基于BP网络的英文字符识别

本文利用BP神经网络针对英文字符识别的问题建立模型,通过建立英文字符的图像模板,并给模板赋值形成特征矩阵,最后在MATLAB环境下应用BP神经网络对英文字符进行分类识别,在识别的同时,通过对模板进行模糊处理后再次识别,并与先前识别的结果比较来验证该模型的鲁捧性.仿真表明,该模型能够比较有效地实现英文字符识别,为英文字符识别提供了一定的参考性.     

基于多维特征和候选项的易混手写英文识别

针对手写英文识别中易混字符的识别问题,提出一种结合多维特征和候选项以区分易混字符的识别方法.利用卷积神经网络(convolutional neural networks,CNN)对手写英文字符进行识别,根据初始字符识别信息确定易混字符的类别;利用多维特征,设计针对不同类别易混字符的识别规则;由易混字符和其相连字符组成候选项单词,结合语料库以及字符间构成关系,最终对易混字符进行识别判断.实验结果表明,该方法在解决了易混字符的识别问题后,识别手写英文字符的平均准确率达到98.67％,具有一定应用价值.     

一种新的倾斜印刷体字符的校正方法

在印刷体字符识别中,为了减少倾斜图像校正对后续步骤的影响,本文提出了一种新的字符矫正方法来提高识别效果.针对传统处理方法对图像进行旋转给图像带来的误差,本文提出的方法在原始图像上通过霍夫变换检测出角度后在相应的倾斜面上进行投影分割,对分割出的字符块逐一围绕质心进行旋转处理,试验效果表明,对识别效果有较好的改善作用.     

基于SVM混合网络的车牌字符识别研究

本文提出了一种基于SVM混合网络的车牌字符识别方法。首先根据国内车牌字符的排列特点依次构造汉字识别子网、英文识别子网、英文与数字识别子网以及数字识别子网。然后针对英文字符和阿拉伯数字的字体结构具有连通性这一特点．采用形态学方法进行滤波处理．以减少噪声干扰。预处理后提取字符的小波包系数和矩做为特征量，最后在各个识别子网中采用SVM识别方法对车牌中的汉字、英文字符以及阿拉伯数字进行了识别。实验结果表明，该方法效果良好。     

英文字符特征提取系统

英文字符识别是模式识别的一个重要分支,具有广泛的应用领域.字符识别主要包括文档切分、单词切分、字符识别及后处理几部分.文中描述的是英文字符识别系统实现了从图像扫描到得到识别结果的全过程, 而字符特征提取是文本的重点内容.以五十二个英文字符为研究对象,具体包括了图像预处理、特征提取、建立模板、分类器设计、后处理等步骤.文章对OCR领域中应用比较广泛的网格特征、外围特征、穿越特征等特征和几种距离分类器分别进行比较分析,并进行大量的实验.实验结果表明识别准确率和识别处理时间方面具有良好性能.     

一个感知机神经网络字符识别器的实现

针对英文印刷字体,设计并实现了一个基于感知机神经元网络的字符识别器,输入印刷字符"L"和"I",对识别器进行训练、学习,以达到识别字符的目的。通过4000组的实验数据表明,该识别器对规范印刷的英文字符能高效、准确地识别出来,程序的平均学习次数为6.95次,平均用时0.006 812 56 s,耗时在可接受范围之内,进而验证了该字符识别器在实际应用中的可行性。     

标牌粘连字符自适应定位分割重建识别算法

针对仪表标牌上一些字符间距较小,传统分割方法不准确,字符识别率不高的问题,提出了一种标牌粘连字符自适应定位分割重建识别算法。首先对标牌图像进行中值滤波、二值化等预处理;其次运用数学形态学方法对预处理后的图像进行开运算及腐蚀,将字符间一些无用的信息去掉,增大字符间距;继而通过形心算法找出每个字符的几何中心坐标,并通过Sobel边缘检测算子根据几何中心坐标获取每个字符边框,建立ROI,再返回标牌原图利用已经建立的ROI从中分割字符,在分割的每个字符后加5像素宽的矩形间隔条后重建字符图像,再进行OCR字符识别。经过对993块标牌进行字符识别实验,算法的识别率达到95.7%,表明文中算法是对标牌字符识别的一种有效算法。     

粘连字符检测与识别技术的研究

为了有效地识别粘连字符,提出了旋转投影不变矩方法,此方法首先把字符串旋转到水平方向,然后采用最大方差阈值法把字符串从图像中提取出来,再沿垂直方向对字符串进行投影,投影图的波谷位置就是字符的切割位置,最后求取分割字符的旋转投影不变矩,利用旋转投影不变矩就可以对字符进行识别了,实验证明此方法是一种有效地粘连字符识别方法。     

基于扫描圈的字符识别方法

针对目前对各类文献资料进行数字化识别时,公式无法直接转化为可编辑文本形式的问题,提出一种基于扫描圈的字符识别方法。首先对公式中的各个字符进行识别,然后再确定这些字符之间的关系,以达到公式识别的目的。扫描圈识别是一种以笔划结构分析为基础的字符识别方法,通过搜索将字符中的所有连笔符号转化为四进制的扫描圈,然后从扫描圈中提取字符的不变特征量。以这些特征量为模板,用模式匹配法对字符进行识别,并采用最短距离比较的方法进行匹配,以获得较为精确的识别结果。     

基于模板匹配和支持向量机的点阵字符识别研究

食品、药品包装上的点阵字符信息一般包含生产日期和其他重要信息。针对目前单一的点阵字符识别方法准确率不高,且对点阵字符在复杂环境下（既包含点阵字符又包含连续字符）字符定位准确性低的问题,提出了一种基于模板匹配和支持向量机（Support Vector Machine,SVM）的组合点阵字符识别方法。该方法利用点阵字符的离散性质来准确定位点阵字符,然后分别通过基于灰度的模板匹配和基于特征的模板匹配方法得到两个判定结果。若判定结果相同,则识别出字符;若判定结果相异,将这两个结果送给SVM进行识别,得出识别结果。实验结果表明,该方法在点阵字符的定位准确性和识别率方面都优于传统字符识别方法,且识别鲁棒性较好,字符识别率达到96.10%。     

基于单程分裂与归并图像分割的集装箱号识别

集装箱号自动识别在海关物流管理等领域有着重要的实用价值。为了快速准确的地进行集装箱号识别,提出了一种基于图像分割和区域特征分析的集装箱号字符定位和识别方法。该方法首先基于灰度相似性运用改进的单程分裂与归并算法对图像进行自适应阈值分割,同时统计各个区域的灰度、形状、边缘强度等特征;然后根据字符区域特征,利用一定规则来滤除非字符区域;最后,对于定位出的字符区域,再依据区域特征进行二值化,并采用神经网络与模板匹配相结合的方法进行识别。在包含1 804幅图像的集装箱号识别实验中,整箱号识别正确的为1 750幅,准确率为97.01%,这充分说明了算法的有效性。     

工程图纸自动输入字符识别的二维隐性马尔可夫模型方法

在分析了语音识别的一维马尔可夫模型(1D-HMM)方法的基础上,采用二维马尔可夫模型(2D-HMM)方法识别工程图纸中的各类印刷体汉字、较规范的手写仿宋体汉字、英文及阿拉伯数字,适用于多字体、倾斜字符识别等情形,抗噪声能力强,取得了较高的识别率.     

A new Chinese character recognition approach based on the fuzzy clustering analysis

In this paper, a new Chinese character recognition (CCR) approach is proposed based on the fuzzy clustering analysis theory. Chinese characters (CCs) have various similar radicals and stroke components, which make it difficult to recognize features in the CCR process. At the same time, the recognition accuracy and the efficiency are lower when the objects to be recognized are complex. In order to solve these problems, a fuzzy clustering analysis method is introduced to enhance the computing efficiency. At first, the CCs including learning samples and testing samples are transformed into binarization templates in the form of matrixes. Then, the minimum distance algorithm is applied to calculate ‘distances’ between the testing sample templates and the learning sample templates. At last, the character recognition can be achieved by searching the minimum distance from the results. The experiment results of the CCR process can prove the effectiveness and accuracy of the new method.     

鲁棒的多体印刷英文识别系统的实现

文章讨论了设计一个实用的多体英文识别系统中解决的主要问题。该系统能识别多达260种字体,包括斜体和黑体等字体,对训练集的识别率达到99%,对实际文本测试的错误率比TH-OCR2000低56%。文章详细阐述了文本行字切分,特征提取和分类器设计,以及后处理所使用的常用技术,对各种技术的特点进行了分析和比较,并提出了一些新的技术。文章对于OCR系统的设计具有一定的指导意义。     

基于多重规则和路径评价的在线中英文手写识别方法

手写文本识别方法主要应用于文本输入技术,对人机交互领域的发展起关键作用。针对多数在线输入法无法识别中英文混合手写识别的问题,提出一种在线中英文混合手写文本识别方法。通过对文本笔画进行基于水平相对位置、垂直重叠率、面积重叠率规则的整合以及连笔切分,得到一系列字符片段,同时利用笔画个数、宽高比、中心偏离、平滑度等几何特征和识别置信度,对字符片段进行中英文分类。在此基础上,根据分类结果并结合自然语言模型的路径评价及动态规划搜索算法,分别对候选的中、英文字符片段进行合并处理,得到待识别的中、英文字符序列,并将其分别送入卷积神经网络的中、英文识别模型中,得到手写文本识别结果。实验结果表明,在线手写中英文混合文本识别正确率达93.67%,不仅能切分在线手写中文文本行,而且对包含字符连笔的在线手写中英文文本行也有较好的切分效果。     

基于图像识别的标记阅读机研究

阐述了基于图像识别的信息填涂卡文档图像标记阅读机中的识别算法，并提出一种新的信息卡填写方式。对常用的字符识别方法以及特征提取方法进行了描述，并根据实际，采用基于最小距离分类器的模板匹配算法来对手写符号进行识别，结果表明算法能有效地解决信息填涂卡文档图像的手写符号识别问题。     

基于矢量特征编码的手写字符识别技术

针对手写输入法中手写字符识别技术的应用需求,提出了一种利用矢量字符的矢量方向编码技术和概率论知识设计的手写字符识别系统,避免了传统手写输入法中字符识别技术的平滑、除噪、归一化等预处理过程。实践证明提取特征少,识别速度快,准确率高。     

基于QNN的图像特征提取字符识别系统设计

为提高字符识别的正确率与可靠性,将图像处理技术与量子神经网络（QNN）相结合,对基于QNN的字符识别系统进行了研究。采用粗网格特征法对图像的特征量进行提取,同时,为了增强粗网格特征法抗位置变化的能力,在特征提取前,对字符图像进行了定位,并将其平移至模板中心,再进行特征提取,然后采用基于多层激励函数的量子神经网络对字符进行识别。采用matlab进行仿真实验,结果表明量子神经网络具有较好的识别效率,准确率可达90%以上,抗噪能力强,可以更好的分类。这说明系统的确可以从一定程度上达到提高识别正确率的效果,达到了预期效果。     

基于Viterbi 算法的粘连断裂印刷体数字行切分识别方法

粘连断裂字符行的切分识别，是很多OCR 实际应用中存在的主要困难之一. 本文针对粘连断裂的印刷体数字行，提出了一种基于Viterbi 算法的切分识别方案，该方案采用两次切分识别的层次型结构. 在第二次切分识别过程中，首先，在候选切分点区域，结合灰度图像与二值轮廓信息，采用基于Viterbi 算法搜索的非直线路径进行切分，得到有效的切分路径；然后，结合分类器输出的可信度，采用Viterbi 算法来合并前面得到的候选切分图像块，进行动态切分与识别. 实际的金融票据识别系统实验表明，本文提出的印刷体数字行切分识别方法能够较好的克服字符行的粘连与断裂情况，提高了识别系统的识别率和鲁棒性.     

基于主成份分析和支持向量机的车标识别

基于车牌定位算法确定车牌和车标的位置关系,利用Hausdorff距离精确定位车标位置并对其进行数学形态学图像处理,边缘检测,连通域分析.对车标图像进行基于主成分分析的降维处理并对提取到的PCA特征进行归一化处理,最后用C-SVM支持向量机算法对提取到的特征进行识别.实验表明,上述算法具有精度高、识别效率高、速度快等优点...