货车图像车牌区快速定位及字符切割算法

针对货车图像中的光照不均匀和各种污损的条件，重点讨论了货车图像的二值化、车牌区定位及字符切割方法，并提出了一种货车车牌区定位快速定位算法（TLFP）和一种投影与弧特征相结合的字符切割算法，大量实验表明：使用上述算法，车牌区定位准确率达99．7％，字符切割正确率达98．5％。     

脱机汉字字符识别系统（OOCRS）：失真建模、隐式马尔可夫模型以及矢量量化的共同作用（上）

由于字符种类繁多以及笔划的变化，导致脱机手写体汉字字符的识别很困难。这些汉字字符是由偏旁部首构成的，通常书写时会产生比例和大小的失真，而且不能使用类似神经网络及预处理模板的直接分类方法来处理。本文提出了一种新颖的预处理与分类器共同作用的方法，并且取得了很好的效果。新分类法中使用了粗分类模板，在适当的共同作用下，能在脱机汉字字符的识别中产生高准确率的分类并能提高识别系统的性能。识别准确率可达97％，且在前5名的参选样本选择中达到99％。     

视频图像中的实时车牌识别

车牌识别在智能交通系统中起着重要作用。本文提出一种对视频图像进行实时操作的车牌识别方法。利用边缘特征，使用快速的边缘点连接算法生成连通区域，进行车牌的检测定位，结合字符小波特征实现准确的识别。算法平均消耗时间在40ms以内，定位准确率达99．5％，完全识别率在91％以上。实际采集数据实验结果证明，本方法速度快、准确率高、实用性好。     

开放场景中的高精度车牌识别算法

目前,限制条件下的车牌识别算法比较成熟,广泛应用于各种车牌识别系统。由于拍摄角度差异较大、车辆运动模糊等因素的影响,中文车牌识别仍具有较大的挑战性。针对上述问题,该文放弃单一的端到端深度学习的车牌识别方法,提出了一种检测、分类一体化的逐级车牌识别算法,采用逐级对象检测策略与字符分类相结合预测车牌的字符结果。在此基础上,提出一种多锚点字符位置回归算法,进一步精确回归所有车牌字符的局部区域位置信息。同时为了满足字符检测和字符分类的需求,解决现有车牌数据集类别不均衡的问题,该文贡献了一系列配套的车牌数据集。充分实验表明,该方法在不同数据集上都能达到目前的先进水平,并在公开数据集CCPD上准确率达到了99%,在开放场景中具备高精度和高鲁棒性。     

用于汉字粗分类的外部和全局特征

本文提出了一种简单而有效的方法对手写体汉字进行粗分类。本文方法中，汉字特性的抽取可表示为外部和全局特性的向量串。外部特性包括代表上、下、左、右四个方向线段结构的四个串，全局特征包括在上方的水平线段数目以及字符中的笔道线段数目。另外，本文提出了一种基于得分的粗分类机制来选择合适的候选字符。我们对２０个汉字集（５４０１个字符／集）进行了测试，候选字符的数目由５４０１个减少至大约８０个，差错率小于１．２     

草写体字符识别中的改进型方向特征研究

本文论述和分析了一种新颖的特征提取技术的特性，它采用基于分割的手写体字符识别系统的上下文关系来分割／书写字符。改进型的方向特征（MDF）提取技术以方向特征（DF）为基础，从字符轮廓的结构中提取方向信息。这种规则扩展了字符图像中前景和背景象素转换的组合方向信息。 为改善DF的提取技术，将对一些方法作出改进。同时使字符轮廓的描述更有效，并着手方向性检测技术的再设计，即在大部分时常出现的模式干扰中，增加对目标特征的描述，以改善字符的识别正确率。MDF通过基于神经网络分类器的试验以及转换特征（TF）提取技术的比较，并采用标准数据集与文献中列出的最佳结果相比较后得知，MDF技术优于DF和TF技术。来自CEDAR数据集的结果显示，识别正确率在89％以上。     

质量退化的车牌字符分割方法

提出一种车牌字符分割方法．首先，进行光照不均校正、对比度增强和倾斜校正；其次，对字符外轮廓垂直距离采用尺度自适应三次B样条小波变换进行字符的粗分割；最后，应用基于目标占有率模板匹配的字符识别反馈进行字符的精分割．实验结果表明，文中方法对光照不均、对比度较小、倾斜、污迹、字符粘连和断裂等严重退化的车牌图像具有很好的字符分割性能．     

融合多语义特征的命名实体识别方法

针对语言普遍存在的字符间非线性关系，为捕获更丰富的语义特征，提出了一种基于图卷积神经网络（GCN）和自注意力机制的命名实体识别（NER）方法。首先，借助深度学习方法有效提取字符特征的能力，采用GCN学习字符间的全局语义特征，并且采用双向长短时记忆网络（BiLSTM）提取字符的上下文依赖特征；其次，融合以上特征并引入自注意力机制计算其内部重要度；最后，使用条件随机场（CRF）从融合特征中解码出最优的编码序列，并以此作为实体识别的结果。实验结果表明，与单一采用BiLSTM和CRF的方法相比，所提方法在微软亚洲研究院（MSRA）数据集和BioNLP/NLPBA 2004数据集上的精确率分别至少提高了2.39%和15.2%。可见该方法在中文和英文数据集上都具备良好的序列标注能力，且泛化能力较强。     

啤酒瓶凸形字符的提取及识别方法研究

通过辨认啤酒瓶上的“B”字和日期标志，对满足规范的啤酒瓶加以回收利用．这项工作目前由人手工完成,费时费力．本文提出了一种用计算机提取啤酒瓶“B”字和日期标志并进行识别的方法，代替手工操作，有效地降低了成本和提高了效率．文章首先对系统做了简介，然后对拍到的图像作预处理，接下来用一种基于分裂合并思想的分割方法将字符从图像中分割出来，并采用基于地形结构的方法提取字符的笔划，最后用多层BP神经网络对字符进行识别．试验结果表明：该方法能比较有效的识别啤酒瓶中的“B”字和日期，对于污损不是特别严重的酒瓶．识别时间小于0．15秒／个．分捡正确判断率约为97％．     

一种基于屋脊边缘的字符图像细化方法

针对字符图像中笔画内部像素点灰度的屋脊型分布特点,提出了一种新的字符图像细化方法.该方法利用字符图像中灰度截面曲线,获取了屋脊型边缘的候选点集,通过对候选点集的进一步筛选和修补,取得了定位较为准确的屋脊边缘点,实现了数字字符灰度图像的可靠细化.     

面向连续叠写的高精简中文手写识别方法研究

连续手写识别是中文手写输入技术的核心,自然、快捷地输入中文信息一直是模式识别乃至人工智能领域追求的目标。提出了一种有效克服小屏幕限制的连续叠写汉字识别方法。该方法基于切分-识别集成的解码框架,先使用过切分算法处理输入的书写轨迹;然后启用一种新颖的感知机算法判定字符的边界;随后采用来自字符分类模型、几何模型和语言模型的多种上下文信息进行路径解码。为适应不同类型的移动终端,特别提出了一种高效压缩字符分类模型的方法,以有效减少字符识别过程对存储和内存的占用。该识别方法已在Android平台上部署,并进行了大规模的测试实验。实验结果证实了该识别方法的性能和效率。     

一种相似汉字的识别算法

本文提出了一种通用的基于部分空间方法的相似汉字识别算法, 该算法无须事先确定相似字组, 也不必人工选择各个相似字组的部分空间, 能够自动决定待识别字是否需要进入相似字识别过程, 以及怎样选择部分空间。实验结果证明了本算法的有效性。     

多字体印刷藏文字符识别

藏文字符识别系统是中文多文种信息处理系统的重要组成部分,但至今国内外的研究基本处于空白。本文提出了一种基于统计模式识别的多字体印刷藏文字符识别方法:从字符轮廓中抽取方向线素特征,利用线性鉴别分析(LDA)压缩降维后得到紧凑的字符特征向量。采用基于置信度分析的两级分类策略,设计了带偏差欧氏距离分类器(EDD)完成高效的粗分类,细分类采用修正二次鉴别函数(MQDF)。通过实验选取恰当的分类器参数后,在容量为177,600字符(300样本/字符类)的测试集上的识别率达到99.79%,证明了该方法的有效性。     

字符识别中支持向量机抑制噪声能力的分析

Vapnik等学者首先提出了实现统计学习理论中结构风险最小化原则的实用算法--支持向量机,成功地解决了模式分类问题.支持向量机是目前车牌识别领域常用的算法之一,但由于实际获取的车牌图像往往存在大量的噪声干扰,大大影响了识别率.因此着眼于研究支持向量机对含噪声图片的识别效果,以字符识别为例进行分析,并与BP神经网络算法作对比,实验证明支持向量机具有较好的抑制噪声能力.     

基于实时样本采集的个性化手写汉字输入系统设计

手写汉字识别是手写汉字输入的基础。目前智能设备中的手写汉字输入法无法根据用户的汉字书写习惯,动态调整识别模型以提升手写汉字的正确识别率。通过对最新深度学习算法及训练模型的研究,提出了一种基于用户手写汉字样本实时采集的个性化手写汉字输入系统的设计方法。该方法将采集用户的手写汉字作为增量样本,通过对服务器端训练生成的手写汉字识别模型的再次训练,使识别模型能够更好地适应该用户的书写习惯,提升手写汉字输入系统的识别率。最后,在该理论方法的基础上,结合新设计的深度残差网络,进行了手写汉字识别的对比实验。实验结果显示,通过引入实时采集样本的再次训练,手写汉字识别模型的识别率有较大幅度的提升,能够更有效的满足用户在智能设备端对手写汉字输入系统的使用需求。     

自然手写汉字FS识别法

提出联机识别自然手写汉字的FS识别法。在剖析五笔字根结构和编码原则基础上,对五笔字根作适应性改造,将键盘输入技术与联机识别技术有机融合的一种识别体系。在多库识别体系中首次采用层间分级技术。分析和实验表明：充分考虑了自然手写汉字书写习惯和结构特征,系统有较高稳定性。     

基于多重规则和路径评价的在线中英文手写识别方法

手写文本识别方法主要应用于文本输入技术,对人机交互领域的发展起关键作用。针对多数在线输入法无法识别中英文混合手写识别的问题,提出一种在线中英文混合手写文本识别方法。通过对文本笔画进行基于水平相对位置、垂直重叠率、面积重叠率规则的整合以及连笔切分,得到一系列字符片段,同时利用笔画个数、宽高比、中心偏离、平滑度等几何特征和识别置信度,对字符片段进行中英文分类。在此基础上,根据分类结果并结合自然语言模型的路径评价及动态规划搜索算法,分别对候选的中、英文字符片段进行合并处理,得到待识别的中、英文字符序列,并将其分别送入卷积神经网络的中、英文识别模型中,得到手写文本识别结果。实验结果表明,在线手写中英文混合文本识别正确率达93.67%,不仅能切分在线手写中文文本行,而且对包含字符连笔的在线手写中英文文本行也有较好的切分效果。     

基于MSER与SVM算法的车牌定位识别方法

针对实际车牌识别系统中车牌位置定位难、字符识别率低等问题,提出了一种基于MSER与SVM算法的车牌定位识别。该方法分为定位和识别两步,输入图像经过预处理,通过MSER与SVM算法直接提取出车牌的字符区域,然后将车牌字符图像裁剪送入识别阶段,识别阶段同样利用SVM算法对车牌字符进行识别。经验证,该车牌定位识别方法识别速度快、准确率高,能够适用于实际生活中较为复杂的交通环境。     

A new and robust method for character segmentation and recognition in license plate images

This paper provides a new and fast method for segmentation and recognition of characters in license plate images. For this purpose, various methods have been proposed in literature. However, most of them suffer from: sensitivity to non-uniform illumination distribution, existence of shade in license plate, license plate color and the need for receiving an exact image of the license plate. In the proposed algorithm, non-uniform illumination and noise are reduced by a Gaussian lowpass filter and also by an innovational Laplacian-like transform and characters are segmented by a set of indigenous and relative features. To be prepared for recognition, the segmented characters are normalized by a local algorithm. Two feed-forward neural networks with back-propagation learning method are employed for character recognition. The principal component analysis (PCA) is used to decrease input data and, consequently, computational complexity. The proposed algorithm does not necessarily need an exact plate image and can receive a band from the vehicle original image as an input, which includes the plate. Our proposed method is completely robust to the disturbances such as non-uniform brightness distribution on the various positions of a license plate image and the plate color. In order to evaluate our algorithm, we applied it on a database including 120 vehicle images with different backgrounds, plate colors, brightness distributions, distances and viewing angles. The results confirm the robustness of the proposed method against severe imaging conditions.     

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。