人民币纸币号码识别算法研究

为了提高人民币纸币号码识别算法的适应度,基于字符结构特征的思想,提出了一种利用多个相互补偿结构特征的人民币号码识别算法,并研究了包括人民币号码的图像定位、图像的二值化、单个字符分割、字符大小归一化等图像预处理过程。对人民币纸币号码的字母排列、数字排列以及它们的组合排列分别进行了算法设计,以字母、数字组合排列识别程序的部分流程图为例做了算法阐述。利用ARM嵌入式系统对三组识别程序进行了实验验证,并对实验过程中遇到的字符字体差异、字符干扰问题提出了应对方法。通过对三组识别程序识别正确率的统计可以看出,该算法有较高的识别精度,能较好地满足实际需求。     

人民币纸币号码的快速识别

探讨人民币纸币号码的快速识别,首先要将采集到的人民币纸币图像进行去噪、二值化、细化、剔除毛刺、字符分割等预处理,然后针对人民币纸币号码只有数字和大写字母的特殊性,设计出一种基于字符结构特征和拓扑特征的数字和字母识别方法。最后应用Matlab编程实现了人民币纸币号码的快速识别。仿真实验表明,该识别方法具有识别率高、速度快、抗噪能力强等优点。该方法对车牌识别和汉字手写体识别的研究有一定的借鉴和指导作用。     

基于模板匹配的纸币号码识别系统

设计了一种能准确识别纸币号码的系统;该系统首先通过CCD摄像头采集图像,然后经过图像处理、扫描法定位、模板匹配几个过程输出号码串;为了提高识别率,采用基于图像轮廓提取和利用图像上、下矩对字符进行粗分类的模板匹配算法,显著减少模板匹配的计算量;实验结果表明,该方法取得了较高的识别率,并且已经在一个实际的系统中得到应用.     

一种人民币纸币号码自动识别快速方法

针对实际工程应用对大角度倾斜的人民币号码自动识别在处理速度和识别率方面的高标准要求,利用智能相机建立了纸币号码自动识别实验系统,并提出了一种综合利用多种特征的人民币号码快速识别方法.该方法在号码分割定位时利用改进的投影法,避开图像倾斜校正环节,节省分割时间;在号码识别时利用数字的开口特征以及数字的宽高比、穿线特征等特征直接识别定位好的数字.在良好光照条件下,通过对170张倾角在±137范围内100元新人民币的测试,识别一张纸币号码(仅数字部分)的时间在4ms以内,识别率100%.实验结果表明,该算法识别速度快,且允许图像有较大的倾斜,可以满足实际工程的需要.     

纸币数字的多特征综合识别算法

针对目前存在的纸币识别率低和速度慢的问题,提出了一种新型的纸币数字多特征综合识别算法。分析细化后纸币字符图像的拓扑结构,以及字符像素的端点等结构特征,对其进行初步分类;改变字符拓扑特征,对上一步骤的结果进行进一步分类识别;针对破损字符不满足拓扑结构特征的污损字符,采用了模板匹配的方式进行了补漏识别。实验结果表明,相对于传统的识别算法,提出的算法不仅具有更高的识别率,而且具有较高的识别速率。     

纸币号码快速识别系统

开发了一种快速的纸币号自动识别系统,能在捆钞的同时自动识别并记录下通过捆钞机上的纸币号码。该系统首先通过CCD摄像头采集24位彩色图像,经过逻辑脊谷判断法分割、投影法定位、结构法识别几个过程输出号码串。实验结果表明,该系统组织设计的逻辑脊谷判断算法有效提取了号码图像,穿越号码体距离法定位号码准确,提出的号码识别系统取得了较高的识别率。     

基于线阵传感器的移动号码采集装置

采用以数字信号处理器TMS320VC5416和接触式线阵图像传感器SV649A8R-XX为核心．构成了对运动速度为0．9m／s的移动纸币号码的实时采集装置。目前，利用该装置采集的移动纸币号码图像比较清晰，图像大小适中，完全能够满足一般识别算法对图像质量的要求。另外，本装置设计了串口．能够通过标准232串口将包括采集的图像在内的数据稳定的传输给PC机。实验表明该系统设计方案电路简单，可靠性好，易于实现，可以应用到带号码采集功能的点钞机等需要对移动号码进行采集的场合。     

人民币号码自动识别方法研究

针对人民币印刷中号码的识别问题,本文研究了其中的识别算法,包括号码图像的二值化、号码区域的定位、号码字符的分割及归一化和号码字符的识别,提出了一种号码区域定位及分割方法。在此基础上,建立了相应的识别系统并进行了实验研究。结果表明,系统具有较高的识别精度,能较好地满足实际需求。     

纸币号码读入识别系统的单片机实现

本文从纸币号码读入识别系统的硬件和软件系统入手,将CCD、单片机、字符分别和识别等具有的特性进行组合,构建了新型快速便捷的字符识别方法,将其应用于银行识别货币真伪具有重要的作用。     

用Matlab实现身份证号码快速识别

探讨身份证号码的快速识别。首先从身份证图像中获取0～9共10个号码数字的样本图像,从中提取其空间分布特征和结构特征;再从待识别的身份证图像中提取各号码数字的空间分布特征和结构特征;最后用相似系数最大和结构特征一致准则对各号码进行识别,并应用Matlab编程实现了身份证号码的快速识别。     

一种基于SVM的车牌汉字的有效识别方法

支持向量机(SVM)是20世纪90年代初由Vapnik等人提出的一类新型机器学习方法,此方法能够在训练样本很少的情况下达到很好的分类推广能力。文章应用SVM算法对车牌中的汉字字符进行识别,在无字符特征提取的情况下可得到较高的识别率和识别速度。通过与无字符特征提取的BP网络识别系统比较表明,在小样本的情况下,该方法的识别率远优于神经网络,并避免了神经网络的局部极值等的问题。     

VQ／HMM二级音节识别的研究

ＨＭＭ技术在语音识别是得到较为成功的应用，然而ＶＱ／ＨＭＭ对在词表的识别速度及识别率仍不理想，文中根据系统实现中的实时性和识别率的要求，提出了初始码本均匀法，对参加训练的各音先对其求平均，然后用各音的平均值组成初始矢量的空间，并采用码本快速迭代法以及标号直方图法与ＨＭＭ识别相结合的二级识别方法，提高了系统的识别率和识别速度，此方法简单，易于实时化。     

基于HHT的脱机手写体汉字特征提取

提出了一种基于数学形态学方向笔画提取的希尔伯特一黄变换(HHT)方法,对脱机手写体汉字进行特征提取.通过对HHT得到的Hilbert谱和边际谱的分析,构成4维结构特征和32维统计特征,并对其进行特征融合后得到36维特征向量作为最终的识别特征.试验结果表明其识别率比单独使用Gabor变换、小波变换等方法的识别率高.在识别速度上虽然比矩变换、数学形态学等方法慢,但是比Gabor变换的速度有明显提高,比多方法特征融合的方法在速度上有一定提高.该研究表明HHT作为一种新的信号分析方法,可以被有效地运用于提取汉字图像的特征.     

基于主曲线算法的手写字符特征分析与提取

模式特征的提取与选择是提高手写体字符识别率的关键因素。主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线,能够很好地描述数据分布的结构特征。利用软K段主曲线算法提取训练数据的特征,在分析手写体字符结构特点的基础上,选出手写体字符识别所使用的粗分类与细分类特征,利用这些分类特征对手写字符进行识别。该方法在CEDAR手写体数字和字符数据库上的实验表明：选取的分类特征能够有效区分相似的手写体字符,提高手写字符的识别率,为脱机手写字符识别研究提供了一种新的方法。     

一种新的快速字符定位算法研究

准确定位字符区域是字符识别的第一步,针对高速运动拍摄图像对比度差、噪声干扰严重、字符区域范围变化大、要求在线识别且时间短等特点,研究了一套特殊的数学形态学和图像滤波算法,算法利用字符局部信息对区域内的字符进行二值化处理,后进行连通运算和数学形态学闭运算,使相邻字符连成一个字符串区域,最后根据侯选区域的先验信息,快速定位出被识别字符的准确位置.研究表明,在高速运动中拍摄80*60mm大小的物体,图像大小为640*480,利用ROI区域,可以实现100%的目标区域精确定位,定位时间小于20ms,为后续字符的准确分割和识别奠定了良好的基础.     

车辆牌照上英文和数字字符的结构特征分析及提取

为了研制高性能的车辆牌照自动识别系统，在详细分析车辆牌照上英文和数字字符结构特点的基础上，选择字符图象中的闭合曲线作为其整体特征，将笔画端点，三叉点和四叉点作为其细节特征，同时将笔画中的拐角点作为其辅助结构特征，三者可分别用于字符的粗分类，细分类和相似字符区分，进而提基于图论和细节点特征的闭合曲线检测算法以及基于二值图象外边缘轮廓线的笔画拐角点检测算法，将上述结构特征用于车辆牌照上英文和数字字符识别，测得识别率达96％，用PⅢ550计算机完成结构特征抽取和字符识别所用时间约20ms／字符，表明这些结构特征适用于车辆牌照上英文和数字字符的快速识别。     

基于小波变换的图像汉字笔划特征提取方法

借鉴仿生模式识别的认知观点,从汉字的构造机理和人类认识汉字的习惯角度出发,提出一种基于小波变换的图像汉字识别方法。制定了图像汉字笔划特征提取的具体规则,采用小波变换的方法对图像汉字边缘和笔划轮廓进行检测,通过有效提取图像汉字笔段信息,进行笔段合成,生成汉字或汉字的基本笔划。仿真实验结果表明,这种方法提高了图像汉字笔划特征提取的准确率和稳定性,对于印刷体和书写较规范的手写体图像汉字具有极高的识别率。     

一种新的车牌字符快速识别方法

针对车牌字符图像的特点,在研究各种特征提取方法适用场合的基础上提出了改进的特征提取方法和字符识别方法。对于英文和数字,使用一种基于模板匹配和神经网络的车牌字符识别方法。该方法采用两级识别,第一级采用模板匹配识别差别明显的字符,第二级采用BP神经网络识别第一级不能确定的相似字符。对于汉字采用小波变换和LDA提取特征。该方法利用小波变换的特性最大程度地提取了字符图像的特征信息。实验结果表明此算法具有较高的识别率和较快的识别速度。     

一种实时纸币识别方法的研究

纸币清分是银行的一项重要业务，目前人民币的机器清分技术还是我国的一项空白．提出了一种用于高速纸币清分机的实时人民币识别方法，该方法提取了纸币图像的方向块特征，将人民币的长度和宽度作为识别特征，采用了改进的Kohonen网络设计了识别分类器．实验结果表明，提出的方法取得了较高的识别率，并且满足了实时性的要求，并且已经在一个实际的系统中得到应用．     

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。