复杂背景下的汽车牌照自动识别系统

分析了目前存在的车牌自动识别系统及其相应的问题,提出了一种在多分辨率下串行运算的金字塔结构的车牌自动识别系统.该系统由两个重要步骤组成:1)基于灰度方差的车牌定位算法,2)结合连通域分析和投影分析的字符切分算法.通过大量的实验证明该方法准确率高,鲁棒性好,速度快.     

基于小波特征的单字符汉字字体识别

汉字图像不仅包含了汉字的字符信息,还包含了汉字的字体信息.字体信息是版面分析、理解和恢复的重要依据,还有助于实现高性能字符识别系统.目前的字体识别方法还不能对单个汉字字符的字体进行识别.本文提出了一种新的字体识别方法,能够在不知道汉字字符的前提下,识别单个汉字的字体.首先对单个汉字的字符图像进行小波分解,在变换图像上提取小波特征.提取的小波特征经Box-Cox变换整形后,用线性鉴别分析技术(LDA)进行特征选择,得到字体识别特征.所使用的分类器是MQDF分类器.在包含7种字体的样本集上进行的实验表明,本文提出的方法能够在不知道汉字字符的前提下,对单个汉字的字体进行有效识别,基于单字的字体识别率达到97.35％.     

一种基于笔划特征的印刷体汉字识别方法

本文根据汉字的结构特点,以组成汉字的基本结构——笔划作为识别的基本单元,提出了笔划区域编码的分类方法和利用笔划有序四元组的识别方案,这种方法具有较强的分类能力和抗噪声能力。利用由FX-3300传真机、IBM-PC和TS-84图象显示系统所组成的汉字识别实验系统,对3,755个仿宋体印刷汉字进行多次现场识别,取得了较好的结果。     

TS-84多功能微机图像图形处理系统

本文介绍了一种由0520系列(或IBMPC/XT、AT)为主机的多功能微机图像图形处理系统,并较详细地叙述了本系统硬件和软件的设计思想、构成和实现要点。     

中文OCR的发展现状及其最新技术

汉字是形、声、义有机组合的方块文字,其特点是数量浩大(常用汉字在4000到7000个)、结构繁杂、字体字形变化多端。要利用OCR技术来解决汉字的计算机自动输入问题面临着很大挑战。从80年代开始,我国国家863高技术发展计划、国家自然科学基金等对汉字自动识别输入的研究就给予了充分的重视,经过十多年的发展,印刷体汉字识别技术的进展及其应用,已受到世人瞩目。 一、中文OCR技术及其研究简介 中文OCR技术包括以下几个部分:     

一种改进的AdaBoost算法——AD AdaBoost

目标检测问题是计算机视觉领域最普遍和关键的问题之一.基于级联结构的AdaBoost算法目前被认为是较有效的检测算法,但是其在低FRR端的性能仍需改进.文章提出了一种针对目标检测问题的改进AdaBoost算法--AD AdaBoost.AD AdaBoost采用了新的参数求解方法,弱分类器的加权参数不但与错误率有关,还与其对正样本的识别能力有关.该算法能够有效地降低分类器在低FRR端的FAR,使其更适用于目标检测问题.新旧算法在复杂背景中文字检测的实验结果对比证实了新算法在性能上的改进.     

一种基于直方图特征和AdaBoost的图像中的文字定位算法

图像中的文字自动定位是计算机视觉领域中的一个新兴研究热点。为了使得定位算法能够适应不同类型的图像和文字，根据文字所具有的特殊纹理属性，提出了一种具有普适能力的基于直方图特征和AdaBoost的文字定位算法。该算法首先通过提取对文字具有较强鉴别能力的直方图特征和引入AdaBoost算法来设计级联结构的纹理分类器；然后用该分类器的概率输出来生成文字概率图；在此基础上再通过CAMSHIFT算法得到最终的定位结果。实验结果表明，该算法具有较强的鲁棒性，能够适应文字在语种、字体、尺度等方面的变化，在不同类型的图像中都能得到较好的定位结果。     

一种对光照鲁棒的人脸图像预处理算法

分析了Retinex理论的本质意义,得出Retinex输出图像本质上是相对反射率,而相对反射率对光照不敏感,从而将其应用于光照情况复杂的人脸图像预处理.采用均值方差归一化的方法,对Retinex输出图像进行灰度值线性拉伸.实验结果表明,该算法能有效地提高人脸识别对光照的鲁棒性,尤其是非受控条件下得到的复杂光照人脸图像.     

HMM方法识别脱机手写汉字

本文提出了一种在隐含马尔可夫模型(HMM)框架下建立的识别脱机手写汉字的方法,介绍了以HMM对脱机手写汉字进行建模、识别的整个过程,并给出了实验结果对国标一级3755个汉字的识别率,在两种测试集上分别达到96.4%和91.5%.     

利用级联SVM的人体检测方法

从图像中检测出人体是计算机视觉应用中的关键步骤。通过一个由简到繁的级联线性SVM分类器将级联拒绝的机制与梯度方向直方图特征相结合,实现了一个准确和快速的人体检测器,整个检测器由级联的线性SVM分类器组成。实验结果表明,在保持Dalal算法检测准确性的同时,大幅的提高了检测速度,每秒平均可以处理12帧左右的320×240的图像。