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.     

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。     

改进的BP神经网络算法在车牌识别中的应用

在车辆牌照自动识别系统中,因自然因素或采样因素使得原本规则的印刷体字符产生畸变,给字符识别带来了很大困难,利用BP神经网络对车牌进行识别得到广泛的应用,如何提高车牌识别的准确率和速度是车牌识别系统最根本的问题.本文用动量因子和自适应学习速率对传统BP网络进行改进.该算法简便,识别率高,可适用于多种高噪声环境中的字符识别.     

基于扇形特征和BP神经网络算法的字符识别

目的 根据字符的扇形特征提取方法,BP神经网络算法,寻求一种识别率较高的字符识别方法.方法 将待识别的文件进行图像预处理,然后对处理后的单字符使用扇形算法提取出32个特征量,组成特征向量,采用BP神经网络对特征向量进行训练和识别,最后应用选择性阈值最小距离方法对输出结果进行判断,减少误识别率.结果 通过使用扇形特征提取方法、BP神经网络和选择性阈值最小距离方法,达到了较好的字符识别效果,实验结果表明该方法识别精度较高,训练时间较短.结论 保持一定数量以上的训练样本和训练次数,可进一步提高字符识别的正确率.采用扇形特征和BP神经网络算法可应用于字符识别.     

一种高效的汽车牌照自动识别系统预处理算法

提出一种高效的汽车牌照自动识别系统预处理方法.采用文中提出的图象分析法对汽车牌照进行定位,利用Soble边缘检测法和大津展之的二值化方法处理图象,最后送入字符识别系统进行识别.实验结果表明,该方法具有快速准确的特点,明显提高了系统的识别率.     

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.     

一种基于特征的BP神经网络车牌字符识别

字符识别是自动车牌识别系统中很关键的一步.字符识别有以下几步,首先,对车牌图像进行预处理.其次,通过竖直方向投影分割字符.最后,将提取的字符特征输入网络进行训练.在实验中,利用该方法对光照不均、字符大小不一、运动背景的图像,特别是相似字符的识别获得了较高的识别率,并且将其与字符输入BP神经网络进行对比分析.实验结果表明,该方法对字符识别有很好的鲁棒性、有效性.     

一种基于投影变换和神经网络的字符识别方法

提出了一种基于投影变换和BP神经网络的字符识别方法,该方法集成了投影变换和神经网络的优势,可有效地提高机动车牌照上的字符的识别率、识别速度以及识别系统的泛化能力.用MATLAB构建字符识别网络进行仿真测试,结果表明该方法是有效的,测试识别率可达96%.     

几种文本图像二值化方法的对比分析

文档图像二值化是光学字符识别（OCR）预处理阶段的关键技术,其处理效果的好坏直接影响光学字符识别的识别率的高低.本文对几种全局阈值算法与自适应局部阈值算法进行了研究分析,从理论模型和实例文档图像两个方面综合分析了OTSU法、迭代法、简单统计法、Bersen、Niblack、VFCM、NFCM等二值化算法.通过实验、对比分析表明,几种算法各自具有其优缺点,对一些复杂文档图像情况的适应性也各不相同.在实际应用中,应根据具体的文档图像质量、周围环境的光照,以及对图像处理时间的要求等情况选择合适的文档图像二值化算法.     

基于方向小波和BP网络的数字识别

针对目前数字字符识别的研究现状,提出了方向小波变换和BP神经网络相结合的数字字符识别方法.小波变换具有良好的方向特性,根据这个特点能很好的提取数字字符的特征,以此特征作为输入向量,用BP网络进行数字识别.实验结果表明,该方法大大减少了运算数据量,缩短了识别时间,具有较高的识别率,对一些如笔画断裂等典型噪声有很好的识别效果,是一种有效的识别方法.     

嵌入式平台下英文名片字符识别算法的实现

提出了一种嵌入式平台下英文名片字符识别的设计思想和实现方法,研究出了一套适合于嵌入式平台的字符识别系统。应用高效的特征提取算法和合理的分类器设计算法能够识别斜体、黑体和常用字体的英文字符和数字,其识别率达到95.5%。     

支持向量机在字符分类识别中的应用

为了对数字字符和字母字符进行有效识别，提出了一种利用二值字符图像投影的特征参数构
造字符特征矢量的方法，对这些特征矢量进行归一化处理并作为支持向量机的训练集。采用支持向量机和
多层感知器网络对字符的特征矢量进行训练，分别构造出26个字母分类器、10个数字分类器以及36个字母
-数字综合分类器。通过对字符的分类识别测试，字符识别的准确率平均为96.5％，识别速度平均为20.5
ms/字符，结果表明了支持向量机在字符识别应用中的有效性。     

基于模糊推理的名片识别后处理方法

针对名片信息的特点和通常的OCR名片识别方法识别率较低的问题,提出一种新的基于模糊推理的名片识别后处理方法.该方法通过OCR识别得到的文本信息和候选文本信息来进行文本内容分析,通过OCR过程中的图像切分参数进行版面分析,在分析中均采用模糊推理的方法,同时,提出一种新的模糊运算的交型算子,应用于模糊推理运算中.最后综合上述内容分析和版面分析的结果得到最终的信息分类结果.实验结果表明,该方法在名片识别和分类正确率方面明显优于其他几种常用名片系统采用的算法,本方法不仅提高了OCR识别的正确率,而且还提高了经后处理以后的识别正确率.     

基于字符特征叠加提取与BP神经网络的字符识别

由于字符的种类繁多,并且同一字符又有多种字体,而传统的字符识别方法不能充分利用字符本身的特征,因此造成识别的字符种类单一、识别效果不理想等问题。提出一种通过字符特征叠加提取结合 BP 神经网络识别字符的方法,从单一字符图像中提取到更多的字符特征,利用BP神经网络自我学习的特点,设计了字符识别系统,再用 VC编程完成识别过程的仿真。结果证明,用本文提出的方法进行字符识别,识别的字符种类多、识别率高、识别时间短。     

基于STEP的相交特征识别

目的构建基于STEP的制造特征识别系统,研究系统中的特征识别尤其是相交特征识别的实现方法．方法在VC＋＋6．0和ST—Developer集成环境下,应用MFC类库和ROSE库等进行系统的构建及程序和数据的处理,并以STEP中性文件AP203和AP224分别作为系统的输入和输出文件．结果所构建的系统实现了具有相交特征的制造特征识别,其特征识别技术是采用基于图的特征识别方法;针对特征相交中两种不同类型的相交实体,分别采用不同的方法对加工面邻接图进行了有效的分解．结论以AP203文件作为特征识别系统输入文件,实现特征识别系统与CAD系统的无缝连接;经过特征识别所生成的特征符合AP224中所定义的制造特征模型,有力地支持了基于STEP的CAD＼cAPP＼CAM数据集成技术,所采用的制造特征识别方法能够识别普遍的相交特征．     

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%.     

一种改进的LBG算法在声纹识别中的应用

提出一种改进的矢量量化VQ(Vector Quantization)算法,优化了现有的声纹识别技术,并已经得到了应用。对基于LBG(Linde Buzo Gray)算法中现有的倒谱参数MFCC(Mel-Frequency Ceptral Coefficients)在声纹识别中的提取以及声纹模型建立的相关改进,使得矢量量化局部最优的特点在新的声纹模型建立时得到更好的应用。在保证识别率的情况下减少了匹配次数,降低了运行时间。经过测试,语音的平均识别率达到了92%以上,实时识别率达到90%以上。实验结果表明,相对于LBG算法原型,改进的算法的识别精度和速度都有所提高,是一种有效的声纹自动识别的实现方法。     

曲面表面文字平面化的算法

针对书籍内缝边缘类型的材料在进行光学字符识别（OCR）时会产生曲面变形的问题,提出将曲面表面的文字平面化的算法.将文字切割为网格,通过网格的尺寸数据,拟合计算材料变形的表示函数,得到变形材料与展平材料之间的映射关系,将变形材料表面还原.提出一种适合快速计算和实现的不需要拟合函数和积分运算的快速算法,经过测试,验证了该算法的适用范围.结果表明,该算法比拟合函数的算法在效率上有很大提高,并且相对原变形材料,识别率大幅上升;该算法不需要复杂的采集设备,可对绝大多数已有的扫描数据进行校正.     

ART-2神经网络在机器人视觉特征识别中的应用

介绍了一种采用ART-2型神经网络技术对图像进行识别的方法,并进行了一系列实验.实验结果表明,基于神经网络的识别模型是一种比较理想的图像识别模型,基于ART-2神经网络的视觉系统能够很好的识别物体形状,具有良好的应用前景.     

基于SVM的车牌字符识别算法研究

SVM可在训练样本很少的情况下获得很好的分类推广能力。首先分析了用多类SVM算法对车牌中的字符进行识别时存在不可区分的区域问题和采用模糊SVM算法解决该问题的办法,然后讨论了字符特征的提取方法,并根据我国车牌字符的特点分别设计了汉字、字母、数字、字母／数字4个基于模糊多类SVM的字符分类器。最后在MATLAB环境下,采用径向基核函数对算法进行学习训练。实验测试结果表明,该方法可以很好的提高字符识别的速率和效率。