基于字符归一化双投影互相关性匹配识别算法

针对印刷体维吾尔文文字识别系统中的字符识别正确率较低这一难点问题,采用对字符图像进行横向扫描和纵向扫描生成行和列投影图, 结合三级分类,将目标字符与对应分类中的字符的双投影图逐一归一化并进行相关性均值计算的方法,取均值最大的字符作为最佳匹配识别结果,实现了对维文字符的识别。实验证明这种基于字符归一化双投影互相关性匹配识别算法方法抗干扰性强,简单易行,匹配精度高,使得印刷体维吾尔文字字符识别的正确率有了进一步提高。     

图书索书号自动识别技术的研究与实现

将数字图像处理技术引入索书号分析中,提出了一种索书号识别的方法。该方法利用投影法对索书号图像进行索书号倾斜检测和字符分割,采用动态的Bernsen二值化和模板匹配的识别方法,通过计算待识别字符与各样本字符特征值的欧氏距离来实现对该字符的分类。实验结果表明,此方法算法简单、准确率高、实时性好,能够满足实际索书号自动识别系统应用的需要。     

一种基于预分类的高效最近邻分类器算法

本文的最近邻分类器算法是采用多分类器组合的方式对测试样本进行预分类，并根据预分类结果重新生成新的训练和测试样本集。对新的测试样本采用最近邻分类器进行分类识别，并将识别结果与预分类结果结合在一起进行正确率测试。在ORL人脸库上的实验结果说明，该算法对小样本数据的识别具有明显优势。     

基于PCA及ICA的双空间特征提取算法

任何一种单子空间特征提取算法都不能在任何情况下优于其他子空间算法,但是采用双子空间却可以克服单子空间的局限性。为了提高分类结果的正确率,提出了一种基于PCA及ICA的双空间特征提取算法,该算法采用ICA作为PCA的补空间进行特征提取,其目的是将在PCA子空间中难以识别的样本,再次投影到ICA子空间中进行识别。该算法可分为以下两个步骤:首先进行预分类,即在一个子空间内同时使用两种分类器对测试样本进行分类,若某个测试样本被两种分类器划分到不同的类,则将该测试样本加入到新测试样本集中;然后将新测试样本集中的测试样本再次投影到另一个子空间中进行分类识别;最后,将识别结果与预分类结果一起进行正确率测试。在ORL及FERET人脸库上的实验结果表明,该算法的模式识别率明显优于传统的特征提取算法。     

基于西夏古籍文字样本数据库设计与实现

随着计算机技术的发展和在文字处理方面的应用,逐渐开展西夏文数字化的研究,西夏文的图像分割和识别对开展文物研究以及文献翻译具有非常重要的价值,但制约西夏文识别的关键技术在于西夏文数据库的建立.文章针对西夏文字的特点,设计了针对字符提取和样本数据库建立的具体流程,并讨论了数据库检索的组织和方法.依据连通域标识算法和边缘检测的原理进行字符提取,再将所提取的字符信息储存在我们指定的文本中.最终将所提取到的西夏文字与汉字进行匹配,保存后即完成一个包括西夏文字、汉字、以及它们多对应的序号等信息的样本数据库的创建,数据库的建立对西夏文字的识别提供了测试标准.     

一种字符定位及识别技术在交通领域的应用

字符定位与识别技术在交通领域应用广泛。字符识别系统包括字符图像的拍摄、预先处理,将字符从图中截取出来,最后对字符对比甄别。采用灰阶处理、均值滤波等方法对图像预处理。在字符定位部分,采用边缘检测算法对字符图像在原始图中位置进行定位。在字符分割前,对字符进行二值化及倾斜校正。利用区域增长(region growing)方法切割字符,将具有相似特性的像素点集合到一起,与投影方法相结合进行切割。最后建立模板库,采用基于模板匹配的改进算法进行字符甄别。以汽车牌照的预处理、字符的提取和识别为例,说明文章所采用技术的有效性。     

基于图像分割的维语文字识别的研究

人工智能的不断发展带动着图像识别技术的飞速发展,各种研究图像识别的方法不断涌现,目前维吾尔语的研究尚处于初步探索阶段,因此寻找一个可靠软件对维语字符的识别很关键,文章重点讨论了维语图像的分割以及识别技术,包括图像归一化、傅里叶变换、模糊匹配法等关键技术,应用MATLAB软件,数学模型与计算机技术巧妙结合实现对数字图像的识别及处理,仿真结果对维吾尔语文字识别研究具有一定意义.     

基于极坐标变换的脱机手写藏文字符特征提取方法

为了使得藏文字符特征向量维数少、存储空间小、运算速度快及区分相似字能力高,基于图像投影法提出一种基于极坐标投影变换的脱机手写藏文字符特征提取方法。将脱机手写藏文字符图像进行预处理后得到大小、位置统一的二值图像,并定位二值图像的极点;求出二值图像中所有值为1的点对应的极坐标后将其进行投影变换得到投影向量,即作为脱机手写藏文字符的特征向量。使用KNN分类器对30 000个脱机手写藏文字进行实验,其中80%的样本作为训练数据,20%的样本作为测试数据,识别率达到了96.32%。结果表明该方法的有效性、计算简单及达到了较好的识别效果。     

基于CNN网络的带遮挡车牌识别

为提高存在遮挡的车牌识别准确率,基于数据驱动,利用形态学算法如腐蚀、膨胀、旋转等对标准化字符进行自动化处理,并自适应地加入高斯噪声构建带有遮挡的字符样本以代替常见的无遮挡标准车牌字符样本.结合图像边缘检测与HSV(Hue,Saturation and Value)模型对车牌实现正确定位;采取霍夫边缘检测对倾斜的车牌进行仿射校正,并归一化车牌尺寸对车牌进行规定比例的字符切分.在此基础上,使用卷积神经网络(Convolutional Neural Networks,CNN)对样本库进行训练并对车牌内容进行识别.实验结果表明,该方法对带遮挡物的车牌具有良好的识别效果,且对汉字的识别精度略高于字母及数字.通过不同网络中与无遮挡样本库的识别效果对比可知此样本库的整体识别精度确有明显提高,有一定的应用价值.     

主成分分析方法(PCA)在车辆牌照识别中的应用

将主成分分析方法（PCA）应用于车牌识别。首先根据采集到样本分类构造各类样本对应特征子空间，然后对待识别字符图片进行预处理，再分别向各类特征空间投影，根据重构误差判断类别识别字符。     

基于字符图像分割的打印文件识别方法

针对目前的打印文件识别方法受限于样本中必须有相同字符的问题,提出一种基于字符图像分割的打印文件识别方法。通过k-means算法对字符图像进行分割,分别对不同区域提取局部二值模式纹理特征,从而消除字符结构对识别结果的影响。研究了单一区域的特征集和组合特征集的分类识别效果,实验结果表明,该方法在样本中无相同字符的情况下,能够得到较高的识别准确率。     

多字体印刷维吾尔文字符识别系统的研究与开发

该文介绍了维吾尔文的特点及维吾尔文字符识别系统．针对维吾尔文的连体结构．重点讨论了解决过程中的技术难点．其中利用投影分离出连体段中的字母．采用边切分边识别的方法，对文本图像进行了切分．分类．提取外围特征，并通过样张的训练．使维吾尔文字符的识别获得了较满意的结果．     

一种新的图像识别算法

提出了一种图像的识别算法,首先对图像进行Gabor小波变换,为了解决图像中的平移、旋转、尺度不变性,以及局部遮挡问题,对滤波结果计算其4个不变矩作为反映整体形状特征的特征向量,再对提取的特征向量利用SVM算法进行图像检测,检测结果表明该算法具有较好的抗噪性并能解决目标检测中的遮挡问题.最后利用弹性网格的方法对其进行识别.文中的检测和识别结果表明,多通道的Gabor滤波器对于纹理图像的特征描述比较充分,该识别算法有比较理想的鲁棒性和容错性,能得到较好的识别结果.     

一种手写维吾尔文字母识别算法

针对手机手写维吾尔文字母输入需求,结合手机软硬件资源局限性,提出将维吾尔文字符分成主体笔画与附属笔画两部分。采用笔画数、主体笔画结构特征、附件结构特征等21个特征为特征集,建立维吾尔文字符识别数据样本库。按笔画数粗分类,分别抽取主笔画的特征与附件的特征并用二值化数据表示,与样本库中特征数据进行异或运算,取运算后1的个数最少的样本为识别样本并给出候选样本,平均一次正确识别率达到97%。     

印刷维吾尔文本切割

我国新疆地区使用的维吾尔文借用阿拉伯文字母书写。因为阿拉伯文字母自身书写的特点,造成维文文本的切割和识别极其困难。本文在连通体分类的基础上,结合水平投影和连通体分析的方法实现维文文本的文字行切分和单词切分。然后定位单词基线位置,计算单词轮廓和基线的距离,寻找所有可能的切点实现维文单词过切割,最后利用规则合并过切分字符。实验结果表明,字符切割准确率达到99 %以上。     

一种新的粘连字符图像分割方法

针对监控画面采样图像中数字的自动识别问题,提出一种新的粘连字符图像分割方法。该方法以预处理后二值图像的连通状况来判定字符粘连的存在,并对粘连字符图像采用上下轮廓极值法确定候选粘连分割点,以双向最短路径确定合适的图像分割线路。仿真实验表明,该方法能有效解决粘连字符图像的分割问题。     

基于小波变换和分形维数的车牌汉字识别

提出一种基于小波变换与分形维数的车牌汉字识别方法.对字符图像进行预处理和小波变换,应用改进的微分盒维法计算图像分形盒维值,并构造特征向量,利用支持向量机分类器对字符进行分类与识别.实验结果表明,该方法对模糊字符的识别具有鲁棒性,可提高汉字识别率.     

视频图像中维吾尔文字的识别研究

提出了从复杂背景视频图像中提取文字并识别的一套算法,利用自适应迭代算法提取视频中维吾尔文字,针对维吾尔文字的一些特点,利用合适的预处理方法保留维吾尔文字中的各种点及特殊笔画,同时有效地消除了复杂背景带来的噪声。考虑维吾尔文字书写的特点,利用滑动窗口法提取文字特征避免了文字分割,将产生的特征向量输入到隐马尔可夫模型（Hidden Morkov Model）中进行训练和识别。     

基于卷积神经网络的车牌字符识别

车牌字符识别是智能车牌识别系统中的重要组成部分。针对车牌字符类别多、背景复杂影响正确识别率的问题,提出了一种基于卷积神经网络（CNN）的车牌字符识别方法。首先对车牌字符图像进行大小归一化、去噪、二值化、细化、字符区域居中等预处理,去除复杂背景,得到简单的字符形状结构;然后,利用所提出的CNN模型对预处理后的车牌字符集进行训练、识别。实验结果表明,所提方法能够达到99.96%的正确识别率,优于其他三种对比方法。说明所提出的CNN方法对车牌字符具有很好的识别性能,能满足实际应用需求。