一个后督支票处理系统

银行的支票处理是一个费时费力的过程。从应用的场合区分,银行的支票处理系统大致可以分为前台柜面的支票处理系统和后台监督处理(简称后督处理)的支票处理系统。后督处理的主要工作是对前台输入的结果进行校验,而且是成批处理的,因此更宜于自动处理系统的使用。本文将介绍一个实用的后督支票处理系统,包括系统结构与组织、各子系统使用的主要技术,重点介绍OCR技术在系统中的应用。     

手写体数字的识别

本文针对煤气储存罐体上高度的手写数字,由图象传感器获取十个数字手写体的图象信号进行数字识别,依据手写体字符“有效行”的特征提取,提出了并列的双BP神经网络的识别方法,对手写体数字的识别获得了较好的辨识效果。     

提高字符识别精度的并行处理方法

本文提出一种为提高字符识别精度、降低误识率、杜绝错误率、杜绝错识而采用的多种字符识别方法综合应用的并行处理方法。该方法首先对每种识别方法识别的每个字符识别结果赋予一定的可信度；对并行识别结果不一致的字符，根据可信度大的识别方法为先验知识，再次启动其它识别方法进行重新识别。实验证明本方法是一种精度高、适应性强的字符识别方法，适用于字符精度要求十分高、拒识和误识尽可能小的场合。     

基于Windows平台的手写体数字识别系统的设计与实现

手写体数字识别系统用于数据信息的采集。系统需要有很高的识别精度和很快的识别速度。本文设计了一种快速高效的数字分类器（特征否决＋笔形肯定），讨论了手写体数字识别系统的关键技术和实现过程。系统也可用于其他分类器的演示，对研究手写体数字识别有一定的参考价值。     

基于图像识别技术的手写数字识别方法

随着世界经济越来越发达,各国经济交流日益加深,人们每天要处理大量的票据.手写数字在这个领域是必不缺少的,例如人们要处理许多支票、发票、货物单等数据,这些都要大量与数据打交道.传统的方法是利用光学的光电变换原理对数字进行识别,该方法对环境要求比较高,成本较高,识别率和实时性比较低.文中提出基于图像识别的对0至9手写数字识别技术.实验表明,对2,3,4,5,8,9字符准确识别,而对1,7,0,6,数字基本识别无误,该方法提高了对数字识别率和实时性.     

基于Bagging的手写体数字识别系统

Bagging是一种用来提高学习算法准确度的方法，通过构造一系列预测函数并将其结果按投票规则进行合成，就可以将一个弱学习算法提升为强学习算法。本文针对UK测试量表中的手写体数字，设计并实现了一个以神经网络为弱分类器的、基于Bagging的手写体数字识别系统。与单个神经网络分类器相比，Bagging后的系统显示了更加优良的性能。     

基于数学形态学的手写体数字识别方法

本文提出一种基于数学形态学的识别手写体数字的方法,它具有位移不变性和较大范围 的转动不变性.用PASCAL语言实现此算法并对模拟Mori等的手写数字数据库的一些数 据做了实验,结果均可正确识别.     

混合模式识别系统研究

讨论基于多种分类方法的模块组合实现的混合模式识别系统，它不同于利用多分类器输出结果表决的集成系统。提出两个系统：一个面向刷体汉字文本识别，另一个面策自由手写体字识别。     

基于Web Services的数字仪表监视系统设计

首先简单介绍了一下Web Services技术基础,在此基础上给出了一个基于Web Services的数字仪表监视系统总体结构框架,并且结合Web Services技术分别对各部分进行了描述,最后对该系统的实现情况作了简单的介绍。     

不规则数码脱机识别技术

在人类手写数码识别中，脱机不规则数码的识别是识别算法中比较难解决的问题．本文提出的一种识别方法，将笔道密度识别算法和层次特征识别算法相结合，对不规则数码脱机识别起到了十分有效的作用．在对0一9共10个数码，用多种方法手写，经扫描、二值化、平滑、边缘跟踪、压缩、细化等处理后，它的识别正确率在90％以上，达到了很好的效果．     

手写体数字识别的一种模糊联想记忆神经网络方法

手写体数字识别是当前神经网络应用研究最为活跃的领域之一。本文找出一种基于模糊联想记忆神经网络模型的识别方法，并获得较为满意的计算机模拟结果。与常用的ＢＰ网络算法相比，具有学习速度快、算法简单、网络规模小、拓扑结构简单等优点。     

数字仪表数码管显示识别设计

随着生产智能化的发展,自动化设备广泛应用于工业控制、交通、生产领域。数码管是自动化仪表的关键显示设备,显示包括温度、湿度、指标、参数等重要数据。为了实现生产和监控的自动化,往往需要对仪表数码管的值进行识别。由于各类仪表数码管数值显示差别较大,数值识别方法各异,导致识别的成功率较低。因此,本文研究自动化仪表数码管显示识别的技术现状,分析自动化仪表数码管显示识别的原理。研究中,根据自动化仪表数码管显示的特定字符,利用单个数字图像中对应的七个子区域分别对应数码管的七个管脚,根据数码管的亮灭与否的特征来,设计判定识别的算法。仿真表明,本文提出的数字仪表显示值的快速识别方法的识别率达99%,对16位数字的识别时间不超过0.5毫秒,并具有较强的抗干扰能力,完全满足自动化仪表显示值实时自动识别对准确率和速度的要求,具有较高的应用价值。     

基于CNN 的银行卡数字识别方法

在拍摄银行卡时,由于受拍摄角度的不确定性、光照条件的复杂性及卡背景的多 样性等众多因素的干扰,使得自然拍摄场景的银行卡数字识别算法存在较大挑战。为此,提出 一种基于卷积神经网络(CNN)的银行卡数字识别框架。首先,通过投影矫正、边缘检测和形态 学等一系列图像处理算法获取目标数字区域;其次,通过增强的数据集训练一个CNN,使用该 网络通过滑窗识别获取上述目标数字区域,输出初始银行卡号序列,生成为一个数字曲线图; 最后,提出了滑窗优化算法,该平滑算法输入上述初始的银行卡号曲线图,对其进行优化,继 而分割出单个数字并输出最终结果。实验结果表明算法显著提高了银行卡数字识别和分割的准 确率,同时针对较复杂的银行卡图像仍然具有较好的鲁棒性。     

基于SVM的数字二次识别方法与仿真研究

数字识别作为模式识别发展的一个分支,在实际应用中有很强的应用价值,如何进一步提高识别率也一直是研究的热点.该文通过分析模式识别的两类主要方法,结合数字结构特征和数字统计特征共同提高数字识别的正确率.支持向量机(SVM)是本文应用的主要识别机器.针对支持向量机在训练过程中存在被错误分类的样本,该文提出了一种基于二次识别的SVM算法.该算法通过提高支持向量在样本中的比例,提高了SVM的识别性能.结合数字结构特征的SVM二次识别算法提高了识别正确率,也为数字识别提出了一种新的思路.