基于改进的Codebook算法的车轮轮廓提取

提取车轮轮廓在机动车车型识别课题中有重要作用,通过检测侧面图像车辆的车轮数便可确定被测车辆的轴数,为车型的识别提供重要的底盘信息。本文提出了一种鲁棒性较强的车轮轮廓提取方法,通过摄像机拍摄道路行驶车辆的侧面视频,利用改进后的Codebook算法提取出目标车辆后,经圆形度初步筛选近似为圆形的目标,再通过Hough变换圆检测来验证圆,最后完成车轮轮廓的提取。     

基于傅里叶变换和独立成分分析的木材显微图像特征提取与识别

正确识别木材对木材科学和木材产业具有重要意义。提出一种提取木材显微图像特征并进行识别的新方法。首先进行傅里叶变换得到木材显微图像的傅里叶变换功率谱图,然后进行独立成分分解得到功率谱图的独立基,所提取的特征就是木材显微图像的功率谱图在独立基上的投影系数,最后利用支持向量机对待识别图像在独立基上的投影系数进行分类,实现木材识别。在200幅木材显微图像库上进行小样本实验,取得了较高的识别率。实验结果表明,该方法具有较大应用潜力。图4参12     

木材识别方法研究综述

介绍了人工知识、对分检索和穿孔卡片检索等3种传统木材识别方法和数据库检索识别方法。指出基于计算机视觉的木材识别方法的优点,它将成为木材识别的一种趋势。根据识别过程将该方法按照给定木材的类型、识别的特征和分类器等3种方式进行分类．并给出了每种类型详细的分类和当前研究的进展。最后,对今后木材识别研究在语义特征提取、语义特征与纹理特征的结合、树种指纹挖掘、无切片识别和设备研制等5个方面提出了自己的看法。     

基于Max-T模糊Hopfield网络的车型识别

在许多模式识别采样的过程中,由于环境噪声和设备误差,往往导致采集的数据与真实值有一定偏差,这种偏差会影响识别的效果。本文采用Max-T FHNN模型，提出一种应用于智能化交通管理的车型识别方法。并用实验证实相对于其他车型识别方法，该方法在待测样本含有噪声的情况下能得到更好的识别率。     

基于小波变换与神经网络的上倾管流型识别方法

为实现上倾管气液两相流流型的智能识别,提出了基于小波变换与概率神经网络的流型识别方法。采用中国石油大学(华东)室内小型环道试验装置进行气液两相流试验,采集上倾管流型以及相应的持液率信号。运用小波变换对持液率信号进行5级分解,并对分解后的信号提取标准差作为概率神经网络的输入参数,对试验中获得的分层流、气泡流、段塞流、严重段塞流流型进行识别。结果表明:该方法对4种流型的识别效果较好,其整体识别率为96.5%,其中分层流和严重段塞流的识别率高达98%。基于小波变换与概率神经网络的上倾管流型识别方法能够有效克服传统识别方法中主观因素的影响,不仅显著提高了流型识别的准确率,而且识别过程更加智能。(图5,表3,参22)     

一种基于神经网络的结构参数识别方法

提出了一种基于神经网络的结构参数识别方法，该方法以残余力向量作为结构参数识别的网络输入。针对训练样本在数据空间分布不均匀的问题，采用ＧＳＬ变换对训练样本数据进行预处理。从而提高了网络收敛速度及参数识别精度。本文算例说明了方法的有效性。     

YHS变换及其在遥感图像识别中的应用研究

对彩色遥感图像进行判读，主要是根据地物在图像上的亮度、对比度、颜色和纹理等特征来识别．为了将人工识别的经验定量地引入计算机图像识别中来，提出了一种基于遥感信息模式分类的YHS变换方法，并讨论了变换的物理意义和实际应用结果．     

机动车声信号能量特征的小波包提取

针对机动车车型识别中声信号非平稳且易受噪声干扰的问题,提出了一种有效的声信号特征提取方法。利用小波包分析技术对声信号的能量分布进行研究,以德比契斯(Daubechies)小波为基函数对目标声信号进行小波包变换。基于获取的不同频带能量分布状态给出了机动车车型的特征判据,并对该判据的有效性给予了分析。试验结果表明基于小波包分析的机动车声信号特征提取方法是有效的。     

基于图像处理的番茄识别方法

针对重叠番茄识别的特点和要求,提出一种新的田间环境下重叠番茄的识别方法。该算法融合了最小二乘法曲线拟合以及Hough变换,首先获取重叠番茄的轮廓曲线,并进行凹点检测,实现了轮廓曲线的分段;再利用最小二乘法对轮廓曲线进行分段拟合,得到重叠情况下的多个目标圆;再利用Hough变换方法对轮廓曲线进行变换识别,获取Hough变换识别的结果;最后利用最小二乘法得到的分段拟合结果修正Hough变换的结果。算法既保留了Hough变换获得的目标整体性,又保证了最小二乘法分段拟合的精确性。通过试验证明,算法识别的平均误差为5.1%。     

基于联盟博弈和极限学习机的棉花异性纤维识别方法

针对棉花异性纤维（棉花采摘、摊晒、收购、储存、运输及加工过程中混入棉花中的非棉纤维）识别问题,提出了一种基于联盟博弈和极限学习机相融合的棉花异性纤维识别方法,该方法利用基于联盟博弈的特征选择方法确定最优的特征集,随后利用极限学习机进行棉花异性纤维识别并与支持向量机、ｋ近邻法进行了试验比较．试验结果表明,该方法、支持向量机和ｋ近邻法可以实现的准确率分别为90.15％、88.46％和86.30％．相对于另两种方法,该方法具有最高的识别准确率,并使特征集的特征数由75个降为25个．     

图像汉字编码识别机的研究

在分析多种图像汉字编码识别方法共同特性及不同点的基础上,结合智能控制与专家经验知识,将执行器、知识库、特征提取器相组合,采用三级并行式结构构造了一个图像汉字编码识别机。决策级综合提取各个编码识别方法中的稳定特征,进行粗分类,识别级根据粗分类识别的具体情况,有针对性的进行系统反馈识别,评判级在识别的过程中记录各编码识别方法的识别结果,从而对各方法的识别效果进行动态评价、排序,进而调整识别方案,加快了分类速度,提高了识别效率。     

基于集成神经网络的植物叶片识别方法

针对植物叶片识别中识别精度低的问题,从叶片特征描述、分类器设计两个角度出发提出了一种基于集成神经网络的植物叶片识别方法。叶片特征由区域几何特征与纹理特征共同构成,其中区域几何特征由不变矩特征和叶片几何描述参数共同构成,叶片纹理特征利用灰度共生矩阵进行提取。在分类器设计方面,采用一种集成神经网络学习算法,用于解决多类别植物叶片分类问题,其基分类器由二类别分类器和互补分类器构成。为避免叶片特征受到旋转等因素的影响,需要对叶片图像进行预处理。在预处理后,利用集成神经网络分类器对叶片样本进行训练与识别。在Flavia叶片数据库中选取20类叶片,每类30张共计600张叶片进行试验,基于集成神经网络的植物叶片识别方法的平均识别精度为91%。与其他叶片识别方法相比,试验结果表明,此方法可以提高叶片识别的精度。     

基于图和神经网络的数控加工特征识别

本文从当前特征识别方法中存在的问题出发,提出了一种基于图(属性邻接图)和神经网络的数控加工特征识别方法,结合属性邻接图实现对产品数据相关文件的预处理,并运用遗传算法,对BP神经网络进行了优化,希望能够为特征识别提供一种有效方法。     

基于概率神经网络和分形的植物叶片机器识别研究

【目的】提出一种将植物叶片的形状特征与其纹理特征相结合的综合特征识别方法,有效解决了传统的植物机器识别分类特征单一且识别率较低的问题,为植物的快速机器识别提供技术参考。【方法】提取植物叶片样本的综合特征信息,以概率神经网络(PNN)为分类器对所得的特征信息进行训练,训练好的网络用来识别植物叶片的类别,从而确定相应植物的种类。【结果】有效提取了含有8个分量的植物叶片综合特征向量,通过对PNN分类器的训练,实现了30种植物叶片的快速机器识别,平均识别率达98.3%。比较测试表明,若去掉叶片纹理特征,单以其形状特征作为识别依据,平均识别率仅为93.7%。【结论】植物叶片综合特征识别方法有效弥补了传统单特征识别方法的不足,使识别效率得到了较大的提高。     

现代物业小区车辆智能化综合管理系统

给出了一种现代物业小区车辆智能化综合管理系统，由物业管理中心的中央计算机和下层的各个小区服务器构成多级控制的网络化管理系统，怪实现进出车辆的登记识别、计时计费、等多种功能，并提出了一种能有效识别车辆特征的方法。     

局部二进制模式与小波特征融合的掌纹识别

针对利用单一方法进行掌纹图像识别所得的识别率难以提高这一情况,提出一种利用掌纹图像经高斯高通滤波后的局部二进制模式特征和三级小波分解的细节图像的能量特征的融合特征进行掌纹识别的方法。在提取图像的局部二进制模式特征的时候,通过高斯高通滤波增强图像的对比度,从而提取出更有效的局部二进制模式特征,该特征对光照的变化具有一定的鲁棒性;小波变换的细节图像能量数据反映不同频率成分的局部细节特征。实验结果表明所提出的掌纹识别方法的有效性。     

基于广义Hough聚类的粘连猪头尾识别

为了通过形状特征对群养猪进行个体分析,首先必须获得每个猪个体的完整轮廓和主要特征部位。提出了基于距离变换的粘连猪体分割和基于广义Hough聚类的头部和尾部的识别方法。首先利用形状因子判定出图像中粘连猪体,然后对粘连猪体利用距离变换进行外轮廓逐层剥离,确定分离点和分割线,最后利用椭圆拟合对分割后的猪体轮廓进行局部修复,分割过程中轮廓失真较小,能准确地实现粘连猪体的分割。在分割的基础上根据猪体身长来截取头部和尾部的轮廓,根据猪体头尾形状的差异性,采用广义Hough聚类的方法识别头部和尾部,识别的平均正确率为87.28%。     

基于DWFMT非变异特征的指纹鉴别技术

为提高指纹鉴别率，提出了一种基于DWFMT变换提取特征进行指纹鉴别的新方法。采用离散小波变换进行小波分解指纹图像后对局部边缘进行平滑，从而减少指纹图像关于形状扭曲的敏感性，而Fourier-Mellin变换产生平移、旋转和伸缩的非变异特征．利用Fourier-Mellin变换的线性性质，使众多的DWFMT特征形成非变异的参考特征以减少输入指纹图像的变化．实验结果表明，其指纹鉴别率达到96％以上，当众多DWFMT特征被使用时，鉴别率可达到99％．     

基于物联网和深度卷积神经网络的冬枣病害识别方法

针对传统的作物病害识别方法中人为提取的分类特征,对复杂作物病害图像的形状、光照和背景比较敏感等问题,提出一种基于物联网和深度卷积神经网络(DCNN)的冬枣病害识别方法。DCNN由1个输入层、4个卷积层、3个下采样层、1个全连接层和1个输出层组成。利用该方法能够提取冬枣病害图像的有效特征,并识别病害类型,避免了传统作物病害识别方法中繁琐的特征提取过程。在4种冬枣病害果实数据库上进行了冬枣病害识别实验,识别率达到92%以上。试验结果表明,该方法适合利用物联网采集的大规模视频病害图像进行冬枣病害识别。     

基于多特征的印刷体数字识别

采用特征识别的方法，提取数字的区域像素、水平过线、垂直过线三大方面的17个特征值对印刷体数字进行识别。利用MATLAB进行仿真实验，实验结果表明该识别方法简单，识别率高，速度快，抗干扰性强，对于不同字体、字形、字号的印刷体数字，能够快速准确识别，具有广泛的用途。