基于多结构特征的纸币字符识别算法

针对现有人民币冠字号字符识别算法对严重污染磨损的人民币冠字号字符识别率低的难题,提出了一种将模板匹配法与多种字符结构特征(字符轮廓、区域密度)相结合的人民币冠字号字符识别算法.通过定位分割、分类识别、验证纠错3个步骤完成字符的识别,实验结果表明,该算法具有较高的识别率和较强的鲁棒性.     

车辆牌照字符识别算法的设计

对当前典型的车辆牌照字符识别算法进行了研究和分析,在此基础上提出一种新型算法,通过提取一些具有表征性的字符结构特征构建合理的判决树进行有效识别.采用车牌识别系统中分割出的一些数字和字母进行识别仿真,实验结果表明该算法简单、快速、高效,在复杂的噪声环境下同样具有较高的识别率.     

基于三叉点特征的激光刻蚀标牌字符识别

为了实现金属标牌刻蚀字符的识别,在分析标牌字符结构特点的基础上提取字符图像中的端点,三叉点和四叉点,然后提取三叉点的位置,制作成模板,用于字符的粗分类,进而利用笔画长度等信息进行细分类。为了解决字符断裂的问题,提出了一种端点反向生长算法,利用字符的端点进行反向生长,较好地解决了断裂对识别的影响。利用上述结构特征对标牌上的激光刻蚀英文和数字字符进行了识别,取得了较好的效果,表明这些结构特征非常适用于该类字符的识别。     

基于空间一致性的复杂场景钢坯端面字符定位

复杂场景中的字符目标定位是进行字符目标提取与识别的关键步骤,字符目标定位的准确程度决定着后续字符识别的正确与否。本文提出了一种基于空间一致性特征的复杂场景钢坯字符目标定位新方法。先对复杂场景钢坯图像进行分割,跟踪并标记分割图中每一个连通区域,然后根据钢坯端面字符在空间位置上排列的一致性,提取连通区域目标的质心点特征,并寻找排列成一条线的质心点,同时比较它们之间的区域面积及相互距离等特征,快速定位目标字符。对多幅实际复杂场景钢坯端面字符图像进行处理,结果表明我们提出的方法具有可行性和实用性。     

基于DSP的加热炉内钢坯表面温度检测及分析

设计了一种加热炉内钢坯表面温度实时检测系统,以DSP为图像处理核心,采集加热炉内两幅临近中心波长的近红外辐射图像,用比色测温算法计算出钢坯表面温度.对比色测温原理、系统的硬件电路、软件流程和试验效果进行了分析.在H型钢加热炉的试验表明,系统能实时检测加热钢坯的表面温度,实时生成加热炉内温度场的伪彩图像并完成工况分析.钢坯表面温度检测的相对误差小于0.5%,满足加热炉温度控制工艺的要求.     

基于图像处理技术的智能火车字符识别系统

介绍基于数字图像处理技术的智能火车字符识别系统的构成及工作流程，并详细阐述了实现系统功能的图像处理技术，给出了系统工作现场的性能。     

基于DSP的加热炉内钢坯表面温度检测及分析系统

设计了一种加热炉内钢坯表面温度实时检测系统,以DSP为图像处理核心,采集加热炉内两幅临近中心波长的近红外辐射图像,用比色测温算法计算出钢坯表面温度。对比色测温原理、系统的硬件电路、软件流程和试验效果进行了分析。在H型钢加热炉的试验表明,系统能实时检测加热钢坯的表面温度,实时生成加热炉内温度场的伪彩图像并完成工况分析。钢坯表面温度检测的相对误差小于0.5%,满足加热炉温度控制工艺的要求,解决了加热炉内钢坯表面温度动态检测的技术难题。     

多字体字符识别的模糊神经网络模型

提出了一种用于多字体字符识别的模糊神经网络模型．通过对一个３ 层ＭＬＰ的输入层、输出层以及学习算法的模糊化,构造出能有效处理具有模糊边界的模式分类问题的模糊神经网络．经过大量实际采样多字体字符样本的测试表明,该模型能对字体字符识别取得很高的识别率,对加噪字符的识别试验还表明该模型具有较好的鲁棒性．     

基于OpenCV的生产日期字符识别研究

利用OpenCV-python和开源OCR技术进行图像预处理,并通过训练得到一个专属字库,能较为精准地识别生产日期字符.针对如何提高商品标签识别系统的工作效率,从改善商品标签图像质量和提高识别算法效率入手进行研究,目的是提高生产效率、提升产品质量.     

基于神经网络算法的字符识别方法研究

为了提高字符识别的成功率,阐述了在模式识别中的一种基于误差反向传播的人工神经网络算(BP神经网络算法)的应用,实现基于神经网络算法的车牌字符识别和结果显示,实验结果说明,保持一定数量以上的训练样本和训练次数,本方法可提高车牌字符识别的正确率和抗干扰能力.     

字符识别中的畸变字符校正算法研究

文章提出了一种基于模板匹配的畸变字符识别算法。该算法可以自动校正由于柱面透视投影所引起的畸变字符图像,显著提高柱面字符识别的正确率。然后对校正后的图像进行字符定位,最终通过模板匹配算法对字符做出判决。试验结果表明,畸变字符校正算法有效地提高了算法对于圆柱面上字符的识别能力,在测试中取得了良好的效果。     

组合特征的联机手写维吾尔字母识别

通过分析维吾尔文字母自身的书写特点，为了进一步提高识别率，在原先的外围轮廓特征基础上，再提取了附加笔划形状特征、字母上下左右密度比例特征、笔画数特征以及主体部分和附加部分的位置关系特征，进行了诸多特征有效组合下的字母识别实验。其中，最高识别率达到了75．7％，比原先在单个特征下的识别率提高了近10个百分点。这表明，不同特征的有效组合是可行的，而且具有继续研究的潜力。     

基于部件特征的分类方法及在汉字识别中的应用

文章针对汉字的特点，选取一定的轮廓加权值为部件特征向量的度量，提出了一种基于部件特征的特征提取方法。并根据部件的特征和属性，采用ID3算法训练出一个决策树。结合ID3决策树和模糊逻辑的概念，采用粗分类和精分类两级分类判别的方法，首先利用每个部件的权值将部件细分成可处理的小组，然后分析待识别的汉字字符属于哪个不可再分的小组，从而提高了汉字的识别速度和识别效率。     

基于纹理特征与ν-SVM的车牌汉字识别

车牌汉字识别是车牌字符识别中的难点,文章通过对二维Gabor小波特征以及支持向量机（Support vector machine,SVM）分类器进行详细的分析,采用二维奇对称Gabor小波作字符特征滤波函数,并通过基于ν-SVM的多类分类器对数据进行训练及分类,设计了一种能够应用于实际系统的汉字字符识别方法。     

适用于汉字识别的特征描绘子改进研究

提出了一种适用于汉字识别的新的局部描绘子,在SIFT描绘子的基础上添加了灰度对比直方图的概念。该局部描绘子作为汉字的特征表述,测试系统思想是把汉字识别当作图像匹配问题。为了检测新描绘子的特性,在仿射、噪声、背景、复杂情况这4种情况下进行汉字识别测试,对比新描述子和SIFT描绘子的汉字识别正确率,实验结果证明该描绘子在汉字识别方面可以描述更多的局部信息,表现也比SIFT描绘子要好。     

Selecting Good Speech Features for Recognition

This paper describes a method to select a suitable feature for speech recognition using information theoretic measure. Conventional speech recognition systems heuristically choose a portion of frequency components, cepstrum, mel-cepstrum, energy, and their time differences of speech waveforms as their speech features. However, these systems never have good performance if the selected features are not suitable for speech recognition. Since the recognition rate is the only performance measure of speech recognition system, it is hard to judge how suitable the selected feature is. To solve this problem, it is essential to analyze the feature itself, and measure how good the feature itself is. Good speech features should contain all of the class-related information and as small amount of the class-irrelevant variation as possible. In this paper, we suggest a method to measure the class-related information and the amount of the class-irrelevant variation based on the Shannon's information theory. Using this method, we compare the mel-scaled FFT, cepstrum, mel-cepstrum, and wavelet features of the TIMIT speech data. The result shows that, among these features, the mel-scaled FFT is the best feature for speech recognition based on the proposed measure.     

用于车牌字符识别的SVM算法

支持向量机(SVM)是20世纪90年代初由Vapnik等人提出的一类新型机器学习方法，此方法能够在训练样本很少的情况下达到很好的分类推广能力。本文应用SVM算法时车牌中的汉字字符进行识别，无字符特征提取提高了识别速度，并且可得到较高的识别率。实验讨论了SVM算法用于字符识别时，不同的核函数时识别率的影响。实验结果表明，用SVM算法进行车牌字符识别具有较高的识别率。     

一种新的离线手写签名识别方法

脱线签名的验证较难,他仅依靠签名图像的静态信息,而书写过程中的动态信息几乎完全消失。针对脱线手写签名识别的特点,提出基于提升小波变换的特征选取方法,将传统的结构特征与统计特征有机结合起来。运用K-L变换对已提取的特征向量进行降维。最后通过支持向量机进行真伪识别。实验结果表明该算法对测试样本具有高识别率。     

手写金融汉字识别中的可信度估计

由于实际票据中的手写金融汉字书写得并不规范,而且还会受到票据的背景底纹和印章等因素干扰,所以正确识别率很低.为了达到要求的识别精度,必须拒识大量样本,这样就限制了票据识别系统的自动处理率.本文提出一种基于支持向量机的可信度估计方法,其特点是针对每个文字类别,专门构造用于易混淆字判断与可信度估计的支持向量机.该方法充分利用了支持向量机在少量训练样本情况下对两类判断问题的学习能力,可以准确地估计可信度,从而在拒识较少样本的情况下达到要求的识别精度.