缘定位精度高，而且可有效检测药片的污物、色斑等缺陷；底板区采用的识别算法能够检测各种纹理的复杂缺陷．     

基于词内部模式的中文新词识别研究

提出了一种基于支持向量机的中文新词识别算法.该算法结合新词内部模式以及词长等提出了基于词内部模式的改进字符位置似然概率,并综合新词的邻接类别等特征对新词进行识别.经过小说语料测试,实验结果表明：该算法的微F1值为0.583 3,宏F1值为0.775 7,分别比不考虑词内部模式的基准算法提高约63%和30%.     

New Islanding Detection Method with Better Performance in Presence of Non-resistive Load

Islanding detection is a mandatory component in grid-connected photovoltaic(PV) inverters. It is also a key issue in the photovoltaic agriculture. In this work, an overview on the islanding effect in grid-connected PV power systems was provided. Various islanding detection methods were introduced and their strength and weakness were dicussed. An improved islanding detection method was proposed based on active frequency drift(AFD). The new method tolerated capacitive and inductive loads, because its perturbation signal was not offset by the non-resistive load. The new method through simulation in MATLAB/Simulink was evaluated and the advantages of the new method were demonstrated.     

基于分形特征的图像边缘检测算法

基于分形图像的自相似特征,提出了一种新的图像边缘检测算法,实验结果证明该算法能有效提取图像边缘,具有较强的抗噪声性能。     

粒子群优化算法在图像边缘检测中的应用

通过分析研究传统的边缘检测方法,提出了应用粒子群优化算法对边缘检测模板系数进行优化,试验结果表明,该方法利用个体在解空间中的随机速度来调整位置,具有很强的随机性,检测结果比传统方法效果好,鲁棒性好,比其他优化算法方便,没有遗传算法交叉变异等复杂过程.     

基于无人机多光谱影像的小麦封垄前种植行识别方法改进

【目的】 为实现小麦精准管理,准确识别其种植行位置具有重要意义。本研究分别针对传统Hough变换法和绿色像元累积法存在的缺陷进行改进,并对改进前、后不同方法在小麦种植行识别上的精度进行对比分析,为小麦种植行精准提取提供技术支撑。【方法】 本研究开展了小麦水、氮耦合试验,在小麦拔节前期,基于四旋翼无人机携带RedEdge M传感器获取小麦不同生长条件下多光谱影像。基于上述数据,首先采用超绿超红差分指数和Otsu方法对影像分割、分类,获取植被/土壤二值图;其次,采用3×1线型模板进行形态学开运算,降低边界不规则度并去除噪音;然后,结合无人机影像中小麦种植行排布特点,分别针对传统Hough变换法的峰值检测过程和绿色像素累积法的角度检测过程进行优化,提出改进的小麦种植行识别方法;最后,分别将两种方法改进前、后的识别结果与目视解译种植行位置结果进行对比,基于检出率和作物行识别精度（crop row detection accuracy,CRDA）评价4种方法的优劣。【结果】 采用超绿超红差分指数与Otsu方法可以很好对植被/土壤进行分类,分类结果的总体精度达到93.75%,Kappa系数为0.87;形态学运算可以很好地去除图像噪声,减少后期种植行识别误差;改进后Hough变换法通过利用先验知识对峰值检测范围进行约束,有效提升了种植行检测精度,种植行平均检出率从30%提升至67%,CRDA平均值从0.22提升至0.44;改进后绿色像元累积法通过考察整幅影像的绿色像元累积特征,有效提升角度检测精度,种植行平均检出率从14%提升至93%,CRDA平均值从0.12提升至0.69;4种方法的识别精度从高到低依次为改进后绿色像元累积法、改进后Hough变换法、改进前Hough变换法、改进前绿色像元累积法。【结论】 本研究较好地改进了传统种植行识别方法,为种植密度大、行间距小的小麦种植行识别提供了技术支撑。     

基于分形特征的图像边缘检测算法①

An image edge detection algorithm based on fractal character was developed. The method was rooted in the self-similarity of fractal image. The results of experiment showed that the proposed new algorithm for image edge detection was valid and effective.     

基于颜色特征的马铃薯绿皮检测

提出了一种基于颜色特征的马铃薯绿皮检测方法,该方法以颜色特征分析为基础,结合BP神经网络,实现对马铃薯绿皮缺陷的检测.首先建立马铃薯图片采集系统,采集丰富的绿皮马铃薯和优质马铃薯图像并对图像进行彩色图像增强.对绿皮缺陷和优质区域的颜色特征进行深入分析,提取出相对独立的特征参数R、G、B、H、P/G、B/(R+G).构建...     

一种基于支持向量机的植物根系图像边缘检测算法(英文)

由于传统边缘检测方法中存在的比如粗糙边缘、噪声边缘和不准确边缘等缺点,因此在植物根系的研究中,采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果。本文基于支持向量机方法给出一种新型、简单有效的边缘检测算法。基于带高斯径向基核函数的最小二乘支持向量机,得到了一簇梯度算子和相应的二阶导数算子。用所得到的边缘检测算法与Canny和Prewitt算法的性能进行了比较。仿真结果表明本文给出的算法与传统算法相比,不仅边缘检测性能得到提高,而且可以一定程度地克服噪声干扰。     

基于量化构造特征参数的树种计算机识别算法

简述了以往木材树种识别专家系统的数学算法,探索提出了一种新的基于由图像处理技术提取的木材构造解剖特征量化参数的计算机木材识别的算法———最大相似法 该方法可采用最小差值判别、树种综合特征阈值及综合加权相似3种方式来达到木材树种识别的目的,同时讨论了这3种方式的计算方法 这三者的主要区别在于:最小差值判别法是一种绝对的比较方法,它不考虑提取量化特征过程中所存在的误差与树种自身存在的变异,主要依靠多参数来修正误差;树种综合特征阈值法是一种相对的比较方法,它承认了客观误差的存在,利用适当的阈值来修正测量误差与树种品质的变异;综合加权相似法是在主成分综合分析的基础上,将每个特征量对树种的影响程度大小(即贡献率的大小)作为系数进行相似系数的计算,而前两者则将所有特征量视为平等 通过以上3种方式基于量化参数实现的木材树种识别方式具有比传统的专家系统检索方法更为客观,且在多参数情况下的容错能力更强等优点     

计算机视觉技术识别水果缺陷的一种新方法

利用计算机视觉技术识别水果表面缺陷，提出了分割缺陷和识别缺陷的新方法。该方法考虑了水果的形状特点，使不同灰度级的缺陷一次分割成功。在识别过程中利用水果的三维空间特征，实现了缺陷与果梗、花萼的区分。试验结果表明，该方法检测速度快，正确率高，能够满足计算机视觉进行在线检测的要求。     

生豆浆基因组DNA不同提取方法的比较研究

[目的]探讨适宜生豆浆的基因组DNA提取方法。[方法]以市售豆浆为材料,分别采用热解法、异丙醇沉淀法、CTAB法、SDS法、高盐低pH和异硫氰酸胍法以及它们的改良方法提取基因组DNA,并比较了以上方法的提取效果。[结果]除异丙醇沉淀法外,其他方法提取的基因组DNA均可满足PCR检测要求。同时,综合考虑基因组DNA的纯度和浓度,生豆浆基因组DNA提取方法的优劣依次为：改进高盐低pH法、高盐低pH法、改进CTAB法、改进异丙醇沉淀法、异硫氰酸胍法和改进热解法。[结论]这几种生豆粉基因组DNA提取方法均具有操作简单、耗时短、利于快速检测的优点。