一种车牌定位的新方法

研究了一种定位车牌区域的新方法,该方法首先对车牌图像进行边缘检测,然后进行骨骼化处理,最后通过线扫描定位车牌。实验证明使用该方法定位车牌的准确率达到了98.8%,平均耗时0.1s,同时对光线较昏暗、车牌较模糊的图像也能实现比较准确的定位。     

基于改进的BP神经网络的车牌识别研究

车牌识别作为目标自动识别技术之一应用非常广泛,本文研究了字符特征提取方法,利用神经网络的方法构建一种改进的BP神经识别网络,最后此基础上对识别系统进行了改进优化,实验结果表明系统具有良好的鲁棒性,系统满足实时车牌识别的要求。     

码头闸口集装箱箱号自动识别系统设计与开发

码头集装箱的进出车辆登记,传统采用人工记录方式,效率低。为了提高码头的运转效率,重要的是减少车辆的登记时间。笔者设计的集装箱箱号自动识别系统,基于轴线扫描和垂直投影的箱号定位,有效地去除了干扰信息,获取准确的箱号位置;同时采用将灰度投影字符分割法和欧式距离字符识别相结合的方法,提高识别效果;采用摄像头拍摄车辆图像,利用监控计算机对图像进行处理,识别出集装箱箱号,录入数据库,并做决策,控制闸口设备的操作。仿真结果表明:该系统可以实现自动录入进出闸口的集装箱箱号,车辆进出闸口无需停车,提高了码头运转效率,减少了塞车机会,并解决了采用射频(RFID)识别系统成本高、难统一标准的难题。     

虹膜识别技术的应用与发展

虹膜识别技术是一种生物特征识别技术,本文在分析其研究现状、识别流程的基础上,简单的介绍了虹膜图像的采集、虹膜定位、归一化与增强、虹膜编码、比较与判决等主要内容。     

基于深度学习的港区内制车牌识别技术

港口集卡车牌的自动识别是港口自动化管理中的一项重要任务。针对车牌图像畸变大、面积小、车速较快等情况,提出一种基于深度学习的车牌识别算法,采用多路视频流作为输入,实现集卡车牌的实时在线检测。经过现场测试,车牌识别率可达99%。     

基于神经网络的液晶数字识别在船用设备管理中的应用

数字识别是字符识别中的一个重要的研究课题。阿拉伯数字只有0～9十个,而且笔画简单,但是识别这十个数字并非易事,识别的正确率并不高。虽然液晶数字在形式上相对于识别难度较大的手写体数字来说比较规范,但是液晶数字的变体也比较多,形状各异,因此文章研究的目的在于找到一种对于液晶数字识别的一般的有效的方法。文章建立了＂仪表监控与数字识别系统＂,主要对液晶数字识别的过程进行了讨论,重点研究了数字图像处理和数字识别,做了以下几个方面的工作：1）在研究了多种液晶数字特征的基础上,提取了数字的粗网格特征。2）建立了一个基于BP神经网络的液晶数字识别系统,进行了分类器设计,并对数字识别结果进行了检验,取得了较好的系统性能,从而证明了采用的方法是可行的。     

分形矩在印刷体藏文特征提取中的应用

运用分形矩理论,提出了一种基于分形矩的藏文字符特征提取方法。用该方法提取的特征有效地反映了藏文字丁的局部和全局特征,减少了图像中像素位置变化给识别部分带来的负面影响,并在一定程度上克服了藏文字丁极多而造成的误识率高的缺点,解决了由于特征向量维数较多造成的运算速度慢的问题。     

船舶管路高温泄漏检测及自动识别技术

通过分析船舶的热源管路,并针对这些管路进行红外线热成像扫描,将采集到的图像进行预处理,然后采用分水岭算法对处理后的高热图像实行分割和高温区域识别,再将其与红外热像图进行配准。实验结果证明,利用红外热成像技术可以实现船舶管路高温泄漏的有效检测,并且精度和检测准确率高。     

集装箱智能道口箱号识别系统中的字符识别技术

文章介绍的模式识别与结构分析组合及箱号校对的识别技术,很好地解决了集装箱智能道口箱号识别中的字符不完全在一个平面上与箱号横竖排列不定等问题。结果表明,这种方案能提高箱号识别的准确性及效率。     

自组织特征映射网络在船舶雷达目标识别中的应用

针对船舶雷达目标识别存在的问题,研究了基于聚类的自组织特征映射网络(SOM网)的船舶识别。对SOM结构进行了设计,特别是在输出层设计、数据处理、数据聚类等方面进行重点的讨论。通过实验,SOM网络在船舶雷达目标识别中,具有较好的识别效果。