如何提高扫描识别率

扫描仪在日常使用中的一个重要功能 是OCR(Optical Character Recognition光学 字符识别),是电子设备检测打印在纸上的 字符,并通过其亮暗模式来确定形状的方 法,经扫描仪确定了字符的形状后,会使用 字符识别方法将形状转换成计算机文本。 自动识别技术使印刷体文字的录入最 终摆脱了键盘。但是在OCR识别的过程     

基于形状上下文的低质量车牌字符识别方法

车牌字符识别的问题已经被广泛研究,但是对于一些低质量字符的识别率还是有待提高,特别是形近的字符,如(4,A)。针对这一问题提出一种结合局部特征和形状上下文特征的两级识别方法。在第一级分类时(称为粗分类),将形近字符识别为一类。若粗分类结果不是形近字符,则输出识别结果;否则进入第二级分类器进行细分类。细分类使用形状上下文的方法,并结合显著特征区域的思想,针对不同类别的形近字符,运用基于显著特征区域的形状上下文方法进行特征提取,再通过图像匹配得到识别结果。实验证明这种方法能够有效地对低质量形近字符进行识别。     

一种字符孔洞数的求法

提出一种新的求字符孔洞数目算法。根据字符图像形状特征,把要识别的字符图像用有向图表示,对有向图进行广度优先遍历而得出字符孔洞个数,用于字符识别。     

基于模板匹配法的字符识别算法研究

对字符识别概念、过程和模板匹配法的原理进行探讨;从算法流程、关键代码等方面重点研究三种基于模板的字符识别算法;然后通过字符在七种不同状态下的识别率与误识字符进行对比分析;从识别率和时间性能上比较三种字符识别算法的优劣,为工业字符识别提供可选依据。     

基于形状上下文的字符识别算法的改进

字符识别技术在近些年来具有非常广泛的应用,同时也提出了很多识别方法。其中,形状上下文算法是一种识别率非常高的算法之一。该算法包含大量的字符信息;因此,识别速度并不快。为了提高识别速度,在形状上下文理论的基础上,结合了序贯相似性检测的思想,在非匹配的字符处缩短时间,提高整体效率。     

基于BP网络的英文字符识别

本文利用BP神经网络针对英文字符识别的问题建立模型,通过建立英文字符的图像模板,并给模板赋值形成特征矩阵,最后在MATLAB环境下应用BP神经网络对英文字符进行分类识别,在识别的同时,通过对模板进行模糊处理后再次识别,并与先前识别的结果比较来验证该模型的鲁捧性.仿真表明,该模型能够比较有效地实现英文字符识别,为英文字符识别提供了一定的参考性.     

基于统计部首模型的联机手写汉字识别方法

利用汉字的部首层次结构有助于减小字符识别器的存储空间和提高泛化性、适应性,但部首分割一直是一个难点.提出一种新的基于部首的联机手写汉字识别方法,该方法把部首形状信息和几何信息集成到识别框架中,在组合搜索过程中利用字符-部首的层次结构字典引导部首的分割与识别,从而提高部首分割的准确率.为克服部首间的连笔,引入角点检测提取子笔划.部首识别采用统计分类器,模型参数通过自学习得到.在字符识别中,采用了2种不同的字典表示以及相应的不同搜索算法.该方法已用于左右与上下结构的字符集,实验结果表明了该方法的有效性.     

字符识别算法在车牌识别系统中的应用研究

本文以车牌识别系统定位后的车牌字符识别算法为研究对象,分析基于模板匹配的字符识别算法和基于神经网络的字符识别算法,将车牌字符进行分割处理,诠释字符识别算法在车牌识别系统中的应用。     

联机手写数学公式中字符识别的研究与实现

数学公式是科学和工程文档中不可或缺的一部分,而通过手写输入的方式来书写数学公式更为方便,用户使用起来也更自然。联机手写数学公式的识别由字符识别和公式结构分析两个主要部分组成。介绍了进行字符识别的主要过程,包括笔划搜集、预处理、字符识别等。通过对各阶段的研究和分析,设计和实现了字符的识别。     

数字图像处理在车牌识别中的应用

针对交通管理系统的信息化、智能化发展趋势,通过对车牌特征和定位技术的探索,提出了汽车牌照字符识别系统。系统采用Radon变换对车牌进行倾斜校正,并运用投影直方图进行分析,实现了车牌字符的分割,最后简述了字符识别原理和模板匹配在字符识别中的应用方法。由实验结果可知,系统能准确实现车牌的定位、校正、分割和识别,具有良好的性能。     

基于极坐标区间运算的2D形状匹配

形状匹配是遥感图像目标识别、字符识别、手形识别和步态识别等任务中的关键步骤之一.针对刚体识别任务中形状匹配易受方向、尺度和位置等仿射变化量影响的情况,提出了一种新的基于极坐标区间运算的2D形状匹配算法.该算法首先以形状区域的中心点为极点,区域的最长轴方向为极轴,对形状区域进行归一化的极坐标变换;然后定义了同一角度对应的区域内点区间之间的运算;最后定义了两个区域归一化极坐标变换结果在区间运算下的相似度函数,用以表征两个区域之间的匹配度.从可见光遥感图像中提取的实物图像实验结果证明,该方法能够有效归类相似形状,并能区分各类不同的形状.     

一种卡片喷码实时检测系统

卡片喷码实时检测系统用于检测卡上的号码是否正确,是否完整和清晰。通过高性能IEEE1394卡将工业数字摄像头拍摄的图片传输到计算机上,经过图像处理,字符识别,然后将卡号和质量隋况记录在数据库。卡片图像经过裁剪、滤波和字符分割,然后通过图像匹配进行字符识别。     

光学字符识别技术与展望

光学字符识别技术在人机交互中，发挥了界面友好的作用。根据识别时所提取具体特征的不同，字符识别通常可以分为：统计字符识别、结构字符识别和神经网络字符识别技术3种。该文分析了文字识别中的典型方法，并结合模式识别领域取得的理论成果，介绍了模糊技术识别、基于语义理解的识别等发展中的识别技术。光学字符识别为大量数据的自动录入提供了一条有效的途径，在文档自动分析、图像检索、人机交互方面有广阔的发展空间。     

基于Trace变换和支持向量机的车牌字符识别新方法

为了提高车牌上的字符识别准确率,提出一种结合Trace变换和支撑矢量机（SVM）的字符识别方法.在字符识别方面,以Trace变换方法提取字符特征,并运用支持向量机对字符进行模式分类.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.     

基于高阶统计的手写字符形变弹性匹配法

针对传统弹性匹配法在手写字符识别中存在着由于过匹配而造成误识别的不足,提出一种基于高阶统计的形变弹性匹配法。根据高阶统计量包含字符形状上的细节变化信息,采用独立分量分析抽取出每个字符类的内在变化方向,并将其应用到弹性匹配的形变模型中。字符的任意种形状变化由这组独立分量的线性叠加来表示。通过形变模型,类模板字符发生形变逐次向输入待识别字符趋近,从而在两个字符之间求得一种最佳匹配。在实验结果中,识别率达到92.81%,得到了提高,表明该方法的有效性。     

基于连笔消除的空间手写字符识别方法

信息的连续采集会造成部分字符存在连笔,进而影响字符识别率.为此,提出一种基于连笔消除的空间手写字符识别方法.将空间手写字符平面化,提取字符拐点和笔画方向特征.为避免笔画的误消除,利用支持向量机把未知字符分为带连笔字符和非连笔字符,通过连笔的书写特征消除连笔,将空间字符轨迹转化为平面字符轨迹,直接用平面字符分类器进行字符识别.实验结果表明,该方法连笔消除效果显著,利用现有字符库即可获得较高的字符识别率.     

基于轮廓检测的第二代身份证字符识别

针对第二代身份证图像字符识别,提出了一种基于字符串轮廓检测的方法。该方法采用对图像字符区域先进行纹理分割,获取字符区域后对其上下轮廓凹凸特征近似检测单个字符的宽度,从中选出稳定的局部特征,利用结构语句识别的方法进行字符识别。通过对自然场景下拍摄的10幅第二代身份证图像的字符识别实验,证明了该方法的有效性。     

SVM多类分类器在车牌字符识别中的应用

为解决普通支持向量机多类分类器对车牌字符识别准确率低、速度慢等问题,研究了基于支持向量机二叉分类树的车牌字符识别算法。根据车牌字符的结构特征提出了利于字符分类的粗像素特征提取方案,并对字符进行相应的特征提取,通过KL变换对生成的特征向量进行降维处理以提高字符识别速度,最后利用Fisher判别准则构造支持向量机二叉分类树,保证每类字符均具有最大可分离性,提高了字符识别率。对车牌字符集进行了识别测试,实验结果表明了该算法的可行性和有效性。     

基于ART1网络的字符识别器

通过标准自适应共振理论神经网络(Adaptive Resonance Theory, ART),设计和实现了一个字符识别器,针对标准的 ART1网络存在的不足,即网络的学习不稳定,对样本输入顺序比较敏感等问题,给出了改进方法,用C语言实现了这2种字符识别器,实验结果表明这2种字符识别器能够对不同的字符进行识别,改进方法比基于标准ART1网络具有更好的稳定性。     

基于Lab色彩空间和ANN神经网络的车牌识别系统

针对目前车牌识别中车牌区域定位处理过程复杂、车牌字符准确率低等问题,本文采用Lab色彩空间识别结合传统sobel算子边缘检测的方法对车牌区域进行粗定位,再利用SVM模型进行精确定位。而在字符识别方面,本文利用ANN人工神经网络进行车牌字符识别,提高字符识别精度,经测试,该车牌系统对车牌区域识别定位准确,速度较快,字符识别准确度较高,具有较强的鲁棒性和实用性。