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。     

设备铭牌字符识别系统的开发与实现

受铭牌类型、字符倾斜和字符组合形式等因素影响,普通文字识别软件在对设备铭牌字符信息扫描录入时,其识别率和准确率较低。针对此问题开发并实现1种设备铭牌字符识别系统。通过对不同厂家30多种类型设备铭牌字符识别处理,得到铭牌字符识别结果。结果表明,该系统对铭牌字符整体识别率和准确率较高,部分字段识别准确率达100%,具有很好的稳定性和鲁棒性。     

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。     

一种基于PCA的多模板字符识别

本文提出了一种基于主元分析法(PCA)的多模板字符识别算法.为了进一步提高数字和英文字符识别的鲁棒性,本文首先利用PCA算法把提取到的字符特征降维,再采用K-均值算法把每类字符聚类为多类,使同一类字符有多个模板,最后采用欧式距离实现多模板的匹配.本文将该算法用于巴西车牌字符识别,实验表明,该算法能有效地提高多字体字符的识别正确率,具有较高的实用价值.     

基于霍夫变换的铭牌OCR图像旋转矫正方法

在对互感器铭牌图像进行扫描输入时,铭牌图像或多或少会出现一定程度的倾斜,这种图像的倾斜最终会导致其字符识别准确率下降。针对此问题提出一种基于霍夫变换获取图像倾斜角度,进而通过图像旋转矫正提高光学字符识别(Optical Character Recognition,OCR)准确率的方法:首先对原始图像进行二值化,进而获得铭牌的轮廓,再采用基于霍夫变换的方法获得铭牌中的水平线段,通过计算得到线段的水平倾斜角,利用此倾角对图像进行还原。实验结果表明,该方法能快速地计算图像的倾斜角度,提高了OCR识别准确率且准确率可达95%以上。     

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。     

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ARM的纸币号码识别系统

针对目前纸币号码自动识别系统的需求日益增加,采用接触式图像传感器及ARM9设计了一种纸币号码识别系统。系统硬件主要由CIS扫描电路、TLC5540及ARM9组成,利用ARM9控制CIS的驱动时序、图像数据的采集与处理,是一种精简型的图像采集与处理系统。软件主要由图像采集、字符分割、字符识别等组成。文中提出了一种针对纸币号码的特定字符识别方法。实验结果表明,该识别系统运行稳定可靠,采集图像清晰,号码识别准确率高。     

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。     

车牌自动识别技术研究进展

综合车牌自动识别技术的发展现状,分别从车牌的定位、车牌字符分割和车牌字符识别三个技术方面进行了论述,最后指出车牌自动识别方法应多进行实用化研究方向。     

基于动态边缘的OCR算法在航检影像切分中的应用

借鉴统计模式识别方法,提出了基于动态边缘的OCR算法,以字符形态为分析样本,确定在动态视频图像中字符特征边缘区域的选择,然后找出每个字符的体征特性,通过大量试验得出每个字符的特征规律,最后通过相似性概率统计方法实现字符的识别。经在内蒙古超高压供电局航检视频处理中的实际应用,该算法准确率高达99.45%,为复杂背景下视频字符识别提供了新算法。     

基于神经网络复杂背景下车牌识别系统的研究

车牌识别系统是以汽车车牌字符为目标对象的一个计算机视觉系统。由于获取的车辆图像受光照、噪声等外界因素的干扰,通常具有复杂性和不确定性,导致复杂场景下车牌字符识别更加困难。为提高识别率,首先利用BP网络对模糊处理后的定位车牌进行训练识别,利用MATLAB进行实验。再用卷积神经网络对车牌进行识别实验研究,与BP算法进行比较,对提出的算法进行仿真与实验,将两种方法进行对比发现看卷积神经网络算法对车牌字符识别率有较高的识别率,应用十分广泛。     

基于形态特征的车牌定位（英文）

车牌识别系统主要包括以下几个方面:车牌定位,车牌字符分割和车牌字符识别。其中,如何从复杂的道路背景下准确的实现车牌定位是最大的难题。通过图像处理和分析技术,笔者提出一种新型方法来实现基于车辆轮廓特征的车牌定位。由于定位车牌依靠车辆自身特征,所以具有不错的实现效果。     

结合角点的边缘检测法实现输电线路杆塔标牌图像定位

针对现有的定位算法鲁棒性较低,泛性不佳等问题,以手持设备获取的杆塔标牌图像为研究对象,提出了改进边缘检测法。通过透视变换对图像进行倾斜矫正处理,根据像素累计情况采用边缘检测法实现标牌区域的初步定位,结合Radon角点检测结果,计算最小欧几里得距离进一步剔除背景干扰区域,使得标牌区域定位结果更加精确,并通过光学字符识别(OCR)加以验证。试验结果证明,该方法具有较高的准确性和较强的工程价值。     

集成学习在脑机接口分类算法中的研究

提出了一种基于独立分量分析的支持向量机集成学习算法,用于脑机接口中P300字符识别.首先由P300信号分解出独立分量,基于Bagging算法送入支持向量机基分类器进行集成学习,通过平均的方法获得对应类别概率进行分类决策.数据来源于P300字符拼写实验,不同导联和不同序列的分类结果表明,该分类算法学习效率和分类精度高,全...     

基于改进隐马尔可夫特征的车牌识别技术

为实现复杂光照条件及字符图像存在旋转、遮挡和污损等情况下车牌字符的准确识别,提出基于改进隐马尔可夫特征的车牌字符识别算法,算法通过快速独立成分分析对隐马尔可夫特征降维,减少参与神经网络分类的特征维数从而提高识别效率,通过选取代表性训练样本参与分类器训练,减少算法对硬件性能的要求从而进一步提高算法的识别效率。实验结果表明,该算法在保持原有统计特征分类识别性能的条件下,显著减少了运行时间,提高了识别准确率。     

基于椭圆几何模型的胸部电阻抗成像

电阻抗成像技术是通过测量生物体表面电压,计算生物体横截面的电阻抗分布。由于生物体的边界形状是各异的,尤其在胸部应用中,建立不同边界形状会影响成像的精度和清晰度,所以构建合适的边界形状是求解EIT问题的前提。根据实际视觉效果,椭圆几何比较符合胸部边界形状,由于圆形几何的构建和有限元划分相当成熟,本文通过保角变换方法将圆形转换为椭圆几何,并分别进行两种几何与原始胸部形状的分析比较,实验结果表明,在求解正问题时建立椭圆边界形状分析胸部结构精度高,在求解逆问题时重建误差小。     

SVM在车牌字符识别中的应用

介绍了将SVM算法应用于车牌识别中的字符识别,较好地解决了识别率和识别速度难以同时提高的难点.结果表明,在训练样本较少且无字符特征提取的情况下,该系统具有较高的识别率和识别速度,并具有很好的分类推广能力.