Search - 1 to 4 u

Search - 1 to 4 u - List

[Graph Recognize] CardRecognization DL : 0: 车牌识别系统使用说明使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。-number plate recognition system for use when used to break pic examples directory of images, Click the button followed by a "U-turn", "1", "2" and "3" and "4" and "5", can achieve precise positioning of the plates. Concrete steps 1.24 true color -
Date : 2008-10-13 Size : 707.17kb User : 洪清启
[Graph Recognize] reply_1_1007847 DL : 0: 车牌定位使用说明使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。-positioning plates for use when used to break pic examples directory of images, Click the button followed by a "U-turn", "1", "2" and "3" and "4" and "5", can achieve precise positioning of the plates. Concrete steps 1.24 true color -
Date : 2008-10-13 Size : 113.28kb User : csyw
[Graph Recognize] CardRecognization DL : 0: 车牌识别系统使用说明使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。-number plate recognition system for use when used to break pic examples directory of images, Click the button followed by a "U-turn", "1", "2" and "3" and "4" and "5", can achieve precise positioning of the plates. Concrete steps 1.24 true color-
Date : 2026-01-09 Size : 729kb User : 洪清启
[Graph Recognize] reply_1_1007847 DL : 0: 车牌定位使用说明使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。-positioning plates for use when used to break pic examples directory of images, Click the button followed by a "U-turn", "1", "2" and "3" and "4" and "5", can achieve precise positioning of the plates. Concrete steps 1.24 true color-
Date : 2026-01-09 Size : 113kb User : csyw
[Graph Recognize] U.are.Utest DL : 0: 提供免费的指纹识别仪的测试，在驱动装好了之后直接运行，即可测试指纹识别效果。-To provide free fingerprinting test instrument in the driver installed directly after the operation, you can test the effect of fingerprint identification.
Date : 2026-01-09 Size : 351kb User : 张宇
[Graph Recognize] hausdorff DL : 0: 摘要：提出了一种基于改进 Ha u s d o r f f距离的人脸相似度匹配的方法，该方法首先将人脸划分为脸型、双眼、鼻、嘴等几个特征点集，分别计算各部分的改进 Ha u s d o r f f 距离，然后进行加权计算相似度。利用该方法，在 A S M( 主动形状模型) 定位人脸的基础上进行了人脸检索。实验表明，利用人脸相似度计算方法对人脸特征库进行搜索，达到了较好的效果。同时结合 A S M 自动人脸检测，本方法可以全自动完成人脸匹配，应用于人脸识别及数字娱乐等领域。-Abstract: This paper presents a distance based on an improved Ha usdorff face similarity matching method, which will first face is divided into face, eyes, nose, mouth, and several other feature point sets, were calculated to improve the various parts of Ha usdorff distance, and then weighted similarity. Using this method, in the ASM (active shape model) positioned on the basis of human face human face retrieval. Experiments show that the use of face similarity calculation method for facial feature database to search, to achieve good results. ASM automatically combined with face detection, this method can be completed fully automatic human face matching, used in face recognition and digital entertainment and other fields.
Date : 2026-01-09 Size : 198kb User : alsocc
[Graph Recognize] RecognitionofOffLineHandwrittenArabicWordsUsingHi DL : 0: Hidden Markov Models (HMM) have been used with some success in recognizing printed Arabic words. In this paper, a complete scheme for totally unconstrained Arabic handwritten word recognition based on a Model discriminant HMM is presented. A complete system able to classify Arabic-Handwritten words of one hundred different writers is proposed and discussed. The system first attempts to remove
Date : 2026-01-09 Size : 51kb User : ammar