基于OpenCV的数码管字符识别

为实现摄像机采集的电梯主板数码管字符图像的识别,研究一种针对数码管字符图像自动识别的方法.数码管图像经过预处理,包括图像灰度化、图像降噪、图像二值化等,并对图像进行字符定位和分割,最后采用穿线识别法对字符进行识别,可有效提高电梯故障识别率.实验结果表明,穿线识别法对数码管字符识别正确率高、效率高、实时性好.     

基于卷积神经网络的汉字编码标记点检测识别

近景摄影测量中采用的标记点要求具有唯一身份号并能在图像中被精确识别定位。设计了一种以汉字作为编码特征的编码标记点,提出了一种基于卷积神经网络的编码标记点检测识别方法。首先采用基于相机成像原理的虚拟相机法,自动生成大量汉字编码点模拟图像作为训练样本,并据此训练卷积神经网络成为汉字编码点识别网络。根据一系列编码点筛选准则分割得到实拍汉字编码点,然后用编码点识别网络对其身份号进行识别,最后通过中心定位算法定位编码点中心。实验结果表明构建的识别网络对汉字编码点识别率可达97. 67%,且受噪声、投影角度、图像对比度、亮度等因素的影响小;分割算法鲁棒性强,能准确分割出汉字编码点;中心定位算法对编码点中心的定位精度高。     

一种基于汉字结构特征的车牌照字符分割方法

提出了一种基于汉字结构特征的车牌照字符分割方法.该方法首先找到汉字的主体部件,然后根据汉字上下、左右、包围结构找到组成汉字的其它部件,并结合汉字识别结果对分割得到的汉字进行确定.最后,根据车牌字符串的结构特征找到其它字符.特殊车牌图像,要对字符和字符、字符和边界粘连的情况进行分裂,对部分字符进行合并.而且本方法还可以对定位出现车牌字符丢失情况进行重新定位,找到丢掉的字符.对大量车牌图像字符的分割,试验结果证明,该方法能够达到准确分割出车牌图像中字符的目的.     

基于图像处理技术的标志字符识别检测系统

针对目前出厂产品表面标志字符识别检测工作量大、易出错、易混淆等问题,设计了一种基于图像处理技术的标志字符识别检测系统。这一系统通过由Visual Studio与OpenCV开发的标志字符识别算法,对获取的不同类型标志字符图像进行阈值分割、二值化处理,经过数学形态学处理提取不同类型标志字符的特征信息,进而结合标志字符特征定位识别算法,对标志字符进行快速定位与识别。这一系统具有良好的稳定性和准确性,适合应用推广。     

车辆牌照图像识别技术研究进展

汽车牌照的字符分割和识别技术是车牌自动识别系统的技术之一,是提高车牌识别率的关键.许多学者对其进行了较为深入的研究和探讨,提出了一些基于投影分析、连通域分析的字符分割方法和基于模版匹配、神经网络等的字符识别方法.根据国内汽车牌照的字符特征,对近年来出现的车牌字符识别方法进行综述并提出建议,在现有方法的基础上,取其优点,相互补充,结合数学工具,提高系统的速度和精度.     

基于喷点融合特征的点阵字符分割方法

针对点阵字符因光照不均、字符弯曲等因素导致分割准确率低的问题,提出了一种基于喷点融合特征的点阵字符分割方法。首先利用喷点的几何先验获取字符的跳变特征和投影特征,然后将两者级联得到融合特征,以此搭建基于SVM的字符分割模型,最后将分割得到的字符送入ANN分类器进行识别。实验结果表明,该方法与传统的分割方法相比,有效的提高了字符分割的准确率,并促进了字符识别率的提升。对点阵字符分割和识别的准确率分别达到了99.92%和98.97%。     

数字式仪表分段模板匹配识别算法研究

文章提出了一种数字分段模板匹配识别改进算法。通过图像预处理、字符定位以及字符分段和识别实现了对数字式仪表的字符识别功能。图像识别速度快，识别率高。     

基于BP神经网络的数显仪表动态字符识别系统

在化工、冶金等行业以及较为恶劣的环境场合下进行仪表数据的自动化采集,需要对仪表显示的动态数据进行自动识别,以判断是否满足控制条件。因此根据数字仪表图像的特点,运用区域生长算法定位仪表图像中的数据区域,并取得理想的效果,采用投影法对字符串进行分割,最后应用BP神经网络法进行分类识别数字字符,实验结果表明,其正确识别率达到96%。     

基于特征编码的字符识别方法研究

本文在分析了常用模板匹配字符识别方法的问题之后,以车牌字符中常用的字母、数字为例,提出了一种新的基于数字字母特征的编码方法,解决了模板匹配法中的字符图像与模板尺寸不符等问题,提高了识别率。     

基于机器视觉的汽车零部件检测系统设计

文中设计了一套基于机器视觉的汽车零部件检测系统,实现对零部件冲孔和字符的检测。在对冲孔进行检测时,先使用阈值分割方法,再利用像素点面积特征和圆度特征来提取冲孔区域,最终完成对冲孔直径的检测。在对零件字符进行检测时,使用了深度学习的方法,将自然场景下的文本检测方法应用到零部件的字符检测中,解决了字符遮挡、产品色差变化较大以及产品摆放倾斜造成的字符定位困难问题,并且无需显示加入字符分割,实现端到端的字符识别。经过现场的测试验证,该检测系统能够实现多种型号零件的检测,具有良好的检测效果。     

一种基于模板匹配的人民币编号识别算法

针对纸币清分机对人民币编号自动识别,在处理速度和识别率方面的高标准要求,提出了一种基于模板匹配的人民币编号快速识别算法,该算法在图像预处理时,利用改进的滤波法去离散噪声;在字符识别时,利用数字和字母的水平与竖直交点特征和轮廓对称特征以及加权特征,直接识别定位好的字符。实验结果表明,该算法具有对硬件资源要求低、识别速度快等优点,可以满足纸币清分机的应用要求。     

基于重构误差的单类子空间压印凹凸字符识别

针对压印凹凸字符色差低、图像质量差的特点,采用"特征脸"用于压印字符的整体特征提取和识别.针对"特征脸"不能充分利用样本类间信息的缺点,提出一种基于重构误差的压印凹凸字符识别新方法.该方法为每类字符分别建立子空间,然后获得测试样本在各个子空间下的重构图像,通过重构图像和原图像的均方差来实现压印字符的识别.该方法能够充分利用单类字符的共同特征和不同类字符之间的差别信息.试验结果表明,该方法能够显著提高识别率,满足实时性要求.     

车牌照识别系统设计

车牌自动识别系统可以分为图像采集、图像预处理、车牌定位、车牌预处理、字符分割、字符识别几大部分.每个模块即相互关联的,又有其自身的特点和技术.车牌定位是车牌识别的基础,本文采用水平和垂直的车牌定位算法;车牌字符的分割是进行单个字符识别的前提,本文采用一种垂直投影的字符分割方法;字符识别采用了BP神经元网络的方法.     

基于统计特征中心对称局部二值模式的虹膜识别

由于中心对称局部二值模式(CS-LBP)的虹膜识别具有特征维数高、对噪声敏感等缺点,提出了基于统计特征中心对称局部二值模式(SCCS-LBP)的虹膜识别方法.首先,根据虹膜纹理的分布特性,用CS-LBP对归一化的虹膜图像进行编码;为了进一步降低特征维数,对编码后的图像进行特征统计.然后,根据统计结果的分布,提取出有效的二值特征图像.最后,用Hamming距离进行虹膜识别.对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别,最高正确识别率分别为99.955％、99.848％、99.989％、99.916％.实验结果表明:该方法有效地利用了虹膜纹理分布特性,与LBP和CS-LBP方法相比,具有更少的特征维数、更高的正确识别率和更好的鲁棒性.     

车牌识别系统中字符分割技术研究

车牌识别LPR是智能交通中关键技术之一.字符分割是车牌识别的基础.但是,现实应用中,复杂背景、字符断裂或字符粘连等因素容易导致车牌字符分割失败.本文提出了一种新的字符分割方法--基于全局约束的字符分割算法,有效的解决了这些复杂的问题.本算法已在软件平台上成功实现,并使用大量从各种不同环境下采集的具有代表性的车辆图像作为算法测试数据源对算法进行测试,结果证明这种车牌字符分割算法的准确率得到了很大的提高.     

仪表的数字字符识别系统

在化工、冶金等行业需要对环境温度等条件进行自动控制，因而需要对仪表显示的数据进行识别，判断是否满足控制条件。因此根据数字仪表图像的特点，运用了区域生长法定位数据区域取得了理想的效果，采用了投影法对字符串进行了分割，最后应用交线特征提取的分类识别方法来识别数字字符，经试验其正确识别率达到了95％。     

一种快速有效的动态车辆牌照定位算法

由于动态车辆图像往往在复杂的外界环境中得到,所以很多牌照分割方法都会失去作用.提出了一种基于字符竖向纹理特征的牌照定位算法,首先对动态车辆图像进行边缘检测和腐蚀等预处理,之后水平扫描边缘图像,得到整幅图像的跳变点分布,根据牌照字符的竖向纹理特征,确定牌照的可能区域,再结合牌照的几何结构特征,修正车牌的边界.实验结果表明算法有较强的适应能力,具有较高的实用性.     

视频流图像字符识别算法的研究和实现

提出了一种对视频流中均匀有序的字符识别的方法——图像四分法。这种方法通过在坐标系中计算各个象限中非零像素的百分比及整个字符占整个图像的百分比来建立识别库,从而与字符进行匹配。该方法可以有效地提高字符的识别率、识别速度、识别系统的泛化能力。实验结果表明,该方法识别率接近100%,基本满足实际系统的要求。     

基于字符特征约束的自适应车牌校正提取

针对复杂多变环境中难以快速、精确提取车牌的问题,提出了一种利用字符特征智能校正提取车牌的方法。首先通过Gamma校正和Canny算子结合的方法在灰度图中实现自适应阈值边缘检测,解决了分割阈值选取的难题;然后应用字符特征约束条件提取特征轮廓,根据特征轮廓分布规律提取车牌候选区,避免复杂运算的同时提高了定位准确性;最后对候选区进行线性畸变校正并利用行灰度跳变统计实现了车牌真实性验证和精确提取,为后续的识别工作提供了良好条件。对不同环境中随机采集的700幅高清图像进行测试,综合提取准确率为96%,提取车牌字符规整、无多余残留信息。实验结果显示,该方法对图像中车牌状态、背景环境、光照条件等限制极少,具有更广的适用范围和更强的鲁棒性。     

基于纹理分布特征的虹膜识别算法

二维小波变换方向性差,不能从方向和频率同时描述虹膜纹理.基于此,分析了归一化虹膜纹理的分布特点,提出了基于纹理分布特征的虹膜识别算法.对原始人眼图像进行虹膜定位等预处理操作,得到归一化的虹膜纹理图像;对归一化虹膜图像进行了二维小波多尺度变换,结合虹膜纹理分布特点,选择小波分解水平通道;依据点能量贡献度,消除伪特征点并进行了点能量编码;计算了不同虹膜编码间海明距离,以其为依据进行分类.在给定距离阈值为0.25的前提下,可以达到99.91%的正确识别率.实验证明该算法是有效、可行的,并具有较高的识别率,识别速度也很快.