基于机器视觉的轮胎胶料表面字符识别

针对目前轮胎胶料表面的5×7点阵喷码字符人工识别存在劳动强度大、效率低、智能化水平低等问题,提出了一种基于机器视觉的轮胎胶料表面字符识别方法,首先利用字符出现区域较为稳定且字符为黑底白字进行快速定位与背景分割、形态学操作消除干扰;然后创新性地运用简化垂直投影法配合字符宽度的阈值限制,并对"1"和"I"与其他字符宽度不同的特殊情况进行处理,实现字符分割;最后,采用基于标准相关匹配的模板匹配方法实现字符识别。实验结果表明,所提方法的字符识别准确率达到99.51%,达到了预期的识别效果。     

基于机器视觉的芯片字符识别系统

IC芯片表面的字符主要包括厂商名称和序列号,这些字符对于芯片的制造和应用具有重要现实意义,针对芯片表面印刷字符的检测,基于HALCON视觉软件开发平台研发了一套芯片字符识别系统。首先,采用灰度值投影法获得字符区域的行和列坐标分割点,进行字符分割。然后,利用形状匹配技术对欲检测芯片图像进行定位与校正,采用BP神经网络分类算法实现字符的识别。通过不同算法的对比实验分析,实验结果表明单张图片检测时间为42 ms,完整字符与缺陷字符的分割准确率均为100%,字符识别率达到99.5%。本系统能有效快速、准确的对IC芯片表面字符进行识别,检测精度满足要求。     

渣土车车牌字符智能识别研究

考虑渣土车车牌的统一黄底且易生锈或遭受沙泥污染等因素,着重研究车牌字符识别中的关键技术问题。首先针对车牌为黄底黑字特点,基于图像颜色信息实现车牌快速粗定位;然后创新性的运用双线性拟合与错切变换相结合的方法,实现基于彩色车牌图像的倾斜校正;接着,采用改进的统计分析方法有效的消除了间隔符、多垂直边框的影响以及"川"字符难以分割的问题,进一步采用模板匹配法实现字符智能识别。最后,实验测试验证了所提方法的有效性。     

车牌自动识别系统的设计与实现

汽车牌照自动识别系统在现代大量交通发展中倍受关注，是制约道路交通智能化、现代化的重要因素。本文基于对车牌自动识别系统中牌照图像预处理、字符分割和字符识别等关键技术的研究，采用改进的BP神经网络模式识别技术，以车牌字符作为识别对象，设计实现了一个车牌自动识别系统。     

基于改进模板匹配的车牌字符识别算法实现

车牌字符识别是LPR系统的重要环节。模板匹配法由于速度快、实时性高在车牌自动识别中得到广泛应用。在应用该法做牌照自动识别系统时发现,传统的模板匹配法对于车牌字符中相似字符互相误判率较高,对于车牌质量较差的字符识别率较低。在传统模板匹配法的基础上,提出一种多项的模板匹配法。应用该方法对相似字符的识别和车牌字符退色、污迹、模糊等质量退化的车牌图像的识别具有良好的识别效果。     

基于区域统计和BP神经网络的车牌识别

为从车牌图像中获得车牌的字符信息,需要对字符识别系统进行研究。车牌识别过程分为图像预处理、车牌定位、车牌校正与分割和车牌字符识别4个环节。针对前3个环节,完成了图像中值滤波、Sobel算子边缘检测、数学形态学处理、Otsu二值化和Hough变换校正等工作,获得了单一标准字符图像。在车牌字符识别环节中,首先根据汉字位置,利用模板匹配算法对汉字进行识别,对于数字、字母字符,将字符图像分割,通过统计图像各部分的连通区域数以获得字符形态特征,据此设计并训练BP神经网络识别字符。最终获得能完成图像中的车牌字符识别的系统。     

基于 CNNs 识别反馈的点阵字符检测方法

针对点阵字符因错误分割导致识别准确率较低的问题,提出了一种基于卷积神经网络(CNNs)识别反馈的点阵字符检 测方法。 首先采用多尺度窗口获取多个候选区域并建立 CNNs 对其进行识别,利用投票机制对多个识别结果进行综合决策,然 后根据决策结果反向定位点阵字符并完成字符分割,最后提出一种滑动翻转窗口对所有字符进行分割与识别。 实验结果表明, 该方法在点阵字符的定位准确率和识别率方面都优于传统字符识别方法,分别达到了 97. 53%和 97. 50%。     

基于模板匹配和神经网络的车牌字符识别方法

本文提出了一种基于模板匹配和神经网络的车牌识别方法。该方法具有模板匹配识别车辆字符和神经网络识别车牌字符的各自特点，可有效地提高车牌字符识别的识别率，识别速度和识别系统的泛化能力，实验结果表明，该方法车牌字符识别率超过92%，识别时间不超过1200ms，能较好地满足实际系统的要求。     

车牌识别系统研究

车牌识别系统是智能交通系统（ITS）的一个重要组成部分,一个典型的车牌识别系统一般包括图像预处理、车牌定位与提取、字符分割和字符识别等几大模块。根据实际应用情况,对目前使用的车牌识别关键技术、算法进行了简要的总结和详细的分析。     

表格标签字符识别预处理算法的设计与实现

针对带表格的标签图像中,表格与字符产生交叠的问题,本文设计了一种带表格的标签字符识别的预处理算法。采用Hough变换的方法对图像进行倾斜矫正;粗定位与精确定位相结合的两步定位方法对带表格的字符区域进行准确定位,在去除表格框线后恢复出框线和笔画的原始交叠区域,定位到带遮挡的字符区域;用垂直投影的方法对字符进行分割。实验结果证明,该算法能够应用于标签字符识别系统中,可很好的满足系统对实时性和稳定性的要求。     

基于拓扑特征和投影法的东巴象形文识别方法研究

东巴象形文是由云南丽江纳西族先民创造并使用的,被誉为"世界上唯一活着的象形文字"。在图形识别、内容释读以及形、音、义信息等方面,现有的英文、汉字等识别系统及翻译系统往往不能适用于东巴象形文字,提出一种先拓扑特征处理后投影法特征提取的分步骤信息处理方法,并采用模板匹配法进行文字识别。通过实验验证表明,基于象形文固有特征的提取,利用拓扑特征与投影法相结合的特征提取方法进行东巴象形文字识别,具有准确度更高的特点,是东巴象形文识别的一种有效方法。     

基于人脸比例特征提取与匹配的身份鉴别

针对人脸识别身份鉴别中的小样本问题,提出基于人脸比例特征提取与匹配的身份鉴别方法。首先基于图像灰度分布统计特征方差分析为阈值对图像进行二值化处理,然后基于主动形状模型算法实现人脸检测与特征点定位,构建脸型、鼻型、眼型共7项人脸比例特征并作为身份鉴别特征向量,最后利用基于层次分析法的相似度匹配模型实现身份鉴别。在Yale和MD图像集上的测试表明,所提方法适用于复杂背景下人脸面部特征的提取和身份鉴别应用。     

计量检定实验室仪表读数自动识别系统设计

针对计量检定实验室对仪表进行检定时人工检定方式效率低下,读数识别系统开发成本高的问题,设计了一套基于树莓派的计量检定实验室仪表读数自动识别系统。系统采用树莓派4B控制摄像头采集仪表读数的图片,然后采用SSDA算法定位图像读数区域,并进行字符分割,再使用BP神经网络和特征匹配算法识别分割出的字符,最后通过SSH方式将识别结果发送给PC端进行存储。实验结果表明,系统运行时间为500~600 ms,读数识别的正确率在92%以上,证明系统可用于计量检定实验室仪表读数的自动识别。     

基于三值图像的车牌定位算法

针对复杂场景中光照不均匀情况下的车牌定位问题,提出了一种新的定位方法。该方法首先对彩色图像进行三值化,然后利用车牌字符之间颜色的一致性,通过定位字符间隔线反推字符区域进行车牌定位,解决了定位难的问题。实验结果表明,本文算法可以准确定位车牌,对车身颜色和外界颜色的影响有很好的鲁棒性,有效剔除打印字符等纹理簇照成的干扰,同时弥补了在光照不均匀等情况下车牌区域进行二值化可能导致的信息缺失,为后续字符分割、识别处理提供更有利的信息。     

基于混合专业词典的继电保护定值在线智能比对方法

继电保护在线定值比对需要将整定定值和运行定值对应的定值名称进行匹配,针对此过程中存在的匹配效率不高、准确度差等问题,提出一种基于混合专业词典的防误比对方法以实现智能化匹配。该方法首先改进整词二分词典结构,增加同义词标志项和复合型字符标志项,同时将中文、英文和序号类字符均纳入字典,采用改进的正向最大匹配算法(forward maximum matching,FMM)提高分词准确度;其次,提出类型和首项的双重过滤机制以减小目标搜索空间的大小;然后针对继电保护定值名称的特殊性,采用不计词序的Jaccard相似度替代编辑距离计算的相似度,提高匹配准确度;最后通过定值项取值比较结果的反馈进行二次匹配,进一步提高匹配的准确度。算例分析验证所提方法能够有效提高比对的效率和精度。     

基于背景估计的焊缝缺陷检测

针对射线检测图像中缺陷识别率低的问题,利用背景估计和差分运算来增强缺陷、抑制复杂背景和噪声。该方法首先利用Otsu分割获得的掩模图像提取焊缝区域;其次通过改进的中值滤波对焊缝区域进行背景估计,反背景差分获得含有缺陷的差分图像;随后根据缺陷与误检边缘处梯度方向的差异性,利用多方向多级梯度有效解决背景残余问题;最后通过自适应阈值分割将含有缺陷的差分图像二值化。实验结果表明,该方法具有较高的缺陷识别率,召回率和准确率分别达91.90%和 90.95%,在实际中具有较好的应用价值。