一种基于彩色图像的道路交通标志检测新方法

提出了一种改进的彩色图像分割方法,并将该方法与不变矩理论相结合用于检测彩色图像中的交通禁令标志。首先对采集图像进行预处理,包括对图像进行RGB到HSI或改进HSI颜色空间的转换和图像形态学的运算,然后对图像中不同的封闭子区域进行标记,并去除不满足面积阈值的子区域。分别计算剩下子区域的hu矩组得到每个子区域的7个图像特征值。将相应子区域的特征值与事先准备好的环形和三角形路标特征值用欧式距离分类器进行比较判别。实验结果表明,此方法能准确并较为快速地实现警告标志检测。

基于机器学习的烟草包装封口处视觉缺陷图像检测方法

针对缺陷检测方法中存在检测所需时间较长、漏检率较高等问题,基于机器学习,提出封口处视觉缺陷图像检测方法。首先,采用小波阈值去噪方法对烟草包装封口处图像进行小波变换,抑制图像噪声;在图像去噪处理后,使用机器学习基函数对封口处纹理图像进行小波分解,将图像分解成彼此独立的子窗口。然后计算不同窗口的差分统计纹理特征值,最后运用欧式距离分类器进行缺陷判断,结合Harris角点检验算法进一步完成缺陷部分精确检测。实验结果表明,所提方法检测所需时间平均缩短了约0.27 s,误检率降低了近8个百分点。

基于梯度方向特征的表情识别研究

表情特征的提取及分类器的选择对识别尤其重要,选用了对表情特征具有更好表征特性的梯度方向特征,欧氏距离分类器.实验结果表明,在JAFFE表情数据库上应用梯度方向特征和欧氏距离分类器,与其他方法相比,设置合适的参数,该方法无需对丰富的梯度方向特征进行特征降维,就能获得更高的识别率,整体识别率达到96.24%.

雷达数字信息识别系统的理论研究

对雷达数字信息进行识别,识别率高达98.7%.对于摄取的图像通过选取阈值进行二值化,在第一次分割中从背景中提取数字图像信息,第二次分割采用统计投影直方图方法,把单个数字字符图像分割开,将图像大小规范化,提取轮廓,采用方向线素特征提取,通过欧式距离分类器方法进行识别.引入信度函数,对识别结果进行分析,提高了字符识别率.