动态目标定位和字符识别技术在机器人视觉中的应用研究

提出了一种机器人"手-眼"视觉分步动态目标定位方法,实验中保持摄像机图像平面与工作台平面平行,并对摄像机的拍摄高度进行设定,最终将目标定位在图像的中心位置。在目标类型识别过程中,采用BP神经网络技术对目标表面字符进行识别,通过识别的字符判定目标类别。最终由字符信息及目标定位信息引导末端执行器完成对目标的准确分选。     

机器视觉及其应用(系列讲座)第五讲机器视觉的典型应用

主要介绍机器视觉的典型应用，简要分析机器视觉的特点、优越性和应用分类，详细介绍了机器视觉技术在印刷行业、农业、工业、医学中的应用，并且分别举例说明。机器视觉的诞生和应用在理论和实际中均具有重要意义。     

基于数字图像处理的车牌定位与识别研究(英文)

研究了车牌图像的特征,车牌定位算法基于车牌图像颜色特征,选取适合的颜色模型进行车牌提取,将彩色车牌图像转化为灰度图像.采用基于矩的阈值选取方法进行图像二值化处理,Hough变换的方法对图像进行倾斜校正,最后对已预处理增强的图像进行Sobel垂直算子边缘检测,用阈值分割出前景,搜索出符合车牌字符特征的候选区域,对候选区域进一步分析得到牌照位置.提出并采用基于PCA-BP神经网络的字符识别算法对车牌进行识别,300ms内车牌字符识别率达97.5%,实验证明,在训练样本较少的情况下,该系统的识别率依然较高.     

认证码字符识别方法的研究

从加强网站安全性的角度,研究认证码字符识别的技术要点.首先,提出预处理算法去除图像中的干扰因素,分割出字符;其次,采用分类器技术对预处理后得到的字符进行识别.实验指出有效的预处理算法和选择合适分类器对于快速准确识别认证码起着至关重要的作用,证实了目前一些认证码在保障网站安全性的同时,尚存在一些漏洞,需要继续完善.     

基于BP神经网络的手写体数字的识别方法研究

对手写体数字的识别问题进行了讨论,提出一种基于BP神经网络的识别方法.从而提高了识别效率.主要就在识别时,数字在图片上的位置和数字本身大小方面做了改进,发现数字在图片上的大小和其在图片上的位置直接影响识别效果.具体做的是,首先提取了图片的轮廓,然后归一化成28×28的图像.这样做,不仅使得图像数字区域大小相同,而且都在图像中心上,使得识别结果变的更加理想化,达到了高识别的目的.另外,选择了容错性较好的BP网络,以200组手写体数字图像作为输入向量,以其他的110组进行识别,效率达到了90%.     

基于ICA的车牌牌照字符识别系统

介绍了基于ICA(独立分量分析法)的牌照识别系统的字符识别.为了提高字符特征提取的质量,首先通过车牌图像的预处理,然后采用了基于高阶统计信息的特征提取方法,即ICA对车牌灰度图像的字符进行识别.该系统避免了二值化对字符特征的影响,识别方法简单,结果理想.