提高字符识别精度的并行处理方法

本文提出了一种为提高字符识别精度、降低误识率、杜绝错识而采用的多种字符识别方法综合应用的并行处理方法，该方法首先对每种识别方法的每个字符识别结果赋予一定的可信度，对并行识别结果不致，的字符，根据可信度大的识别方法为先验知识，再次启动其它识别方法进行重新识别，实验证明本方法是一种精度高、适应性强的字符识别方法，适用于字符识别精度要求十分高，拒识、误识尽可能小的场合。     

一种有效的提高车牌首字符识别率的方法

针对车牌识别系统中由于低质车牌首字符特征提取困难而导致车牌首字符识别率不高的问题,提出了一种新的车牌汉字特征提取方法。该方法首先对车牌首字符的二值图像进行网格化处理,并对每一块网格区域提取字符笔画所在像素的占空比、散度和质心3个特征分量,接着将提取到的所有的特征向量用支持向量机分类器进行训练,最终可以得到一组鲁棒性很强的分类器。实验结果表明,该特征提取方法与支持向量机分类器结合可以较大地提高车牌首字符的识别率。     

局域网并行处理在语音识别中的应用

在语音识别中，不论是训练语音识别系统，还是使用系统识别语音，都需要进行大量的数据处理，这使得语音识别的研究和实现都变的非常困难。本文提出一种基于局域网的分布式计算机系统的快速并行数据处理方法来实现语音识别的模型训练和语音的识别，不仅加 了训练和识别的速度，节约了大量的时间，而且降低了语音识别任务对硬件的要求，取得了满意的效果。     

字符识别算法在车牌识别系统中的应用研究

本文以车牌识别系统定位后的车牌字符识别算法为研究对象,分析基于模板匹配的字符识别算法和基于神经网络的字符识别算法,将车牌字符进行分割处理,诠释字符识别算法在车牌识别系统中的应用。     

基于人工神经网络的数字字符识别

提出一种用神经网络来识别含有噪声的数字字符的方法。神经网络采用带有动量项和自适应学习率的反向传播算法(BP)进行训练。样本由理想信号和带有噪声的信号组成。通过比较测试结果得出对同一网络既使用理想信号又使用带有噪声的信号对网络进行训练可使系统具有更强的容错性。最后给出的实验结果证明了该方法的有效性。     

AdaBoost算法在车牌字符识别中的应用

提出了一种基于AdaBoost的车牌字符自动识别算法。AdaBoost是一种构建准确分类器的学习算法，它将一族弱学习算法通过一定规则结合成为一个强学习算法，从而通过样本训练得到一个识别准确率理想的分类器，将之用于车牌字符识别，对车牌图像进行实验，对车牌字符样本进行特征提取，用特征来训练有效分类器，用MATLAB完成了对车牌照数字识别的模拟，结果证实此算法对车牌字符识别有一定准确性，具有良好的效果。     

并行处理程序中队列的设计方法

本文给出并行处理程序中队列的若干种设计方法，这些方法主要采用集中管理，分散管理或半集中管理等队列管理方法。     

一种基于BP神经网络的车牌字符识别算法

车牌识别系统是智能交通中的一个重要分支,本文针对传统的模板匹配算法存在识别准确率低的问题,提出了一种基于神经网络的车牌字符识别算法。该方法对分割、归一化后的字符进行特征提取获取其特征向量,把这个特征向量送到BP网络中进行训练,可以得到训练好的权值,以此权值对车牌字符进行识别。实验表明,本算法对车牌图像的识别率达90%以上。     

基于改进BP网络的车牌字符识别方法研究

介绍了车牌自动识别的过程和原理、车牌识别中所需要的关键图像处理技术,并对BP神经网络算法进行了阐述.结合目前车牌编制的特点,基于BP神经网络原理对车牌自动识别技术中的字符识别技术进行了新探索,提出了适用于新<机动车登记规定>车牌编制方法的神经网络结构和识别算法.通过恰当设置BP网络隐层节点数,详细介绍了改进BP网络算法步骤,分析了易混字符,并用MATLAB进行了实验,实验结果表明,改进网络结构后的方法识别准确率高、识别过程速度快、系统鲁棒性强.     

基于方向轮廓的小波分解车牌字符识别方法

字符识别是车牌识别的技术核心。本文提出了一种快速的车牌字符识别方法。首先提取字符的外轮廓。根据小波分解变换的性质,对字符轮廓进行多分辩分解,得到低分辨率下字符轮廓的近似,通过计算待识别字符与参考字符在多尺度下的轮廓之间的相似度,判别待识别字符与参考字符的匹配程度,最终确定匹配字符。本文对字符匹配算法进行了改进,加快了匹配速度,提高了匹配的可信度。利用本文算法,对1200幅车牌字符图像的识别,准确率达到95.4%,单字符识别平均耗时约为10ms。     

基于HMM的印刷体阿拉伯文字符识别

在全球信息化的今天，信息的获取和交流有着特殊的需求，这要求文字识别技术不断地向前发展。文字识别的任务是将人类能够阅读的字符(包括手写体和印刷体文本)图像转换成计算机能够识别的代码(对于拉丁文来说是ASCII码，对于阿拉伯文来说是ASMO码)。文字识别技术可以分联机(on—line)与脱机(off—line)两种方法，而脱机识别又分为印刷体识别(printed)和手写体识别(Handwritten)。     

一种基于字符分割与字符识别的LPR方法

对车牌识别(LPR)系统中字符分割与字符识别方法进行探讨.根据车牌字符的特点,首先利用投影法采用水平扫描和垂直扫描进行字符分割,接着对字符图像进行归一化处理,实现对字符的完全分割.在此基础上,利用BP神经网络识别算法实现车牌字符的识别,从而提高系统的识别速度和识别率.数字仿真的识别结果验证了该方法的正确性和有效性.     

基于模板的连机字符识别方法

手写体字符在日常生活中普遍应用,同时也是一种有用的机器输入方式。模板匹配分类法能分类单个字符或词。本文,我们介绍一种基于模板的连机字符识别方法,大量具有代表性的模板会作自动判决。这些模板代表一个特定字符的不同书写风格,它们也可作为判决树的一种高效分类。在296MHz的Sun Ultra Sparc机上,对一组17,928个字母数字（共36种：10种数字,26种字母）的测试,其识别率超过8字符／秒,并取得了86．9％的正确率。     

水表数字图像的粘连字符识别方法

针对水表数字图像中的粘连字符识别问题,提出一种有效的方法。在识别之前,先对水表图像进行前期处理以获得单个字符图像。该方法利用摄像头的安装位置固定,使得字符图像正常大小也基本固定这个先验知识,将分割得到的单个数字图像与正常大小比较,若超过正常大小则认为与边框粘连,将粘连的边框部分切割后再进行模板匹配,取匹配系数最大者为最佳匹配,从而实现粘连字符识别。又考虑到摄像头在实际安装中存在高度上的差异,利用字符图像大小与摄像头高度基本呈线性关系这一先验知识,在识别之前先求出相应高度下的正常字符大小,然后进行粘连识别,最终实现了粘连字符的高度自适应识别。实验结果表明,该方法简单有效且识别率很高,获得了满意的效果。     

基于小波和神经网络的车牌字符识别新方法

车辆牌照自动识别（简称车牌识别）是智能交通系统中一项重要的关键技术;首先简要介绍了车牌识别技术饷背景及意义,然后阐述了小波变换和BP神经网络的相关理论和实现细节,最后提出了一种基于小波和BP神经网络的车牌字符识别新方法,并采用了MATLAB数学工具进行仿真;实验结果显示,总的字符识别率为95．8％,平均识别时间21ms,表明该方法具有良好的实用价值,可应用于工程实践中。     

字符识别中毛刺的去除方法

在字符识别中提取字符特征前经常需要将图像细化,但细化过程会受到照明系统和字符本身质量的影响而产生毛刺。毛刺会使特征提取发生错误,进而影响最终的字符识别结果。针对此问题提出一种基于搜索毛刺生长点的毛刺去除方法,利用此方法可以将毛刺剔除并且保证图像的其它有用信息不被破坏。     

字符识别中毛刺的去除方法

在字符识别中提取字符特征前经常需要将图像细化，但细化过程会受到照明系统和字符本身质量的影响而产生毛刺。毛刺会使特征提取发生错误，进而影响最终的字符识别结果。针对此问题提出一种基于搜索毛刺生长点的毛刺去除方法，利用此方法可以将毛刺剔除并且保证图像的其它有用信息不被破坏。     

系统优化方法中的并行处理与神经网络技术

自然界中存在许多系统优化的现象,例如,动力系统稳定时其能量达到最小,钟乳石的外形遵循多指标最优化的准则,生物的进化遵循某种最优地适应外界环境的准则等。在人类改造包括其自身的自然界的活动中,对于面临的任何要完成一定任务的问题,只要问题的解决方法不只一个,就存在从可供选择的方法中选取在某种意义下最优方法的问题。因此不难理解,为什么从古典的控制理论时期就出现了优化的问题和方法,例如Wiener滤波和自寻最优点控制等。而在现代控制理论中,优化更成为其主要中心思想之一。在由美国国家科学基金会和陆海空三军科学研究管理机构组织的一个专家研究班子于1988年提