基于FPGA的实时车牌字符识别方法的研究

通过对车牌图像进行预处理,提取出车牌中字母和数字字符,建立相应的模板.采用多模板匹配算法,在FPGA中实时地实现车牌字符识别.该文对字符识别系统的软硬件设计进行了详细的阐述.实验结果表明:该方法具有较高的识别速度,多模板匹配确保了字符识别的准确率.     

复杂背景下车牌的定位和字符分割技术研究

提出了一种基于数学形态学的多特征车牌定位方法和基于模糊模板匹配及垂直投影的字符分割算法,先通过形态学运算得到一系列候选区域,根据车牌的纹理特征从中找出车牌区域,再利用模糊模板匹配的方法找到字符区域,进而根据字符垂直投影进行单个字符分割.对大量的图片进行实验,结果表明该算法能够有效地解决复杂背景下车牌定位和字符分割困难的问题,具有较好的鲁棒性.     

基于粗网格神经网络的车牌字符识别方法

目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值.     

基于Gabor变换和支持向量机的车牌字符识别算法

为了提高车牌字符识别率，将支持向量机SVM方法用于车牌字符的识别，算法首先采用Gabor变换和整体结构特征提取的方法提取车牌字符图像的特征参数，然后采用提取的特征训练SVM分类器，再应用SVM分类器分类和判别车牌字符。实验表明这种方法具有良好的车牌识别效果，较强的鲁棒性，有较大的应用价值。     

基于聚类分析的个性化美国车牌分割算法

针对美国车牌个性化严重,车牌上字符个数、字体、间距和背景等信息都不一致的情况,提出一种可处理复杂多变车牌的车牌分割算法.基于动态的字符分布信息计算车牌倾斜角度和垂直投影局部梯度,利用聚类方法去除非字符区域,并动态确定字符宽度,获得准确字符区域.基于局部梯度的循环分割得到准确的字符分割结果.为了验证该算法,基于1万多张美国车牌的数据集进行实验,结果表明：与已有算法相比,该算法对于具有字符个数不定、字符间距不一致、背景复杂等特征的个性化美国车牌的分割效果有较大提高,分割正确率提高了约5%.     

一种新的汽车牌照字符切分算法

充分利用车牌字符的局部与整体特征,提出了字符串的车牌相似度概念．并在此基础上提出了一种新的车牌字符切分算法．该算法将搜索连通区域切分与投影切分结合起来,通过聚类分析,遍历各种切分的可能情况,最终按照车牌相似度最大的字符串完成字符切分．实验结果表明,该算法有很好的可行性和有效性．     

基于图像模糊度与主成分分析的车牌汉字识别

针对车牌汉字字符结构复杂且图像品质差异大而导致识别率不高的情况,提出了一种基于图像模糊度的主成分分析(PCA)子空间车牌汉字字符识别方法。首先通过三角模和非模糊基数计算字符图像的模糊度,然后根据模糊度将训练样本分成不同的子集并生成相应的PCA子空间族,最后以待识别字符的模糊度为依据选择相应的子空间族进行识别。实验数据表明,本文方法使得子类的类内距离变小类间距离增大,从而可以获得较高的识别率。与其他算法的对比实验进一步表明,本文算法能更好地同时满足精度和实时性的要求,具有良好的综合性能。     

基于小波空间的车牌字符识别算法

根据车牌中字符的形态特征和横向纹理属性,以小波空间作为车牌字符识别的特征空间,用小波系数能量和熵的动态阈值提取车牌字符相应的统计特征并作为BP神经网络的输入进行识别.实验结果表明该算法是一种切实可行、准确高效的方法,对复杂背景下拍摄的汽车牌照识别具有很好的鲁棒性.     

一种基于模糊聚类的车牌图像分割方法

车牌图像分割是车牌特征提取和识别的前提,其分割效果直接影响到车牌识别的准确率。针对运动中的车辆牌照受天气等环境的影响,导致车牌图像存在不确定性和模糊性的特点,提出一种基于C均值模糊聚类的车牌图像分割方法,避免图像分割时的阈值设定问题。利用采集的原始车牌图像,在MATLAB7.0环境下进行分割仿真实验,实验结果表明,算法可以有效地去除干扰信息,突出车牌区域的图像特征,为后续的车牌定位、字符分割和字符识别提供重要保证。     

基于模糊聚类与RBF网络集成分类器的验证码识别

针对粘连字符验证码识别率低的问题,提出了一种基于模糊聚类和径向基神经网络的动态集成分类器.该分类器采用分割和识别反馈动态结合的思想,首先通过模糊聚类算法对字符进行特征提取,将其作为RBF神经网络的输入,然后网络依据识别置信度和字符特征隶属度进行特征节点的动态选择,最后通过实验进行了算法有效性和识别率的验证.与其他算法的对比实验进一步表明,该方法体现了整体优先,细节补偿的思想,能够充分利用训练样本集的信息,改进了低质量字符识别率不高的问题.     

基于机器学习的商品本体细粒度语义知识获取

针对电子商务应用中商品本体模型粒度过粗和细粒度语义知识匮乏的问题,提出了商品候选属性集的5类分类特征,选择进化算法对分类特征集进行优化,研究基于机器学习的商品本体细粒度语义知识获取方法。通过SVM算法执行分类实验,结果证明了5类特征集的有效性。所提出的5类特征集对于其他领域具有一定的通用性,获取细粒度语义知识也有助于构建商品细粒度语义知识库,满足电子商务应用中对细粒度商品知识的需求。     

基于二次模版库的车牌残缺字符识别

字符识别在车牌识别中的作用不可或缺,最简便的识别方式为模版匹配法。本文提出改进的模板匹配法,通过细化的字符子库,结合相关匹配算法,提升识别效果,克服了传统模版匹配无法识别残缺字符或匹配识别错误的缺点,实现遮挡或残缺字符的精确识别。     

基于支撑矢量机的智能目标识别方法

支撑矢量机是一种能在训练样本数很少的情况下达到很好分类推广能力的学习算法。文中将支撑矢量机的概念引入雷达的目标一维像识别中,对其机理作了详细地分析,建立了相应的支撑矢量机分类器算法。对雷达目标的回波数据进行目标特征提取与分类的实验结果表明,此方法可使信号特征的可分性得到显著提高。     

基于Transformer的低质场景字符检测算法

为了提升低质场景文本图像的文字检测和识别性能,提出一种基于Transformer的字符级场景文本检测算法。依据场景文本行中的字符顺序,设计基于Transformer的编码-解码结构,能够输出每个字符检测框的坐标以及排序预测。根据匈牙利算法的思想,设计了基于字符检测框坐标及排序损失的损失函数,以提高匹配检测结果的准确性。在3个字符级标注的场景文本数据集上的场景字符检测、场景字符识别的相关实验结果表明,所提算法能够取得较好的性能,在多个评价指标上均优于对比算法。     

基于相对熵的KNN文本分类方法的研究

摘要:为提高处理文本相似度的效果,提出了一种基于相对熵度量文本差异的KNN算法.该算法首先对文本进行预处理(分字与删去停用字)和构建特征字字典; 然后计算训练集中所有文本特征字的概率,并组成训练集(特征字概率矩阵); 最后计算预测文本的特征字概率向量,并通过计算和统计K个预测文本与训练集文本间相对熵最小的文本类别个数后将数目最多的类别作为测试样本的类别.实验结果表明,该算法的分类效果不仅显著优于传统KNN、SVM、Decision Tree、朴素Bayes算法的分类效果,且在小样本数据情况下     

Optimization of support vector machine power load forecasting model based on data mining and Lyapunov exponents

According to the chaotic and non-linear characters of power load data, the time series matrix is established with the theory of phase-space reconstruction, and then Lyapunov exponents with chaotic time series are computed to determine the time delay and the embedding dimension. Due to different features of the data, data mining algorithm is conducted to classify the data into different groups. Redundant information is eliminated by the advantage of data mining technology, and the historical loads that have highly similar features with the forecasting day are searched by the system. As a result, the training data can be decreased and the computing speed can also be improved when constructing support vector machine (SVM) model. Then, SVM algorithm is used to predict power load with parameters that get in pretreatment. In order to prove the effectiveness of the new model, the calculation with data mining SVM algorithm is compared with that of single SVM and back propagation network. It can be seen that the new DSVM algorithm effectively improves the forecast accuracy by 0.75%, 1.10% and 1.73% compared with SVM for two random dimensions of 11-dimension, 14-dimension and BP network, respectively. This indicates that the DSVM gains perfect improvement effect in the short-term power load forecasting.     

基于连通域的字符孔洞提取算法及其实现

提出了基于等价类行程的连通域算法,通过计算字符图像背景区域连通域提取手写字符图像的孔洞特征。为将相关行程合并成连通域,构造一个等价类数组记录和传递相关行程间的连通关系。手写数字字符图像的实验结果表明,本文算法能准确有效地提取手写数字字符孔洞特征,可用于字符分类识别。     

一种高效的药瓶标签字符识别系统关键算法研究

针对药瓶标签的特点,对字符定位、字符分割、字符识别等多个环节进行了深入研究,设计了一种字符识别系统。对药瓶标签图像进行预处理,为后续药品标签上字符的定位做准备。用轮廓跟踪法定位字符所在的大致区域,采用水平投影结合图像分割方法精确定位字符区域。利用垂直投影法定位字符中的粘连块,并进一步利用滴水算法分割粘连字符。选用K-L变换对粗分类后的子类提取字符特征,选用一种自适应调节学习率和动态调整S型激励函数相结合的改进BP算法对字符进行精确识别。实验证明本系统能够快速、高效地识别出药瓶标签上的字符,有实用价值。     

Hybrid classifier based method for similar handwritten Chinese character recognition

To solve the similar handwritten character recognition problem, a novel scheme is proposed to make better use of the feature's discriminative information. Different from the methods for extracting the extra feature for the similar characters, the Modified Quadratic Discriminant Function(MQDF) is first adopted to classify the feature, then the Support Vector Machine(SVM) is used to discriminate the similar characters without the extra feature. To collect the subset of similar characters, the confusion matrix is employed. A new structure for storing the dictionary of the SVM is also proposed for quickly searching. Experimental results on ETL9B show the superior performance of the proposed scheme to the methods for extracting the extra feature, which proves that the feature contains discriminative information for the similar characters and that the proposed scheme can utilize this information very effectively.