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。     

一种融合深度特征图和形态学的车牌定位方法

车牌定位是车牌识别的关键步骤。针对传统车牌定位方法鲁棒性差、定位时间长等问题,提出了一种融合深度特征图和形态学的车牌定位方法。该方法首先利用深度结构构建深度特征图产生框架,提取纹理特征丰富的车牌图像特征图,接着将车牌特征图缩放到原始车牌图像的尺寸,并对缩放后的图像进行Sobel运算,增强车牌的边缘特征,最后利用形态学中的闭操作,对二值化后的图像进行先膨胀后腐蚀的形态学运算,连通整个车牌图块,完成车牌定位。试验结果表明,该方法对包含纹理鲜明的背景条形图块、车身和车牌颜色相似的干扰图像具有更好的鲁棒性,提高了定位速度。     

基于脉冲耦合神经网络的汉字纹理特征提取

论文运用改进的脉冲耦合神经网络（PCNN）简化模型结合梯度向量的方法对汉字图像进行纹理特征提取。首先对汉字图像求出梯度向量得到梯度图像,然后利用PCNN的脉冲并行高速传播特性对梯度图像进行迭代点火,每次点火后的二值图像进行概率统计,全部迭代次数的统计向量作为提取的纹理特征。仿真结果表明统计向量作为纹理特征的有效性,同时验证了该方法具有运算速度快、旋转不变性和尺度不变性的优点,为汉字复原提供了研究的基础条件。     

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。     

基于自适应性的车牌定位新方法

图像中汽车牌照定位的准确与否,直接关系到自动车牌识别系统的整体性能.考虑由于时间和气候光照特性不同造成车牌图片清晰度的明显差异,提出一种新的自适应动态阈值车牌定位的算法.该方法首先分析图像的清晰度,将图像的白点数固定在一个与差分均值成正比的比例值内.然后,去除离散噪声.针对车牌区域的行和列有不同的特征,用不同的方法进行车牌横向和纵向区域的精确定位,最终找到目标车牌区域.实验显示,该方法对车牌定位的准确率达到98.7%.     

全局和局部特征提取相融合的中文文本特征提取方法研究

文本分类中特征质量的好坏,会直接影响到分类的准确率,从特征提取这一环节出发,实现了一种改进的基于基尼指数的特征提取方法Gini,提出一种全局和局部特征提取相融合的特征提取方法。当MI、IG、CE、WET、Gini与χ2这6种特征提取方法用于SVM分类实验时,发现Gini全局特征提取能力强,χ2方法适合局部特征提取;当Gini与χ2两种方法相融合进行特征提取时表现出较强的特征提取能力,明显优于全局和局部的提取效果.     

文本分类中一种基于互信息改进的特征选择方法

在文本分类系统中,特征选择方法是一种有效的降维方式,针对互信息方法存在负相关和对低频词倚重的不足,文中对互信息方法进行了改进并用于类内特征提取。在SVM和KNN分类器下,将互信息和改进后的互信息方法用于特征提取实验,实验结果表明改进后的互信息方法简单可行,能够提高所选特征子集的有效性。     

基于多特征相融合和支持向量机的森林火场识别技术的研究

针对森林火场采用了新的颜色特征提取方法,融合图像的颜色和纹理特征作为图像的特征向量,并用支持向量机作为学习工具,充分利用已有森林火场的数据进行学习,提高森林火场的自动识别的准确率.结果表明,新的颜色特征提取方法适用于森林火场的识别,采用支持向量机融合多特征可成功用于森林火场的自动识别.     

基于GIS和KPCA的农业空间数据特征提取研究

农业生产决策是一个动态过程,必须依靠大量农业数据和强有力的数据分析技术作为支撑。特征提取技术能从大量数据中提取出反映源数据本质特点的特征,有利于农业数据的管理与分析。目前,地理信息系统已成为农业空间数据管理与分析的重要手段,科技工作者已从PCA和GIS相结合的角度进行了农业空间数据的特征提取研究,然而PCA所提取的特征不能够反映农业空间数据的非线性结构特征,所获取的特征不利于其后的评价与分析。因此,将非线性特征提取技术KPCA引入GIS中进行了农业空间数据特征提取,构建了农业空间数据特征提取模型。应用结果证明,通过该模型所提取的特征分布结果符合实际情况,为实现农业生产决策提供了更具保障的数据支持和科学依据。     

病害特征在作物病害识别中的应用研究综述

病害特征指作物在感染上病害时,在生理、形态和结构上发生病变特征,而病害识别则是利用提取出的作物病害特征来对作物进行病害识别,通常在病害形状、纹理和颜色作为识别特征的3个重要指标。将图像处理技术应用到病害特征提取识别中的研究与发展,分别从形状、颜色、纹理的特征提取出发,基于部分学习方法的病害识别,对近些年作物病害特征提取识别的应用研究进行综述,分析几种特征在病害识别研究中的优势与不足,并对病害特征在农业检测识别应用的前景进行展望。     

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。     

基于小波分析的红虫识别

提出了一种能量特征与支持向量机(Support Vector Machine,SVM)相结合的红虫与水中浮游生物图像识别方法.把小波能量特征加入到原始图像中,再用Fisher线性判别法进行特征提取,同时提取图像的三层小波分解后系数的数学特征和图像颜色调和熵构造特征向量,然后采用SVM进行识别.通过对红虫及浮游生物的分类进行实验,验证了该方法的有效性,获得较高的识别率.     

基于自编码神经网络建立的搜索信息模型

根据用户搜索历史,将用户关注的信息按标题分类,通过自编码神经网络提取特征值。设定学习样本标题最多为25个汉字,编码方式采用汉字机内码(GBK码)。使用MATLAB工具进行深度学习,将样本在原空间的特征表示变换到一个新的特征空间。     

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     

基于BP神经网络算法的红枣分级技术应用

分别从几何形状特征、颜色特征及纹理特征三方面入手,并对所有特征进行优化选择,最终得到3个表征红枣特性的特征量;建立红枣样本数据库,以BP神经网络为模型,设计合理的BP神经网络训练和测试方法,对红枣进行分级研究,通过不同样本条件下的实验测试,可以得到高达94%的红枣等级划分正确率,能较好地满足红枣分级的需求,对红枣产品的生产、销售均具有一定的理论和实际意义。     

基于迁移学习的棉花识别

提高智能采棉机效率的一个重要途径是实现单个、重叠和遮挡棉花的识别,避免误采摘和漏采摘。针对不同形态棉花的识别,常规的特征提取方法难以达到令人满意的结果,因而采用基于迁移学习的棉花识别方法和基于迁移模型的特征提取与极限学习机(extreme learning machine,ELM)相结合的方法进行棉花识别研究。首先更改AlexNet、GoogleNet、ResNet-50模型分类层和设置相关参数,用训练好的迁移模型对棉花验证集识别,然后利用训练好的迁移模型进行棉花数据集特征提取,再用训练集的特征训练ELM模型,统计不同隐含层神经元个数的ELM模型对棉花的识别准确率。AlexNet、GoogleNet、ResNet-50迁移模型识别率依次为92.03%、93.19%、93.68%;使用特征提取再与ELM结合的方法,准确率比对应迁移模型分别提高了1.97、1.34、1.55百分点。结果表明,迁移模型对小样本棉花识别也有较高准确率,基于特征提取与ELM相结合的方法可进一步提高准确率。     

中文农业网站多元线性回归识别研究

在对中文网页分类中几种典型特征词选取方法研究基础上,提出了互联网农业网站识别中特征词提取方法,设计了农业网站最小二乘多元线性回归识别模型。为检测不同分词器对模型性能的影响,分别使用JE分词器、IK分词器、庖丁解牛分词器、中科院分词器等中文分词工具进行了对比实验。结果表明,当特征词在160～200时,使用IK分词器、庖丁解牛分词器、中科院分词器,模型识别精确度可达96%以上,当特征词个数达到200个以后,农业网站识别精确度基本趋于稳定。     

基于SPCE061A语音识别门禁系统实现的研究

依赖廉价劳动力和大量消耗资源得以做大的“中国制造”,其基础是脆弱的。“中国制造”正面临着前所未有的危机和挑战,诸多的困惑和隐忧严重地威胁和阻碍着“中国制造”开拓国际市场的步伐。要想真正做强“中国制造”,就必须转变经济发展方式,大力推进科技进步,增强自主创新能力,积极培育自主品牌,进一步提高产品质量;同时,政府和企业采取有效的政策措施积极应对各种形式的贸易保护主义。     

基于数学形态学的植物叶片图像预处理

植物叶片图像的预处理是进行叶形特征提取和识别的重要前提,获得高质量的预处理叶片图像对计算机辅助植物识别十分重要.本文提出了基于数学形态学的植物叶片图像的预处理方法,运用数学形态学中的开运算和闭运算消除图像中的孤立噪声点并填补叶片内部孔洞.该方法保持了原图像的基本形状特征并能获得清晰的边缘,为叶片特征提取创造了良好的前提.