印刷体数字识别研究与实现

通过对数字识别算法的研究和印刷体数字特征进行分析,提出一种通过统计预处理后的已知类别样本的特征点分布概率为模板,并通过计算待识别样本与模板距离来确定待识别样本所属类别的方法。该方法运行速度快,识别精度高,但只局限于对印刷体数字的识别。实验结果显示,该方法对印刷体数字的识别率可达99%左右,优于一般结构特征识别方法。     

基于模板匹配的发票号码识别算法

针对数字识别系统中的发票号码识别问题,提出了一种有效的基于模板匹配的发票号码识别算法.通过对发票数字图像进行前期处理以获得单个字符图像,根据印刷体数字二值化后矩阵特点,基于模板匹配的思想,将待识别字符图像与模板图像进行信息区叠加,对叠加后的图像进行不匹配像素统计,从而得到匹配系数,取匹配系数最小值为最佳匹配.结果表明,该方法简单有效,抗干扰性强且识别率较高,识别发票图像准确率可达99%.     

基于迷向圆变换和BP网络的不变识别方法

为提高对具有旋转、缩放和平移3种变形的二值图像的识别率和简化识别算法，提出利用迷向圆变换和图像面积调整方法将图像的3种变形归一化，再提取归一化图像的水平和垂直2个方向的统计特征输入BP神经网络进行分类识别，从而使神经网络的输入维数降低．仿真结果表明，该方法对具有上述3种变形的图像具有较高的识别率.     

印刷体数字快速识别方法

在分析印刷体数字结构特征的基础上，提出了一种新的印刷体数字快速识别方法。该方法利用数字结构的对称性、笔画特点(水平、垂直、弯曲)以及5条水平直线和数字的交点个数对印刷体数字进行辩识。实验表明，该方法能识别任意大小的宋体、黑体、楷体和Times New Roman体印刷体数字。     

基于投影阈值分割和数字序列校正的高噪声数字仪表图像识别方法

针对数字仪表图像噪声大、图像特征信息不足导致图像识别准确率低的问题,提出了一种基于卷积递归神经网络结合投影阈值分割和数字序列校正的高噪数字仪表图像识别方法。首先,用投影阈值分割二值化算法对图像进行预处理：使用垂直投影法将图像划分为不同区域,根据不同区域的噪声强度自适应设定二值化阈值,对图像进行二值化处理,降低噪声;其次,根据图像之间数字规律变化特点,利用数字序列校正算法将单个数字识别转换为数字序列识别,通过对比不同数字序列的识别概率得出识别结果,解决单张图像特征信息不足导致识别准确率低等问题。实验结果表明,在高噪声数据集上,相较于卷积递归神经网络模型,提出的高噪声数字仪表识别模型在准确率方面提高了约61.95%,达到93.58%。     

印刷体数学字符根号的识别算法

针对数学公式识别难问题,基于印刷体根号的几何特征,定义首一特征线概念,并据此给出印刷体数学公式中根号的识别算法,基于Matlab软件编程实现该算法.结果表明该算法能有效识别一维印刷体数学公式中的根号,识别正确率达到100％.     

印刷体数字快速识别方法

在分析印刷体数字结构特征的基础上,提出了一种新的印刷体数字快速识别方法。该方法利用数字结构的对称性、笔画特点(水平、垂直、弯曲)以及5条水平直线和数字的交点个数对印刷体数字进行辩识。实验表明,该方法能识别任意大小的宋体、黑体、楷体和TimesNewRo man体印刷体数字。     

基于数学形态学与图论的数显字符识别

根据数显数字字符的特点,设计了一种基于数学形态学与图论的字符识别算法。针对数显数字字符,将数学形态学的膨胀和细化处理后的字符图像看作是1幅连通图,根据图论中闭合曲线特征,选择闭合曲线作为其整体特征对10个数字字符进行初次分类,将笔画端点所处字符图像中4个子区域的位置作为主要的细节特征,对字符进行识别。测试结果表明该算法是可行、有效的。     

一种快速识别飞机仪表参数的算法

提出了一种快速识别阿拉伯数字０～９的算法,用于飞机仪表参数的识别。这种算法基于二值图像,先从二值图像中找出各数字的特征,然后再用决策树对这些数字进行分类。该方法不需对图像进行如细化、轮廓跟踪等处理,节省了大量图像处理时间,具有较高的识别速度,因而可用于实时识别。     

一种快速识别飞机仪表参数的算法

提出了一种快速识别阿拉伯数字０￣９的算法,用于飞机仪表参数的识别。这种算法基于二值图像,先从二值图像中找出各数字的特征,然后再用决策树对这些数字进行分类。该方法不需对图像进行如细化、轮廓跟踪等处理,节省了大量图像处理时间,具有较高的识别速度,因而可用于实时识别。     

基于投影方法的快速印刷体数字识别

通过模拟电子表显示过程，提出一种基于数字字符投影特征的快速印刷体数字识别方法．该方法不需要对字符进行复杂的笔道特征分析，因此速度很快；而且各种不同字体的整体特征大体相同，因此对混合印刷字体的识别率很高。     

一种基于Hough变换的神经网络字符识别方法

针对印刷体字符的结构特点，利用Hough变换的点一线对偶性，提出了一种新的印刷体字符识别方法。该方法将字符在参数空间中共线点的个数及其坐标，作为BP神经网络识别系统的特征输入矢量，获得了较好的识别效果。     

用于视觉导航自动车辆的统计数字识别方法

通过对图像特征选择不同方法的分析,考虑到图像的全局特征更易被检测到,而且更不易受到噪声和较小的局部失真影响,提出了以全局特征为立足点,即从图像的总体出发,采用图像的灰度均值为主要特征量的特征选择与提取方法。在此基础上,全面分析了数字分块的机理,并采用投影的方法得到了10个数字的特征值。为实现对数字的快速识别,对得到的数字投影值采用了方向特征的处理方法。试验结果表明:有噪声的情况下,通过利用统计原理获得数字特征值能够实现对数字的快速、准确识别,该方法具有较好的抗干扰能力。     

基于二维广义主成分分析的人脸识别

针对人脸识别中的特征提取问题，提出了一种基于二维广义主成分分析（2DIMPCA）的人脸识别方法.有别于传统的人脸识别算法需要将二维人脸图像矩阵压缩成一维向量，该方法直接采用二维图像矩阵来构建方差矩阵，通过在水平和垂直2个方向上顺序执行2次广义主成分分析（IMPCA）运算，消除了人脸图像行和列的相关性，大大压缩了特征的维数.选用二维最小近邻分类法进行分类，计算识别率.在AT&T人脸库以及Yale人脸库上的测试结果表明，与主成分分析（PCA）和IMPCA相比，该方法具有更高的识别率和更快的识别速度.     

结合结构与梯度的图像哈希算法

为了提高分类性能和运算效率,提出结合结构特征与梯度特征的图像哈希算法. 该算法对输入图像进行预处理提高算法的鲁棒性,将预处理后的图像转换到YCbCr颜色空间,提取亮度Y分量. 利用Y分量的峰顶曲线和峰谷曲线来获取外部结构特征,同时提取峰顶和峰谷的位置信息来构建内部结构特征. 结合外部结构特征和内部结构特征得到图像的结构特征;提取Y分量的横向梯度与纵向梯度来构建图像的梯度特征;将结构特征与梯度特征联合起来并扰乱得到最终的哈希序列. 实验结果表明,所提算法对亮度调整、对比度调整和高斯低通滤波等保持内容的图像处理较稳健. 与已有算法对比,该算法具有更好的受试者工作特性（ROC）曲线和较好的图像分类性能,在篡改检测实验中,该算法可以有效地检测篡改图像.     

基于SIMD-MCC的2D图像矩并行算法

在模式识别和计算机视觉中,不变矩发挥着很重要的作用,因为图像在经过平称、旋转和伸缩变换后具有力矩不变的良好特性,直接计算二维图像力矩,需要大量的加法和乘法运算,而乘法运算最为费时。文中提出了一个在ＳＩＭＤ－ＭＣＣ计算机上实现的计算二维图像矩的并行算法。它的基本思想是将一个二维图像矩分解成很多个垂真矩和一个水平矩,利用数据并行性在ＳＩＭＤ－ＭＣＣ计算机上进行计算。这个算法极大地利用了计算的并行性,其     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。     

印刷品缺陷检测系统的快速配准方法研究

根据印刷品的特点和质量要求,以药盒为例对印刷品图像配准算法进行研究,提出了一种新的针对印刷品图像的配准算法。在基于线段特征的粗配准后,在离线确定的纹理丰富的四个局部(包括待测样品和标准模板)区域采用SIFT方法估计特征点信息,综合特征点匹配对信息估计位置偏差量,经平移实现待测印刷品与模板的高精度配准。实验结果表明,该算法能够快速、有效地配准采集到的印刷图像。     

基于Gabor变换和LMBP神经网络的 车牌汉字字符识别

字符识别是汽车牌照自动识别系统中的关键环节,汉字字符识别是其中的难点。提出用Gabor滤波器对灰度汉字图像抽取横、竖、撇、捺的4幅能量特征图像的方法,同时对Gabor滤波器组输出值进行非线性变换,使其适应于不同亮度和低质量灰度车牌字符图像的识别,最终采用网络法提取4幅能量特征图像的特征,用改进的BP神经网络作为车牌汉字字符的识别器,提高车牌识别率。