摘要：为了满足公路沥青路面裂纹检测实时性和设备便携性的要求,设计了一种基于DSP的公路沥青路面自动识别系统.通过对路面裂纹的研究,采用CCD高速摄像头对路面图像进行采集,然后经DSP对采集的图像进行处理和提取特征,最后采用改进的SVM算法进行分类.经验证,该系统能较好地检测出裂纹,识别率达到92.1%,具有较高的实时性,且便于操作.

摘要：目前国内外对水中悬浮颗粒的检测一般采利用浊度仪或颗粒计数器,但随着时间的推移其灵敏度很容易下降.针对这一现状开发了一种用于水处理的数字图像处理技术,设计了相应的检测系统.通过对水体图像的采集、滤波、分割后,检测系统能很好地识别出水中的悬浮颗粒并作出统计,较好地解决了水处理过程中悬浮颗粒的检测问题.实验室模拟试验表明检测系统具有识别率高、灵敏度稳定等特点.

摘要：传统的图像识别方法,不能有效检测出电力部件的具体位置,同时在干扰物较多的场景下识别准确率较低。本文针对以上问题提出一种基于MASK LSTM-CNN模型的电力部件巡检图像识别方法。结合已有的Mask R-CNN方法,利用长短期记忆神经网络,通过络融合上下文信息来构建MASK LSTM-CNN模型,然后结合电力部件的具体特征进一步利用优化算法来优化模型的参数,使设计的模型能够在干扰信息较多的现场环境下依然可以准确识别电力部件,成功解决了已有方法中存在的电力部件在被遮挡情况下识别率较低的问题,大大改善了部件识别的精度。结合实际采集的电力部件巡检图像数据集对提出的模型进行大量测试验证,实验结果表明提出的MASK LSTM-CNN模型相比于R-FCN、Faster R-CNN等模型检测效果更优,平均识别准确率提高9%-12%左右,有效解决了干扰信息较多的电力场景中的部件识别问题。

摘要：针对现有辐射源识别方法不能识别参数交叠的雷达信号以及BP神经网络迭代速度慢、识别效率低的缺点,设计出一种采用改进概率神经网络的实时快速识别方法。该方法构造的特征兼具单个脉冲参数统计特性和雷达参数变化整体特性两个层面的信息,进而可以对参数交叠的雷达信号进行有效识别。同时,该方法还对概率神经网络进行了改进,使之具备识别出未知雷达信号的能力。仿真实验表明,此方法在显著提高了识别率的同时,还具有良好的抗噪性和鲁棒性。

摘要：为了既能提高系统人体行为的识别率,又能降低系统能耗,提出了基于多传感器的人体行为识别系统。通过对滑动时间窗内传感器数据信息进行数学统计,提取数据特征;并通过用weka软件对数据的这些特征进行分析,设计出基于决策树的两层分类识别算法,来对8种常见人体行为进行识别。实验结果表明:该系统在降低了系统能耗同时系统识别率较高,平均识别率达到93.12%,系统便于携带且具有很强的实用性。

摘要：根据小波树稀疏性的好坏自适应分配观测数目,然后由观测数目调整小波树的节点个数,使小波树中节点数目与观测数目不匹配的问题得以解决。将预处理后的语音信号经改进小波去噪,进而通过Gammatone滤波器组,提取特征参数GFCC。在高斯混合模型下仿真实验进行。结果表明:该方法与传统非稀疏性适应观测的小波去噪方法相比信噪比提高了14%,有效削弱了语音信号中噪声的影响,且系统的识别率与鲁棒性都有明显提高。

摘要：受天气、光线等因素的影响 ,易造成车牌图像灰度不均匀 ,在车牌图像上部产生阴影 ,文章提出了一种消除阴影的预处理方法。即采用模板匹配完成字符识别 ,设计字符提取算法 ,使字符提取和识别同时进行 ,避免了字符的单独分割。针对一些易混淆的字符 ,构建神经网络 ,提高字符的识别率。

摘要：在车牌字符识别中,针对单一识别方法识别率不高的问题,提出了应用数据融合技术,将不同的识别方法有机地结合起来构成融合型识别系统,有效地、综合地提高整个系统的识别性能。数据层选择了加权平均算法,特征层选择了人工神经网络算法,决策层采用了模糊推理算法实现对车牌字符的最终识别。应用MATLAB进行了仿真,并与单独使用BP神经网络算法的识别率进行了比较,结果证明采用数据融合技术系统的识别率得到了较大提高,达到90%以上。

摘要：识别率的提升是图像处理技术的关键环节,笔者针对第二代曲波变换算法在图像识别处理过程中,所存在的图像边缘"振铃"效应和由于"楔形基"的特性所导致的图像失真问题,提出了第二代曲波加权改进算法及对图像识别的实现过程,并且分别通过ORL和Yale图像进行了对比仿真实验,证明了较传统的小波加权双向二维主成分分析算法在对识别中有明显的提高,从而验证了该算法在图像识别处理上的可行性和有效性。

摘要：手写数字识别系统中,传统K最近邻(KNN)算法的识别速度较慢,而基于主分量分析(PCA)以及二维主分量分析(2DPCA)的KNN识别算法其识别速度虽有提升,但识别率仍然有待提高。为此,提出了一种基于二维双向主分量分析(Two Dimension Double PCA,2DDPCA)结合KNN的识别算法,并使用MINIST手写数据集进行了仿真实验验证,结果表明,该算法与2DPCA相比,在识别速度相当的情况下,识别率可提高近3个百分点。