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。     

基于特征的印刷体数字符号识别系统

探讨了一种印刷体数字符号快速识别算法，采用图像旋转、去噪声、图像分割等手段对含有印刷体数字符号的图像进行预处理，然后根据印刷体数字的字符结构提取4种稳定且有效的结构特征，即横线特征、竖线特征、水平方向过线数和垂直方向过线数．根据这些特征构造编码器，进行编码识别，使用VC 编程实现．实验表明，该算法速度快、精度高，有一定的抗干扰性。     

对手写字符识别的探讨

分析描述了字符识别的各类方法，总结了目前流行的基于结构的识别方法和基于统计的识别方法，分析了它们的优缺点，针对目前尚不成熟的脱机手写字符识别，分析了手写字符识别的特点及其它与印刷体字符识别的区别，探讨了手写字符特有的噪声等影响识别的因素和对应的识别方法，并对这一领域今后的研究方向提出了自己的看法。     

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。     

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%.     

一种新的激光刻蚀字符的识别方法

通过对铭牌字符结构特征和字符之间相对关系的分析,提出基于神经网络和隐马尔可夫模型的激光刻蚀字符的识别方法。提取字符图像中的端点、三叉点和四叉点,对传统三叉点的提取方法进行改进,并利用神经网络的方法计算出对应每个字符的概率值,再根据隐马尔可夫模型计算出状态转移的最大似然,从而识别整个字符串。实验表明上述方法适用于激光刻蚀铭牌字符的识别。     

印刷体英文文档识别系统的设计与实现

光学字符识别是模式识别领域的一个重要分支.提出并实现了一种用于印刷体英文文档的OCR系统.该系统使用基于字符识别的方法进行文档识别,图像经过预处理后,提取多种特征进行组合,并且考虑到字符粘连的情况,在训练样本中加入部分易粘连字母组合进行识别.通过实验证明,该识别系统快速、稳定且有效.     

对手写字符识别的探讨

分析描述了字符识别的各类方法,总结了目前流行的基于结构的识别方法和基于统计的识别方法,分析了它们的优缺点,针对目前尚不成熟的脱机手写字符识别,分析了手写字符识别的特点及其它与印刷体字符识别的区别,探讨了手写字符特有的噪声等影响识别的因素和对应的识别方法,并对这一领域今后的研究方向提出了自己的看法.     

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。     

基于模糊神经网络的印刷体汉字容错识别方法

类似于人脑的工作方式，模糊系统善于表达人的经验性知识，能处理难以依靠数学模型清晰表达的模糊性信息，在对汉字模式的辨识中具有较强的抗噪性。文中利用4层神经网络方法实现的一种模糊分类器，弥补了单纯的神经网络和单纯的模糊系统各自的不足，实现了模糊系统中规则的自学习性和自优化性，使系统具有很好的鲁棒性能。利用建立在一组网络上的表决机制，不仅降低了网络的复杂性，而且实现了对任意类数分类器的构造。实验结果表明，文中提出的方法很好地解决了对印刷体汉字进行客错识别问题。     

智能神经网络系统原理在印刷体汉字识别中的应用

在印刷体汉字识别中的实验中,提出了一种解决在网络学习时,随样本数的增加,学习时间会按指数级增加的方案;应用智能神经网络系统原理,先训练好各个功能专一、结构简单的小智能神经网络,然后联合小智能神经网络构成功能复杂的大智能神经网络。实验表明,智能神经网络系统原理为克服传统神经网络纠敛速度慢的缺点,同时不增加网络负担提供了一种有效方案。     

基于退化HMM的印刷体文字识别研究

提出一种新的基于退化隐马尔柯夫模型的印刷体文字识别方法.此方法按照一定规则提取文字的一维笔段序列特征,然后将该特征输入到设计好的分类器中进行分类.在分类器的设计上摒弃传统的左右型结构模型,采用了遍历型结构模型.实验证明此方法能够更好地完成文字分类任务,识别率可以达到99%以上.     

改进的BP神经网络算法在车牌识别中的应用

在车辆牌照自动识别系统中,因自然因素或采样因素使得原本规则的印刷体字符产生畸变,给字符识别带来了很大困难,利用BP神经网络对车牌进行识别得到广泛的应用,如何提高车牌识别的准确率和速度是车牌识别系统最根本的问题.本文用动量因子和自适应学习速率对传统BP网络进行改进.该算法简便,识别率高,可适用于多种高噪声环境中的字符识别.     

宽带双极化探头阵列的设计

近场测量系统中,用探头阵列代替单探头能大量减少天线的测量时间．设计了一种由4个双极化印刷振子组成的宽频带直线阵列,由两个单线极化印刷振子垂直交叉组成的双极化印刷振子作为阵列单元,再将4个双极化印刷振子天线排成直线阵列,提高了阵列单元间的隔离度．实测结果表明,阵列中相同和不同极化方式的单元间隔离度大,达到-20 dB,单元间的互耦较小,相对带宽73.2％,说明该方法是正确可行的．     

基于密集YOLOv3的印刷电路板缺陷识别

对印刷电路板加工过程中微小缺陷的精准检测是保证电子产品质量的前提。 由于电路板缺陷的特征尺寸极小,电路复杂,现有的目标检测方法存在很多不足。 针对这一问题,在 YOLOv3 算法的基础,提出了一种用于印刷电路板缺陷检测的密集 YOLOv3 目标检测算法。 首先,用密集连接卷积网络模块代替 YOLOv3 算法特征提取网络中的部分残差网络单元,增强网络的特征重用;其次,对损失函数加以改进,用预测框和真实值之间的广义交并比来解决交并比为零时无法继续优化的问题。 所提出的密集 YOLOv3 算法在扩充后的印刷电路板缺陷数据集上得到了有效地验证。 实验结果表明,与其他识别算法相比,所提算法在识别精度提高的同时,算法尺寸也有所减小。