局部HOG和分层LBP特征融合的车牌字符识别

针对车牌字符识别中模板匹配法识别率低,尤其是无法准确识别相似字符的不足,提出了一种局部HOG和分层LBP特征融合的车牌字符识别方法.首先利用模板匹配法对车牌所有字符进行初步识别,然后利用HOG算子提取车牌和模板相似字符中最具区分度的一小块边缘特征,接着利用LBP算子提取原始车牌和模板相似字符中相同区域块的分层纹理特征,将两种特征串行融合构建串行特征向量,最后根据特征向量之间的卡方距离来度量车牌字符和模板字符的相似性,进而完成二次识别.通过实验比较了11种算法的识别性能,结果表明本文方法有效地解决了相似字符误识别的问题,在保证识别速率的同时识别率显著提高,达到99.52%.

一种加速收敛的LDPC码译码算法

对高斯信道下LDPC(Low-Density Parity-Check)码的传统的译码算法进行分析,指出影响收敛速度的原因,并提出了一种基于整数运算的加速收敛的LDPC码译码算法。该算法融合分层译码(Layered Belief Propagation)算法、带偏移量的最小和算法(Offset Min-Sum)以及量化的优势。仿真验证表明该算法有效地减少了译码复杂度,加速了译码收敛,且性能上同传统的量化最小和算法相比没有下降。

基于子模式下LBP-HOG特征融合的单样本人脸识别方法

针对目前单样本人脸识别率不高这一问题,本文提出一种基于子模式下的分层LBP和金字塔模式HOG特征相融合的单样本人脸识别方法。该方法针对人脸不同部位对人脸识别所做贡献的程度,先通过已有人脸不同部位的分类器将人脸不同器官提取出来并以此为基准将其分为不同的子图像。然后针对LBP描述子提取的纹理特征数量较少且不能很好的描述图像边缘和方向信息等问题,将分层LBP与金字塔不同层级的HOG特征相融合的方法作用在每一个子图像上,得到每一个子图像的融合特征向量,计算训练样本与测试样本对应的每一个子图像的融合特征的欧氏距离并且乘上预先设定的该子图像对应的权重参数,然后将它们相加得到最终的欧氏距离,通过阈值判断该人脸所属id。最后通过在ORL人脸库上进行实验,结果表明本文提出的方法比现有单样本人脸识别方法识别率更高。