分享一下我老師大神的人工智慧教程！零基礎，通俗易懂！http://blog.csdn.net/jiangjunshow

也歡迎大家轉載本篇文章。分享知識，造福人民，實現我們中華民族偉大復興！

               

 影象識別演算法實現收藏

以往的影象處理函式實現，多是針對影象控制代碼。演算法實現 需要操作複雜的影象檔案。

但是，這種方式演算法實現和除錯的週期比較長。為了加速開外，我在中間插入的矩陣庫。因為影象處理演算法多是針對矩陣，所以實現和除錯比較快。

 

 

 

////////////////////////////////////////////////////////////////////

指紋影象識別演算法的基本原理介紹

在有的國家，指紋屬於個人隱私，不能象人工處理那樣直接處理指紋影象，所以許多生物識別技術並不直接儲存指紋的影象。多年來在各個公司及其研究機構產生了許多不同的數字化演算法。指紋識別演算法雖然各不相同但是這些演算法最終都歸結為在指紋影象上找到並比對指紋的特徵。我們定義了指紋的兩類特徵來進行指紋的驗證：總體特徵和區域性特徵。　　

　　A 總體特徵：總體特徵是指那些用肉眼就可以直接觀察到的特徵，包括： 　　

　　1. 紋形　

　　其他的指紋圖案都基於這三種基本圖案。僅僅依靠紋形來分辨指紋是遠遠不夠的，這只是一個粗略的分類，通過更詳細的分類使得在大資料庫

中搜尋指紋更為方便快捷。　　

　　2. 模式區　　

　　模式區是指指紋上包括了總體特徵的區域，即從模式區就能夠分辨出指紋是屬於那一種型別的。有的指紋識別演算法只使用模式區的資料。 SecureTouch的指紋識別演算法使用了所取得的完整指紋而不僅僅是模式區進行分析和識別。　　

　　3. 核心點　　

　　核心點位於指紋紋路的漸進中心，它在讀取指紋和比對指紋時作為參考點。許多演算法是基於核心點的，既只能處理和識別具有核心點的指紋。核心點對於SecureTouch的指紋識別演算法很重要，但沒有核心點的指紋它仍然能夠處理。　　

　　4. 三角點　　

　　三角點位於從核心點開始的第一個分叉點或者斷點、或者兩條紋路會聚處、孤立點、折轉處，或者指向這些奇異點。三角點提供了指紋紋路的計數跟蹤的開始之處。　　

　　5. 紋數　　

　　指模式區內指紋紋路的數量。在計算指紋的紋數時，一般先在連線核心點和三角點，這條連線與指紋紋路相交的數量即可認為是指紋的紋數。　　

　　B 區域性特徵　

　　區域性特徵是指指紋上的節點的特徵，這些具有某種特徵的節點稱為特徵點。兩枚指紋經常會具有相同的總體特徵，但它們的區域性特徵--特徵點，卻不可能完全相同。指紋紋路並不是連續的、平滑筆直的，而是經常出現中斷、分叉或打折。這些斷點、分叉點和轉折點就稱為“特徵點”。就是這些特徵點提供了指紋唯一性的確認資訊。指紋上的節點有四種不同特性： 　　

　　1.特徵點的分類：有以下幾種型別，最典型的是終結點和分叉點。　　

　　終結點　　

　　一條紋路在此終結。 　　

　　分叉點　　

　　一條紋路在此分開成為兩條或更多的紋路。 　　

　　分歧點　

　　兩條平行的紋路在此分開　

　　孤立點　

　　一條特別短的紋路，以至於成為一點。 　　

　　環點　

　　一條紋路分開成為兩條之後，立即有合併成為一條，這樣形成的一個小環稱為環點。 　　

　　短紋

　　一端較短但不至於成為一點的紋路。 　　

　　2.方向： 節點可以朝著一定的方向。 　　

　　3.曲率：描述紋路方向改變的

速度。 　　

　　4.位置：節點的位置通過（x, y）座標來描述，可以是絕對的，也可以是相對於三角點或特徵點的。
//////////////////////////////////////////////////////////////////////////////////////////////

基於影象識別演算法的森林防火系統設計 傳統的森林火災監測技術包括人工護林監測、飛機航測、衛星監測等.本文提出一種基於普通CCD攝像頭和嘹望塔上現有的短波無線通訊裝置的森林防火監測系統,根據實時影象與參考影象的差分及小波分解結果,當有異常情況發生時,提取出火焰及煙霧區域,判斷提取區域是否具有煙霧和火焰的動態特徵.若判定發生火災,即將壓縮後的影象通過短波通訊裝置傳回指揮中心. ////////////////////////////////////////////////////////////////// 車輛牌照影象識別演算法研究與實現 第1章 緒論 1
1.1 課題研究背景 1
1.2 車輛牌照識別系統原理 1
1.3 車輛牌照識別在國內外研究現狀 2
1.4 本文主要工作及內容安排 3
第2章 車輛牌照的定位方法 4
2.1 車輛牌照影象的預處理 4
2.1.1 256色點陣圖灰度化 4
2.1.2 灰度影象二值化 5
2.1.3 消除背景干擾去除噪聲 6
2.2 車輛牌照的定位方法簡介 6
2.3 系統採用的定位方法 7
2.3.1 車輛牌照的水平定位 7
2.3.2 車輛牌照的垂直定位 7
2.3.3 定位的演算法實現 10
2.4 實驗結果分析 12
第3章 車輛牌照的字元分割 13
3.1 車牌預處理 13
3.1.1 去邊框處理 13
3.1.2 去噪聲處理 13
3.1.3 梯度銳化 15
3.1.4 傾斜調整 16
3.2 字元分割方法簡介 17
3.3 系統採用的分割方法 19
3.3.1 演算法介紹 19
3.3.2 演算法的實現 20
3.4 字元分割實驗結果 21
第4章 特徵提取與字元識別 22
4.1 字元的特徵提取 22
4.2 字元的識別方法簡介 23
4.3 系統採用的識別方法 24
4.3.1 人工神經網路簡介 24
4.3.2 BP神經網路識別車牌 25
4.3.3 BP神經網路識別演算法實現 28
4.4 實驗結果分析 29
總結 32
致謝 33
參考文獻 34
////////////////////////////////////            

給我老師的人工智慧教程打call！http://blog.csdn.net/jiangjunshow