共查询到18条相似文献,搜索用时 62 毫秒
1.
2.
针对已分割完成的啤酒瓶凸性字符,提出了一种基于圆周投影变换的图像特征提取方法。以质心为极点将笛卡尔坐标系变换为极坐标系,进行圆周投影计算,将二维的字符图像变换为一维投影。利用小波变换(WT)和离散余弦变换(DCT),提取不同字符的有效特征。通过相同、相似字符特征提取实验,表明该方法具有较好的抗噪声能力和分类性能。 相似文献
3.
工程图纸上的字符提取和识别系统 总被引:9,自引:1,他引:8
工程图纸上字符的提取和识别是工程图纸识别和理解的关键,提出了一种基于轮廓的图文分离方法,成功地从工程图纸中提出了字符,并研制成了实用化识别软件。经初步测试,识别率高达92%以上。 相似文献
4.
工程图纸上的字符提取和识别系统 总被引:2,自引:0,他引:2
工程图纸上字符的提取和识别是工程图纸识别和理解的关键。本文提出了一种基于轮廓的图文分离方法,成功地从工程图纸中提取出了字符,并研制成了实用化识别软件。经初步测试,识别率高达92%以上。 相似文献
5.
针对工业器件上的文字,给出了一个字符识别系统。该系统主要由两部分组成,字符提取和字符识别。在字符提取阶段,给出了两种字符的提取方法以及互补Ostu二值化方法。在识别阶段,对第一类字符利用TM矩和仿射不变矩提取特征并且组合成特征向量,然后利用交叉相关来识别;对第二类字符利用模板匹配法,基于Hu不变矩和TM矩的交叉相关分别得到各自的识别结果,然后采用投票原则作出最后的判决。实验结果表明,提出的方案是可行和合理的。 相似文献
6.
7.
一种基于BP神经网络的车牌字符分类识别方法 总被引:8,自引:0,他引:8
目前,车牌字符识别算法主要是基于模板匹配、特征匹配或神经网络的方法。本文根据车牌字符的特殊性,提出一种采用特征提取与BP神经网络学习算法相结合的分类识别技术,选取字符的粗网格特征作为字符的识别特征,以改进后的归一化字符原始特征直接输入到BP神经网络分类器中进行车牌字符识别研究。对于易混淆和相似的字符、汉字笔划粘连、字符偏移现象等都提出了自己的解决方法。实验结果说明,本方法可大幅提高车牌识别系统的正确识别率和抗干扰能力。 相似文献
8.
如何在DOS西文文本方式下显示汉字?能否做到即节省内存又提高显示处理的速度?笔者为解决这些在应用软件开发时遇到的问题,编制了“字符形汉字的动态显示程序”,其主要实现方法是:①在VGA卡彩色页面2的8个字符发生器(0--7)中空闲的1号字符发生器存放128个常用汉字(256个ASCII字符),设立一个’字符形汉字小字库’(动态)。②显示小字库中的汉字,可象西文显示一样处理。即将组成汉字的两个相邻ASCII字符写于屏幕的相邻的位置上;显示当前小字库中没有的汉字,则首先从硬盘汉字库读取该汉字并替换掉当前小字库中某一’最近… 相似文献
9.
一类特殊印刷体字符的分割和识别方法 总被引:1,自引:0,他引:1
针对一类工业场景下印刷体字符的特点.本文提出了一种基于方波参数求取进行字符分割的方法。首先.给定待分割字符串区域的二值化图像,预估字符串起始位置、字符宽度和字符间距,并作为基表参数生成单位方波函数.将方波函数以象素为单位离散化后看成一行向量、图像垂直扫描投影成一列向量,然后进行内积运算.在给定参数区间范围内搜索使得内积最大的一组作为精确分割参数;然后采用一种基于相似度匹配的字符识别方法完成字符识别。实验结果表明.该方法取得了满意的分割识别效果。 相似文献
10.
基于模型的Hopfield网络字符提取 总被引:1,自引:0,他引:1
本文提出一个提取字符序列的空间结构模型-峰谷交替模型,并用能量函数描述了该模型,用改进的Hopfield神经网络来求解能量函数的极小值。 相似文献
11.
在分析了目前光学字符识别技术发展及发应用的基础上,给出一种基于表格的手写体字符识别解决方案,该方案包括图图像预处理,特征提取和分类器等三个关键的处理过程,然后,重点研究了利用神经网络构建分类器的技术和神经网络应用的两个阶段。 相似文献
12.
13.
本文从用户应用出发,论述了气象对巨型机的要求和国家气象中心的银河-2巨型机的特点、使用环境、可用性及其技术服务。 相似文献
14.
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。 相似文献
15.
联机手写汉字识别(OLCCR),是指用笔在图形输入板上写字,人一边写,机器一边认,是一种方便的汉字识别手段。在各种自动识别输入的方法中,OLCCR是能够代替或部分代替人工编码输入的惟一可能的方法。识别中主要是两方面的问题:建立汉字识别库和手写板上笔画轨迹的识别。文中就第二方面即手写笔画识别的问题进行了全面的研究,采用笔画基元帮助分析笔画轨迹,并用可视化编程工具Visual C 6.0实现了基于这种方法的笔画识别过程。 相似文献
16.
17.
文字识别的难点和关键在于特征提取,文章把文字版面看作是含有特殊纹理信息的图像,利用Gabor变换,通过纹理分析提取出文字的全局特征。文字特征提取后,对其使用SVM进行训练学习。实验结果表明本方法能够较有效地提取出字符特征,并能有效地对字符进行分类。 相似文献