针对字符串的特点,提出了采用基于旋转投影不变矩来识别字符的方法.先将出现偏斜的字符串进行旋转,使其与水平方向平行,然后将字符的灰度图像从上向下进行投影,对黑点像素进行累计求和,构成灰度累计分布图.该分布图具有平移和尺度放缩不变性的特点,因此可以将每个英文字母的灰度累计分布图作为一个几何形状,使用Hough变换对它们进行识别.文中对字符串自动找正、灰度累计分布图的生成、自动阈值选择技术以及Hough变换等关键技术进行了研究,并给出了26个英文字符的灰度累计分布图和投影不变矩值.经实际使用证实该方法的效果很好

井下常用的断层性质识别方法

一种电力巡检图像智能识别方法.pdf

近年来，自动学习特征的深度学习方法在视频行为识别领域中不断被挖掘探索。在总结了常用的行为识别数据集的基础上，对传统的行为识别方法以及深度学习的相关基础原理进行了概述，着重对基于不同输入内容与不同深度网络的行为识别方法进行了较为全面、系统性的总结、对比与分析。最后，对深度学习在行为识别领域的发展做了总结并展望了未来的发展趋势。

基于形状的目标识别方法 形状 目标识别 方法

基于BP神经网络的人脸识别方法分析_陈艳.caj

基于学习向量量化神经网络的人脸朝向识别方法_冯洁琼.caj

一种基于图像语义分割的水尺识别方法.pdf

基于小波变换的PCA人脸识别方法实现方法

针对现有煤矿井下含煤地层岩性识别方法存在地层信息参数获取难度大、岩性识别精度低的问题，提出了一种基于主成分分析（PCA）算法和核模糊C均值聚类（KFCM）算法的含煤地层岩性优化识别方法。利用钻进试验台获取机械钻速、回转扭矩、钻压、转速、回转压力和泥浆泵流量6种钻进敏感参数，构造高维钻进参数集作为识别数据来源，包括训练样本和测试样本；结合PCA算法的特征提取优势和KFCM算法具有较好聚类效果的特点，建立基于PCA-KFCM算法的岩性识别模型；采用PCA算法对训练样本进行特征提取和降维处理，得到训练样本的特征值和特征向量；采用KFCM算法对训练样本主成分数据集进行模糊核聚类分析，将试验岩样分为若干类型；通过马氏距离判别法建立判别准则，利用最小马氏距离完成对测试样本的地层岩性识别。测试结果表明，基于PCA-KFCM算法的含煤地层岩性优化识别方法能够有效识别地层岩性，与常规KFCM算法相比，识别精度提高了23.2%。