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。     

基于整体特征的快速英文字母识别方法

文章提出了一种基于整体特征的小写英文字母识别方法.首先根据字母图像的赋值背景提取其整体特征,然后构建7个模板进行模板匹配.该方法不需要对图像作复杂的细化处理、轮廓提取等,减少了可能带来的误识和拒识,也不需要现有神经网络方法的长期训练,因而简单快速.同时,不同字体的字母图像其整体特性基本相同,因此识别率较高.     

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。     

基于结构形状的印刷体数字识别方法

从数字的结构形状着手,通过分析印刷体数字的形状,提出了一种基于结构形状的印刷体数字识别方法。该方法不用对字符图像进行复杂的细化处理,减少了因细化带来的误差问题,因而识别速度非常快,实验证明了该方法的有效性。     

一种新的基于字符形状特征的高效车牌识别算法

提出了一种基于字符的凹凸性、弯曲度和交点数等形状特征的车牌字符识别方法,它无须对字符作归一化、细化、倾斜校正这些预处理,也不需要样本图像,降低了字符畸变所产生的误识和拒识,减少了处理时间,提高了识别率。实验结果表明这是一种高效的车牌识别算法,是对现有车牌识别技术的有益补充。     

基于凹凸特性笔顺编码的手写体数字识别方法

针对传统的基于骨架特征识别方法具有运算量大、速度慢、对细化等预处理要求高，以及受起始点、断笔、跟踪方式影响极大等缺点，本文提出一种基于凹凸特性笔顺编码的识别方法。该方法首先计算数字图像的赋值背景场，再从中提取凹凸特性，然后根据凹凸特性进行笔顺编码，最后将编码与正则表达式表匹配。该方法不需要细化，减少了细
细化形变可能带来的误识和拒识；也不需要搜索、拟合等复杂处理，因此简单快速，运算量小。实验表明，该方法能大大提高识别率和速度。     

数显数字字符图像特征提取算法的研究与实现

由于数显数字字符有其自身特点,相对于其它类型字符识别存在着新的难点,针对此类数显数字字符采用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对十个数字字符进行初次分类,将笔画端点所处字符图像中四个子区域的位置作为主要的细节特征,对字符进行识别。测试结果表明该算法是可行、有效的。     

基于整体特征神经网络数字二次识别方法

根据数字字符整体特征, 提出一种基于字符整体特征的Bp神经网络数字二次识别方法. 该方法首先根据Bp神经网络原理对数字字符进行预识别; 然后对预识别结果中存在混淆的字符按照字符整体特征进行二次识别, 从而准确获得识别结果. 该方法结合了神经网络非线性、自主学习特点和字符整体特征形状结构不变性特点, 有效的在低样本量情况下, 获得较高的字符识别精度.     

基于组合特征的集装箱箱号识别法

为准确、高效地识别集装箱箱号,提出一种基于组合特征实现箱号识别的方法。对分割好的字符二值图像预处理后提取孔洞特征、凹凸特征、跳变特征、笔画特征等,利用树形分类器进行分类识别,并结合箱号自身的校验规则进行验证、识别。该方法不需要对字符图像做复杂的细化处理,提高了运算速度,避免了细化造成的字符畸变。实验结果表明,该方法平均箱号正确识别率可以达到93%,每箱号(11个字符)平均识别时间为0.065s。     

数显数字字符图像特征提取算法的研究与实现

由于数显数字字符有其自身特点，相对于其它类型字符识别存在着新的难点，针对此类数显数字字符采用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对十个数字字符进行初次分类，将笔画端点所处字符图像中四个子区域的位置作为主要的细节特征，对字符进行识别。测试结果表明该算法是可行、有效的。     

基于组合特征和PSO-BP算法的数字识别

提出了一种新的基于组合特征和PSO-BP(particle swarm optimization-backpropagation)算法的数字识别方法,将网格特征、投影特征和欧拉数表示的结构特征按照不同的特征权重系数构成数字图像的组合特征向量,利用PSO-BP神经网络进行识别,充分发挥了粒子群算法的全局寻优能力和BP算法的局部搜索优势.实验表明,该方法识别率高、网络收敛速度快、精度高.     

基于部位特征和全局特征的物体细粒度识别

目前大部分细粒度识别通常仅对整体特征进行提取并分类,而忽略了角度和姿态引起的部件上视觉差异,为此提出一种基于部位特征和全局特征的物体细粒度识别方法。首先将目标进行姿态聚类,使得相同姿态下展现目标相一致的可见部位,进而提取目标的部位特征,并在各姿态类内结合目标的整体特征做分类。该模型在姿态和视角影响尤其明显的鸟类数据库CUB_200-2011上进行了实验验证,结果表明与现有的同类方法相比,本文方法具有更好的性能。     

局部特征与全局特征结合的HMM静态手势识别

针对静态手势识别问题,提出了一种综合考虑局部形状与全局轮廓的隐马尔科夫模型(HMM)静态手势识别算法。该算法提取局部形状熵特征与上层轮廓特征分别作为训练数据训练每类手势的HMM参数。测试时,先凭借局部形状熵特征得出初步识别结果,然后根据初步识别结果的模糊性,附加与局部特征互补的上层轮廓特征进行再识别,得出最终识别结果。实验结果表明,该算法对于形状差异占主导地位的手势库有很好的效果,并且将静态手势的空间序列模拟成时间序列使得静态手势识别具有空间尺度不变性;同时该算法合理控制特征维数,一定程度上弱化了HMM训练时间长的弊端,加快了识别的速度。     

基于多边形近似的图像纹理全局特性研究

使用传统的MRF模型进行纹理合成时存在无法把握纹理全局特性的缺陷,对具有大规模结构特性的纹理进行合成时,容易造成纹元周期性混乱。将特征匹配的方法引入传统MRF模型中可改良图像合成效果。详细分析了特征点识别与定位对整个纹理合成的作用。首次提出了一种用基于二进制具有量子行为的粒子群算法的多边形近似来分析纹理图像中特征点分布的结构模式分析方法。该方法可以提取结构性及半结构性半随机性纹理中的特征点分布规律,采用对特征点分级的方法定位纹理的大规模乃至全局特性。     

基于形态学变换的有限集手写体汉字识别

以21个金融汉字为研究对象,提出了一种基于数学形态学和弹性网格技术的特征融合方法.在汉字图像上构造弹性网格,利用形态学变换将汉字分解为4个方向笔画分量,分别提取方向特征和笔画穿透数目特征,然后将这两组特征向量的维数和度量统一后组合成复向量的形式,并采用K-L变换降维,去除冗余信息.该方法无需细化,受笔画不规则变形影响较小.实验证明,是一种有效的特征提取方法.     

基于霍夫变换和弹性网格的手写汉字识别方法

特征提取是手写体汉字识别的关键环节.弹性网格特征是一种较好的手写体汉字特征,但是无法体现汉字的整体结构信息,为此提出了一种采用复合特征进行手写体汉字识别的方法.该方法采用霍夫变换提取汉字图像的全局特征,并把这些全局特征与用弹性网格方法提取出的局部特征联合起来,这样得到的混合特征完整地反映了汉字全局特征和局部特征.最后通过实验证明,在进行大类别手写体汉字识别时,在特征值维数相同的情况下,采用这种复合特征的识别率明显高于单一的弹性网格特征,因此该方法是行之有效的.