光学相关模式识别

建模(model-based technique)、神经网络(neural network)和相关模式识别(correlation pattern recognition,CPR)是实现机器视觉和模式识别最常用的三种方法.与其他两种方法相比,CPR的优点在于:它是一种不需要特殊数据处理的独立于传感器的识别方法,可广泛用于不同的传感器获得的图像、数据处理,因此更适于工作在多重传感的环境下;CPR的识别原理使这种方法具有多目标识别和较好的抗噪声性能.它的相关输出结果的质量通常取决于匹配滤波器和匹配图之间在目标区形体轮廓上的近似性,受限于图像尺寸而不是需探测目标的数目,因此在使用其它的识别方法时,由于图像景物复杂、模糊和物体数目多而带来的庞大计算量会造成实际应用中的障碍,对于CPR这种限制几乎不存在.

大量目标识别的光学相关与神经网络融合方法

本文基于光学相关与神经网络学习算法和编码聚类原理的融合 ,提出一种大数量目标的高效率分类识别方法 ,并以 67个字符 ,其中包括2 6个英文字母、1 0个数字和 31个省和直辖市的简称汉字的分类识别作为实例 ,给出详细的原理说明和结果。