车牌识别方法1 进行字符分割和有关的数据展示

基于神经网络多分类器融合系统的人脸识别方法_周健.docx基于神经网络多分类器融合系统的人脸识别方法_周健.docx基于神经网络多分类器融合系统的人脸识别方法_周健.docx基于神经网络多分类器融合系统的人脸识别方法_周健.docx基于神经网络多分类器融合系统的人脸识别方法_周健.docx基于神经网络多分类器融合系统的人脸识别方法_周健.docx基于神经网络多分类器融合系统的人脸识别方法_周健.docx基于神经网络多分类器融合系统的人脸识别方法_周健.docx基于神经网络多分类器融合系统的人脸识别方法_周健.docx

提出了一种基于拉曼光谱的混合物组分识别新方法。对混合物的拉曼光谱进行背景校正和去噪处理，利用Voigt函数对拉曼谱峰进行拟合，获取其谱峰的拉曼位移、半峰全宽及强度作为混合物特征参数向量，通过与数据库纯净物特征向量进行相关性分析，实现混合物组分的有效识别。构建了由18种纯净物拉曼光谱数据构成的标准组分数据库，并对6种混合物进行了组分识别实验。实验结果表明，所提方法的识别准确率达到100%。

Skype是一种基于P2P技术的VoIP客户端，其通讯协议不公开，且通讯内容加密，因此对Skype的流量识别不能采用传统的端口识别法及特征字检测法。首先对Skype的通信机制进行深入的探讨，并通过实际的数据包分析总结出Skype流量的行为模式，最后设计并实现了相应的识别模块对结论进行验证。

针对车牌识别系统的实际应用, 利用车牌区域的边缘梯度特征、几何形状特征、颜色特征、灰度纹理特征定位车牌, 然后校正车牌图像的颜色及倾斜度; 基于灰度投影法, 对普通及武警车牌均提出了有效字符分割方案, 通过自适应判别去除因字符断裂粘连、特殊字符等造成的干扰; 通过基于多特征值提取的神经网络方法初识别车牌; 最后将人眼的视觉特性用于模板匹配法, 解决易混淆字符及污损车牌的问题。通过大量实验证明, 该方法对车牌颜色、拍摄角度、光照条件等限制较少, 适用范围广、识别率高, 有较强的实用性。

为了解决煤矿井下复杂光照条件导致人脸识别率低的问题, 提出了一种适用于煤矿井下复杂光照条件下的人脸识别方法。首先利用小波分解将人脸图像分解为低频和高频部分, 对低频部分利用直方图均衡化处理, 增强图像对比度; 然后采用引入模糊隶属度因子的小波去噪模型对高频部分进行滤波处理, 并通过新的PAL模糊增强算法对高频部分进行模糊增强, 在不同阈值下的非线性变换得到不同尺度、不同方向的特征图像, 并进行反模糊处理; 最后对处理后的低频和高频部分进行小波重构。实验表明, 在井下复杂光照条件下, 本文提出的人脸识别方法能有效改善人脸图像的整体效果, 增强图像的细节信息, 且平均识别率能够达到94.45%, 显著提高了井下复杂光照下的人脸识别率。

一种多算法融合的人脸识别方法.pdf

设计了一种实现田间西红柿收获机器人视觉系统的图像识别方法。通过对西红柿图像中目标与背景在不同彩色空间中颜色特征量的统计分析，确定图像分割的颜色特征量。对不同分割算法进行图像分割效果的比较，确定不同采摘期的最佳分割算法，并对分割后的图像进行目标提取及完善，获取颜色、形状特征均符合要求的采摘西红柿较为完整的轮廓信息。经实验测定，对实验样本西红柿目标提取，实验成功率达95%左右，平均用时0.21S。

针对融合识别领域中不同框架下多源异类传感器的不确定证据信息无法有效融合的问题, 提出一种基于条件证据网络的多源异类知识融合识别方法. 该方法将战场协同作战中不同框架下多源异类传感器的领域知识统一在证据网络的结构下, 形成多源异类知识融合识别模型, 对多源异类传感器的不确定性证据信息进行基于条件证据网络的融合推理, 得到识别结果. 仿真实例验证了所提出方法的优越性.

针对多传感器的目标识别问题，利用异类传感器数据多样性的特点，通过可信度的概念将多种数据进行融合。根据目标信息的不确定性，引入模糊物元分析法确定特性熵权，用Vague集表达目标的特征值，根据Vague度距离给出目标识别结果。实验仿真表明，异类传感器比同类传感器能更好地融合信息，提高目标识别效果。