序列图像中多运动目标的识别

提出了一种对序列图像中多目标进行识别的方法．利用多帧差分与颜色查表法相结合，采用高斯滤波器对差分后的图像进行平滑去噪，并且消除了运动快慢带来的不利因素．基于颜色表的快速搜索进一步提高了目标识别速度．经过实践证明该方法识别准确、速度快、效率高．     

序列图像中运动目标聚类识别技术研究

以序列图像中运动目标检测问题为研究对象，应用遗传算法对多种目标进行了聚类识别，从而扩展了计算机视觉的目标识别范围，为运动目标的识别问题铱供了一种新的解决思路．实验结果验证了这种识别算法的有效性．     

基于图像纹理分析的目标物体识别方法

介绍了用图象纹理分析的方法,对目标物体进行识别.采用直方图法求出阈值,利用该阈值分割目标物体,对目标物体进行采样,分析纹理,在另外一幅图中进行边界匹配和纹理比较,来确定两个目标物体的一致性.     

基于机器视觉的齿轮产品外观缺陷检测

提出应用机器视觉技术对齿轮外观缺陷进行检测.首先对齿轮产品实物图像进行预处理,提取齿轮边缘图像,对其实物图像和设计图像进行分割和缩放处理,得到相同大小的实物;其次,采用互信息方法对两幅图像进行配准,通过不断旋转实物图像,计算它与设计图像的互信息,找出实物图像的最佳旋转配准角度;在此基础上将两幅图像进行小波融合,即自动对齐叠加在一起,根据重合效果,检测人员可以判断生产出的齿轮产品是否合格.通过实例验证了该方法的可行性和有效性,检测效果直观.     

一种遗传算法优化的无味粒子滤波方法

提出了一种采用遗传算法（GA）优化无味粒子滤波（UPF）的新方法遗传无味粒子滤波器（GAUPF）．在无味粒子滤波（UPF）获得比传统粒子滤波（PF）算法更好的重要性采样分布函数的基础上将遗传机制应用于粒子重采样,以进化设计思想克服粒子退化现象,通过优化UPF算法更好地解决了非线性、非高斯领域的目标跟踪问题．仿真结果表明,该算法较好地解决了粒子退化问题,提高了滤波的精确性．     

基于Bayes决策的手写体数字识别

提出了一种用Bayes决策理论进行手写体数字识别的方法，对已知类别的样品提取特征建立数字样品库，对于任意的手写数字提取特征，根据数字样品库中已知样品的特征，运用基于最小错误概率的Bayes决策进行识别、实验证明Bayes决策理论用于手写体数字的识别有较好的效果，一般情况下识别率能达到96％以上．