手写字符样本自动采集研究

提出用行程段信息表示字符图像的编码方法 ,以二进制形式存取 ,能节省大量的文件存储空间。预处理阶段 ,使用最佳阈值二值化方法和平滑技术处理样本表格图像。为保证字符图像正确分割 ,先提取样本表格图像垂直边缘 ,然后使用Hough变换检测图像倾斜角度。提出了快速标记行程段中心迭代算法实现字符图像的分割。手写数字样本自动采集实验表明本文方法的有效性     

一种二值图像物体形状特征计算方法

二值图像连通域(物体)的形状特征(面积、周长、圆形度和重心等)在物体识别、文档图像分析等计算机视觉领域有着广泛的应用.在进行连通域形状特征的计算时,首先要使用连通域标记算法将每个连通域用不同标号标记,再计算每个连通域的形状特征.针对现有的相关算法只能计算没有孔洞的连通域的形状特征的问题,提出一种可以计算含有孔洞的物体的形状特征的算法.在基于边界追踪的连通域标记算法的基础上,在进行连通域标记的同时融合形状特征的计算.算法在线性时间内完成且所需内存空间小.实验结果表明,算法能正确地、有效地计算含有孔洞的物体的形状特征.     

部件字典结合时分方向特征的手写维吾尔字符识别

针对联机手写维吾尔128类变体字符,提出了一种基于部件字典和时分方向特征的识别算法。该算法首先结合连笔分析,将字符分解为主体、附加和点三类部件,建立手写维吾尔字符的部件字典,有效解决联机手写维吾尔字符的笔顺连笔自由问题;然后,为减轻手写字符拓扑变形造成的干扰,对单个部件提取一种新的联机特征-时分方向特征,该特征在模糊域提取方向链码然后按时序划分统计,并通过检测和调整短时变动进行抖动校正;最后,设计不同分类器对各部件进行匹配,利用匹配测度分布估计各部件权重,并通过加权朴素贝叶斯融合得到字符识别结果。实验结果表明,该算法能有效地识别128类无约束手写维吾尔字符,在包含13 056个样本的手写体维吾尔字符数据库上的平均识别率为93.15%。     

基于数学形态学与图论的数显字符识别

根据数显数字字符的特点,设计了一种基于数学形态学与图论的字符识别算法。针对数显数字字符,将数学形态学的膨胀和细化处理后的字符图像看作是1幅连通图,根据图论中闭合曲线特征,选择闭合曲线作为其整体特征对10个数字字符进行初次分类,将笔画端点所处字符图像中4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。     

基于机器视觉的化妆品纸质标签缺陷检测方法

针对化妆品纸质标签生产中出现的不干胶标贴漏贴、偏移、倾斜、叠加,生产日期字符漏喷、偏移、倾斜、多喷,日期喷印错误等缺陷,提出一种化妆品纸质标签缺陷视觉检测方法。首先,利用数字形态学与连通域分析技术,从倾斜校正后的标签本体图像中分别提取不干胶标贴和日期字符区域;其次,分别提取区域重心坐标与方向角检测不干胶标贴和日期字符的位置缺陷;进而,在日期点阵字符垂直校正基础上分割字符,提取网格特征、垂直投影、投影宽度及字符占空比等字符特征,利用这些特征训练BP神经网络并实现对日期点阵字符的识别;最后,在样机上采集了大量正常及具有不同类型缺陷的化妆品标签图像,进行实验验证。实验结果表明:该算法准确率高、稳定性好,能够快速检测位置缺陷和准确识别日期字符,检测准确率可达94.4%。     

一种曲面药瓶标签校验方法关键技术

针对药瓶标签具有曲面性以及采集设备视角小的问题,提出了一种基于全景拼接技术的药瓶标签校验方法.采用柱面反投影算法将发生畸变的曲面药瓶标签进行校正,使用SIFT尺度不变特征算法对校正后标签图像进行拼接,提取拼接后的标签名等信息,采用基于连通域的字符分割技术进行字符切分,计算分割字符与模板字符的特征矩阵及相似度矩阵,从而识别出药瓶标签.结果表明,该方法能够校正标签两侧的文字压缩,实现图像拼接,得到包含完整药瓶名称的图像,并能够实现字符的准确切分,具有速度快和识别率高的优点.     

灰度文档图像字符切分方法

目的解决在较低质量灰度图像中进行字符切分问题．方法提出了一种字符切分方法，先对图像预处理来消除灰度不均匀性。再通过各个灰度级下的所有连通域的伪边界总长与面积的平方根之比找出一个阚值。使用泛滥填充算法，找出每个小于等于闽值像素的八连通域的边界，完成字符块预切分，最后找出重叠块和粘连块完成切分．结果通过对超过200幅的低质量灰度图像进行实验，获得了较满意的结果．结论由不同灰度级下连通域的伪边界总长与面积平方根的比值与连通域分散程度的相关性，可确定灰度图像中字符切分所用的阚值，经过合适的预处理可以在很大程度上消除低质量灰度图像对切分的影响．     

神经网络对手写字符识别特征的提取

神经网络对手写字符有较强的识别能力 ,关键在于特征的提取。本文提出按字符字段和非均匀网络结构浓度提取手写文字特征的改进方法。     

神经网络对手写字符识别特征的提取

神经网络对手写字符有较强的识别能力,关键在于特征的提取。本文提出按字符字段和 均匀网络结构浓度提取手写文字特征的改进方法。     

基于改进Mean Shift的高铬铸铁电镜图像碳化物目标提取

鉴于高铬铸铁电镜图像含有丰富的纹理背景,运用传统的算法对其进行聚类过程中,往往出现过多模式点,导致图像过分割的现象,提出一种改进的Mean Shift聚类方法并以此对高铬铸铁电镜图像中碳化物目标进行提取。首先,利用传统的Mean Shift算法对特征空间采样点进行迭代得到初始模式点;再将空域距离小于空域带宽hs、色度域距离小于色度域带宽hr的模式点及像素值之差小于阈值T的邻近区域进行合并,以避免产生过多聚类数;然后对每个聚类中心采用双阈值法提取出目标区域;最后消去二值化图像中面积小于阈值N2的非连通背景区域。实验结果表明,改进方案相对于传统的Mean Shift算法、K均值算法等同类算法能够更为有效地提取出高铬铸铁显微图像中的碳化物,为后续的高铬铸铁性能分析提供可靠依据。     

非限制自由手写粘连数字串数字个数的判断

分析了非限制自由手写粘连数字串的下边缘特性后,利用句法分析的判别手段对粘连字串的个数进行了判断,在不限制书写长度的情况下,取得了87.5%以上的判断正确率。该算法在银行支票手写账号自动识别系统中得到了有效的应用。     

基于连续非对称卷积结构的手写体数字识别

为了提高手写体数字识别的准确率,设计并提出了一种基于连续非对称卷积结构的手写体数字识别的深度学习算法.以连续非对称卷积结构为基础,结合极限学习机和MSRA初始化设计网络结构.在识别输入图像时,利用CUDA并行计算与Cudnn神经网络GPU加速库对手写体数字识别进行加速.在MNIST手写体数字数据库上进行实验,提出的网络结构识别准确率达到99.62%,单张图像识别速度为0.005 8 s.经实验结果对比表明,该网络结构在识别准确率和识别速度上得到有效提升.     

汉字笔迹鉴别中预处理算法实现

针对自由格式的手写体汉字,提出一套系统完整的笔迹图像预处理算法,其中我们将汉字宽度的统计特性与高斯分布的特性结合进行粘连字的滤除,然后根据粘连字的投影图中波谷点的位置,选择某一阈值作为最佳切分点将其分割开来,从而很容易实现了字符大小的归一化、汉字的任意拼接和行倾斜的校正.该算法使得整个预处理子系统更加稳定与完善,为后续的笔迹鉴别提供了可靠的保证.     

汉字笔迹鉴别中预处理算法实现

针对自由格式的手写体汉字，提出一套系统完整的笔迹图像预处理算法，其中我们将汉字宽度的统计特性与高斯分布的特性结合进行粘连字的虑除，然后根据粘连字的投影图中波谷点的位置，选择某一阈值作为最佳切分点将其分割开来，从而很容易实现了字符大小的归一化、汉字的任意拼接和行倾斜的校正．该算法使得整个预处理子系统更加稳定与完善，为后续的笔迹鉴别提供了可靠的保证．     

A 4-Corner Codes Classifier Based on Decision Tree Inductive Learning for Handwritten Chinese Characters

oINTRODUCTIONDiscretevectorspacewhichcanbeappliedtomanyfieldssuchaspatternrecognition,intelligentcontrolandknowledgeacquisi-tion[l~3lplayakeyroleinartificialintelli-gence.DecisiontreeInductivelearningisoneofthemosteffectivemethodswhichcanac-quireknowledgebytrainingexamplesinfiniteanddiscretevectorspace1"51.Algorithms['6]fordecisiontreeinductivelearningcanyieldarecognitionfunctionaccordingtoatrainingexamp1eset.Valuesgivenbythefunctionbe-longtoaone-dimensional,finiteanddiscretevectorspace.…     

基于与或树结构的手写汉字识别方法

提出以与或树结构来描述手写汉字结构特征和笔划特征的方法，并以特征树之间的距离量度来判定特征树的匹配，从而达到识别汉字的目的。此外，使用与或树结构能够归纳出训练字的共性和差异，并对识别字典充实与完善。     

一种改进的基于 ART2神经网络的文字识别算法

为了解决 ART2神经网络的漂移问题,提出了一种改进的基于 ART2神经网络的文字分类和识别方法.此方法能够自主学习,收敛速度快,识别率和识别速度都比 BP神经网络高.实践证明,基于此设计的脱机手写体文字识别系统能对较规范的手写体文字进行识别,识别率达到85%.     

基于改进的PSO神经网络的手写体汉字识别

为了克服手写体汉字识别中传统神经网络训练算法存在网络易于过早收敛的缺陷,本文提出采用自适应惯性权值的粒子群优化算法训练神经网络,即利用粒子更新迭代训练神经网络最优的权值和阈值,其中对粒子更新的惯性权值进行了自适应性的改进.试验中提取了大量汉字样本的笔画数量信息和分布信息作为特征向量,利用改进的粒子群神经网络对汉字进行分类,并与BP神经网络的识别效果做了比较.结果表明:自适应惯性权值的粒子群优化算法能有效避免网络"早熟",大大提高了网络训练精度,网络对汉字的识别正确率明显提高.