基于组合特征的高效数字识别算法*

针对监控屏幕中的数字字符提出了一种高效的识别算法。该算法利用字符图像的欧拉数、凹陷区、水平和垂直穿线等组合特征完成级联分类,无须对待识别字符进行规整、细化和轮廓提取处理,降低了算法复杂度,减少了因细化变形、轮廓断裂引起的误识和拒识。在以此算法为基础实现的监控信息自动采集与记录系统中,对5 000多个屏幕显示数字字符进行识别测试,平均每秒处理125个数字,正确识别率达到98.70%,误识率仅为1.30%。实验表明该算法在处理速度、识别精度、抗干扰性方面表现良好。     

基于整体特征的快速手写体数字字符识别

该文通过模拟人眼识别数字字符的过程,提出了一种基于字符整体特征(凹凸特征)的快速手写体数字字符识别方法。该方法不需要对字符图像做复杂的细化处理,减少了细化形变可能带来的误识和拒识;也不需要进行复杂的笔道特征分析,因此速度非常快。同时,由于不同人书写的数字字符的整体特征都相同,因此该方法的识别率也非常高。     

基于单程分裂与归并图像分割的集装箱号识别

集装箱号自动识别在海关物流管理等领域有着重要的实用价值。为了快速准确的地进行集装箱号识别,提出了一种基于图像分割和区域特征分析的集装箱号字符定位和识别方法。该方法首先基于灰度相似性运用改进的单程分裂与归并算法对图像进行自适应阈值分割,同时统计各个区域的灰度、形状、边缘强度等特征;然后根据字符区域特征,利用一定规则来滤除非字符区域;最后,对于定位出的字符区域,再依据区域特征进行二值化,并采用神经网络与模板匹配相结合的方法进行识别。在包含1 804幅图像的集装箱号识别实验中,整箱号识别正确的为1 750幅,准确率为97.01%,这充分说明了算法的有效性。     

面向集装箱字符识别的预处理算法

由于光照,油污,采集图像受天气影响等原因,使集装箱箱号图像背景复杂,给分割识别带来困难.为解决这些问题,主要研究集装箱箱号图像预处理算法.根据原始图像特点,先利用形态学腐蚀运算、膨胀运算滤除噪声,在此基础上运用简单统计法结合Prewitt边缘检测算子的方法对具有复杂背景的集装箱箱号图像二值化,使用基于特征值公式的集装箱箱号字符分割方法准确分割字符.试验结果表明,此方法较好完成对集装箱箱号原始图像的预处理.     

基于整体特征的快速手写体数字字符识别

通过对模拟人眼识别数字字符的过程进行研究，提出了一种基于字符整体特征（凹凸特征）的快速手写体数字字符识别方法。该方法不需要对字符图像做复杂的细化处理，减少了细化形变可能带来的误识和拒识；也不需要进行复杂的笔道特征分析，因此速度非常快，同时识别率也非常高。实验结果表明该方法具有很高的识别率。     

国际音标图像字符细化方法

对图像文字进行细化有助于突出文字的形状特点和减少冗余的信息量,在文字识别 领域有着重要的应用。在分析研究传统细化算法后,针对传统细化出现的畸变、细化不完全现象, 提出了一种对国际音标图像字符的细化方法。该算法通过对文字区域的边缘分类标记,并判断被 标记点是否满足可去除条件,然后逐步去除边缘像素点,最终能让国际音标图像字符的宽度细化 到一个像素宽度。针对国际音标图像字符的实验表明,该算法能够准确地对国际音标图像字符进 行细化,且简单高效。     

基于几何特征的IC芯片字符分割与识别方法

针对IC芯片字符的分割与识别问题,提出了一种基于字符几何特征的分割方法和一种基于字符最小外接圆的归一化与重定位方法,使用基于像素差分的模板匹配完成识别。首先,对芯片图像进行直方图均衡化处理,并利用辅助圆进行中线定位和图像校正,定位得到ROI区域并进行均值二值化处理。随后,对二值化ROI图像进行字符分割,以字符的几何特征作为判断条件,从而完成了对缺陷字符的正确分割。之后,对单字符图像提取最大轮廓,利用其轮廓的最小外接圆进行字符的归一化与重定位。最后,对归一化的字符进行差分识别。通过采集4种芯片样本进行实验,结果表明,该方法能够实现芯片字符的准确分割,对于缺陷字符的分割准确率达90%;能够快速精准地识别芯片字符,单字符平均识别时间为4.6 ms,识别准确率达到99.4%。     

一种数显仪表动态字符快速识别算法

在对动态仪表的数显数字字符图像识别中，将细化后的字符图像看作是一幅连通图，选择闭合曲线作为其整体特征，将笔画端点所处字符图像中子区域的位置做为主要的细节特征，对字符进行识别。试验结果表明该方案是可行的和有效的。     

银行币箱字符识别系统的实现

利用数字图像处理技术开发银行币箱自动识别系统。从币箱图像中确定字符位置，提取字符的特征。接着基于Hausdorff距离进行模板匹配，获取冠字、年号和箱号等字符信息。试验结果表明该方案是有效的。     

基于图论分析的车牌数字字符识别研究与应用

细化后的字符图像可以看作是一幅连通图,从图论的观点出发,在对车牌末尾三位数字字符图像识别中,选择闭合曲线作为其整体特征,将笔画端点所处字符图像中子区域的位置做为主要的细节特征,对车牌数字字符进行识别。试验结果表明该方案是可行的和有效的。     

基于多特征集成分类器的脱机满文识别方法

为提高脱机满文手写字体的识别率,提出了基于BP网络的多特征集成分类器识别方法.对扫描成图像的手写满文进行预处理,切分出满文字元;分别提取满文字元的投影特征、链码特征以及端点和交叉点特征,并对这三类特征及其相互组合进行分类识别;通过隐马尔科夫算法对识别结果进行后处理,进一步提高识别的精度.实验结果表明,集成分类器的识别率要比单个特征的识别率要高,同时集成分类器中的特征类别越多,识别效果越好.     

一种灰度化混合法在集装箱箱号识别中的运用

研究一种基于机器视觉的集装箱箱号识别方法。对于集装箱彩色图像预处理过程中的灰度化方法，传统的灰度化算法不能有效弥补图像中污损或其他信息缺失的部分，因此，本文提出使用主成分分析法（PCA）结合贝叶斯阈值估计灰度变化率的混合法对图像的灰度化进行优化，可以在判断图像中某一点灰度值与周围相邻像素点的灰度值的变化率后，弥补缺失信息，有效确定边缘特征，从而使后续的字符识别准确率大大提高。最后使用该算法模型设计实现一套用于港口集装箱的智能检测系统。经过Matlab实验验证，在对50幅港口集装箱箱号图像的识别中，通过使用本文提出的混合灰度化方法，与普通的均值法和加权平均法的灰度化方法相比，准确率更高，其中单一字符准确率可达96%，箱号准确率可达92%。     

基于矢量特征编码的手写字符识别技术

针对手写输入法中手写字符识别技术的应用需求,提出了一种利用矢量字符的矢量方向编码技术和概率论知识设计的手写字符识别系统,避免了传统手写输入法中字符识别技术的平滑、除噪、归一化等预处理过程。实践证明提取特征少,识别速度快,准确率高。     

集装箱箱号字符识别算法研究

针对集装箱箱号图像中存在的光照不均、箱号的偏转和倾斜等因素,着重研究箱号字符识别中的关键技术问题。对于箱号图像光照不均问题,采用一种改进型的差分边缘检测粗定位算法;利用改进的最小二乘法有效地解决箱号偏转难以精确定位问题;运用基于梯度下降投影字符矫正及分割算法,实现对倾斜箱号的校正与分割;采用BP神经网络进行字符识别。对1?050幅不同条件的拍摄图像进行实验,结果表明上述算法相对于传统算法与深度学习算法,综合识别率明显提高,且符合实时性要求。     

嵌入式汽车轮胎规格号快速识别系统

针对汽车轮胎生产线检测的智能化管理问题,提出一种嵌入式系统以对轮胎规格号进行快速识别。对图像进行预处理,包括极坐标变换、双线性插值拉伸,利用大津法进行二值化,以连通域方法来提取规格号字符。采用基于统计的方法抽取轮廓特征进行规格号模式识别。系统硬件部分采用高速TMS320C6000系列DSP为核心的嵌入式硬件系统,使用参数预存储、软件流水线技术及双缓冲内存分配等优化方法。实验结果表明,该系统能快速有效地识别汽车轮胎规格号。     

异态汉字识别方法研究

复杂图像文字识别是基于内容图像检索的一个重要研究方向.针对图像中的文字可能存在倾斜、光照不均、噪音干扰和边缘柔化等多种异态问题,提出一种有效的异态汉字识别方法,称作SC-HOG.首先,利用稀疏编码得到基向量和稀疏系数,通过重构图像滤除噪音、处理边缘柔化;然后,利用梯度方向直方图抽取复原图像的汉字边缘梯度特征,削弱倾斜和光照的影响;最后,将获取的特征向量送入分类器,实现异态汉字的识别.通过合成数据集和真实数据集两方面的实验来验证SC-HOG方法的有效性：前一方面实验结果表明,SC-HOG方法对于倾斜、光照不均、噪音干扰和边缘柔化等异态情况有较强的鲁棒性;后一方面实验结果表明,SC-HOG 方法在原生数字图像和场景图像真实样本集上也能取得较好的结果.     

基于小波的车牌汉字特征提取

车牌识别系统是智能交通不可或缺的一部分.在车牌识别系统中,车牌首位汉字的特征提取和识别是一个难点.为此,将小波的多分辨率特性应用于车牌汉字特征的提取,提出了一种直接从灰度图象提取车牌汉字特征的提取方法.该方法首先提取图象的小波矩和基于小波分解的区域密度特征,然后以识别率好坏为最优依据,进行特征分量排序和选择,最后把特征矢量送入BP神经网络进行字符识别.该方法避免了一些传统汉字特征提取方法需要对图象进行二值化操作而造成的汉字字符结构信息丢失.提取的特征有效地反映了车牌汉字的局部和全局特征.实验结果表明该特征提取方法可以得到比较好的识别效果.     

一种视频中字符的集成型切分与识别算法

视频文本行图像识别的技术难点主要来源于两个方面: 1)粘连字符的切分与识别问题; 2)复杂背景中字符的切分与识别问题. 为了能够同时切分和识别这两种情况中的字符, 提出了一种集成型的字符切分与识别算法. 该集成型算法首先对文本行图像二值化, 基于二值化的文本行图像的水平投影估计文本行高度. 其次根据字符笔划粘连的程度, 基于图像分析或字符识别对二值图像中的宽连通域进行切分. 然后基于字符识别组合连通域得到候选识别结果, 最后根据候选识别结果构造词图, 基于语言模型从词图中选出字符识别结果. 实验表明该集成型算法大大降低了粘连字符及复杂背景中字符的识别错误率.     

基于QNN的图像特征提取字符识别系统设计

为提高字符识别的正确率与可靠性,将图像处理技术与量子神经网络（QNN）相结合,对基于QNN的字符识别系统进行了研究。采用粗网格特征法对图像的特征量进行提取,同时,为了增强粗网格特征法抗位置变化的能力,在特征提取前,对字符图像进行了定位,并将其平移至模板中心,再进行特征提取,然后采用基于多层激励函数的量子神经网络对字符进行识别。采用matlab进行仿真实验,结果表明量子神经网络具有较好的识别效率,准确率可达90%以上,抗噪能力强,可以更好的分类。这说明系统的确可以从一定程度上达到提高识别正确率的效果,达到了预期效果。