形态学处理在光学字符识别中的应用研究

讨论了形态学处理在字符识别中的应用研究,用开运算和闭运算等形态学处理知识对图像进行增强处理,目的是消除字符间断裂、粘连等问题.实验结果表明,用形态学处理进行图像预处理能有效消除笔画断裂、粘连等问题,进一步增强目标字符特征,提高字符识别正确率.     

形态学运算在字符识别中的应用

字符识别作为基本的图像识别技术,在计算机输入、交通和安防等领域都获得了广泛的应用。在进行字符识别前,需要先对图像进行灰度拉伸和阈值分割等一系列预处理以获得有效的目标字符特征。这些处理虽然可以增强目标字符的特征并滤除部分噪声,但同时也经常会造成目标字符的笔画发生断裂。由于待识别字符的笔画为较细的线性结构,采用常规的形态学开运算与闭运算对图像进行处理非但不能连接断裂的笔画,字符笔画还有可能因为细小而被抹去,使图像中的目标字符产生更严重的笔画断裂甚至缺失。讨论了数学形态学运算在字符识别技术中的应用,利用形态学闭     

基于卷积神经网络的车牌字符识别

车牌字符识别是智能车牌识别系统中的重要组成部分。针对车牌字符类别多、背景复杂影响正确识别率的问题,提出了一种基于卷积神经网络（CNN）的车牌字符识别方法。首先对车牌字符图像进行大小归一化、去噪、二值化、细化、字符区域居中等预处理,去除复杂背景,得到简单的字符形状结构;然后,利用所提出的CNN模型对预处理后的车牌字符集进行训练、识别。实验结果表明,所提方法能够达到99.96%的正确识别率,优于其他三种对比方法。说明所提出的CNN方法对车牌字符具有很好的识别性能,能满足实际应用需求。     

一种视频中字符的集成型切分与识别算法

视频文本行图像识别的技术难点主要来源于两个方面: 1)粘连字符的切分与识别问题; 2)复杂背景中字符的切分与识别问题. 为了能够同时切分和识别这两种情况中的字符, 提出了一种集成型的字符切分与识别算法. 该集成型算法首先对文本行图像二值化, 基于二值化的文本行图像的水平投影估计文本行高度. 其次根据字符笔划粘连的程度, 基于图像分析或字符识别对二值图像中的宽连通域进行切分. 然后基于字符识别组合连通域得到候选识别结果, 最后根据候选识别结果构造词图, 基于语言模型从词图中选出字符识别结果. 实验表明该集成型算法大大降低了粘连字符及复杂背景中字符的识别错误率.     

利用反馈的车牌字符分割算法

字符分割是车牌识别系统的重要步骤。提出一种利用反馈的车牌字符分割算法。首先,对车牌图像进行预处理;其次,根据车牌图像的垂直投影进行字符粗分割;最后,通过两级反馈进行字符精分割。第一级反馈是字符个数与字符宽度反馈,第二级反馈是字符识别反馈。实验结果表明,算法对光照不均、对比度较小、倾斜、污迹、字符粘连和断裂等严重退化的车牌图像具有很好的字符分割性能。     

一种字符定位及识别技术在交通领域的应用

字符定位与识别技术在交通领域应用广泛.字符识别系统包括字符图像的拍摄、预先处理,将字符从图中截取出来,最后对字符对比甄别.采用灰阶处理、均值滤波等方法对图像预处理.在字符定位部分,采用边缘检测算法对字符图像在原始图中位置进行定位.在字符分割前,对字符进行二值化及倾斜校正.利用区域增长(region growing)方法...     

基于机器视觉与机器学习的车牌识别系统

车牌识别系统包括车牌位置检测子系统、车牌预测子系统和车牌字符识别子系统.车牌位置检测子系统由通道同或算法和漫水填充算法组成.通道同或算法实现预选车牌位置,漫水填充算法实现对不完整车牌图像的补充,共同实现对车牌图像的预定位.车牌预测子系统由支持向量机SVM模型对车牌图像进行训练和分类,进一步预测车牌图像.车牌字符识别子系统由卷积神经网络CNN模型对字符进行训练并识别字符图像.此系统运用于实际的车牌信息提取中,能够减少管理者的工作量,实现车牌信息识别的自动化,降低识别成本.     

基于小波变换和反馈的车牌字符分割

提出一种基于小波变换和反馈的车牌字符分割算法.首先,对车牌图像进行预处理;其次,根据车牌图像的垂直投影进行字符粗分割;最后,通过两级反馈进行字符精分割.第一级反馈是字符个数与字符宽度反馈,第二级反馈是字符识别反馈.在字符识别反馈中,对字符区域图像的垂直投影进行小波变换,利用其低频系数重构垂直投影;最后根据纹理特征进行字...     

基于CRNN的自然场景多语言文本检测方法

自然场景图像中的文字识别,不同于传统文本字符识别。自然场景图像中的文字经常面临着视角变化,多字体文本以及场景图像曝光严重等多种因素的影响,因此,难以准确地获取自然场景图像中字符信息。该文利用可微分二值化函数对自然场景图像进行处理,得到一张易处理二值化图像,并对二值化图像进行文本检测以便机器处理识别,最后利用卷积递归神经网络(CRNN);进行文本识别。该方法不仅提高了自然场景图像字符识别的准确度,而且解决了生活中多字体文字识别的难点。     

一种新的快速字符定位算法研究

准确定位字符区域是字符识别的第一步,针对高速运动拍摄图像对比度差、噪声干扰严重、字符区域范围变化大、要求在线识别且时间短等特点,研究了一套特殊的数学形态学和图像滤波算法,算法利用字符局部信息对区域内的字符进行二值化处理,后进行连通运算和数学形态学闭运算,使相邻字符连成一个字符串区域,最后根据侯选区域的先验信息,快速定位出被识别字符的准确位置.研究表明,在高速运动中拍摄80*60mm大小的物体,图像大小为640*480,利用ROI区域,可以实现100%的目标区域精确定位,定位时间小于20ms,为后续字符的准确分割和识别奠定了良好的基础.     

基于字符分割和LeNet-5网络的字符验证码识别

为了解决传统验证码识别方法效率低,精度差的问题,设计了一种先分割后识别的验证码处理方案。该方案在预处理阶段用中值滤波去噪,再利用霍夫变换对图像字符进行矫正;在字符分割阶段,利用垂直投影算法确定验证码字符块个数,以及字符坐标点,再用颜色填充算法对验证码进行初步分割,根据分割后的字符块数量对粘连字符进行二次分割;在识别阶段,我们对LeNet-5网络进行了改进,修改了输入层,并用全连接层替换了LeNet-5网络中的C5层,以此来对验证码字符进行识别;实验表明,对于非粘连验证码和粘连验证码,单张图片分割时间为0.14和0.15ms,分割准确率为98.75%和97.25%,识别准确率为99.99%和97.7%;结果表明,该算法对验证码分割和识别都有着很好的效果。     

印刷表格文本分析识别系统的研究

本文介绍了一个印刷表格文本分析识别系统。提出了表格特征点分析方法。在表格图象处理的基础上, 对表格线进行分析, 在考虑表格线和字符块粘连的情况下提取字符块, 判别汉字串和数英串后分别识别, 生成表格。实验表明本方法的有效性。     

An automated vision system for container-code recognition

Automatic container-code recognition is of great importance to the modern container management system. Similar techniques have been proposed for vehicle license plate recognition in past decades. Compared with license plate recognition, automatic container-code recognition faces more challenges due to the severity of nonuniform illumination and invalidation of color information. In this paper, a computer vision based container-code recognition technique is proposed. The system consists of three function modules, namely location, isolation, and character recognition. In location module, we propose a text-line region location algorithm, which takes into account the characteristics of single character as well as the spatial relationship between successive characters. This module locates the text-line regions by using a horizontal high-pass filter and scanline analysis. To resolve nonuniform illumination, a two-step procedure is applied to segment container-code characters, and a projection process is adopted to isolate characters in the isolation module. In character recognition module, the character recognition is achieved by classifying the extracted features, which represent the character image, with trained support vector machines (SVMs). The experimental results demonstrate the efficiency and effectiveness of the proposed technique for practical usage.     

液晶字符识别的CNN和SVM组合分类器

针对仪表液晶显示字符识别问题,提出一种结合了卷积神经网络(CNN)和支持向量机(SVM)的字符识别方法.分别采用具有并联结构的CNN模型和基于梯度方向直方图(HOG)特征的SVM方法构建基本分类器,当2个分类器的结果存在冲突时,利用CNN的softmax输出最大值判决最终结果,当其大于设定阈值时采用CNN分类器的结果,...     

文档识别中误切分字符拒识问题的研究

自动文档识别中字切分算法如果仅仅依靠大小位置等度量信息,很容易产生误切分图像块,需要字符分类器给出一定的反馈才能准确切分,为此提出了一个新的拒识算法,目标是尽可能准确地拒识非法字符。该文分析了基于距离的分类器的置信度和广义置信度,在此基础上改进了常用的广义置信度映射函数,并设计了一个基于样本学习的拒识规则,提高了拒识算法的适应性。在中日韩三种文档样本上的实验表明,该文算法明显改善了系统性能,对于较低质量的印刷文本识别具有一定的普遍意义。     

一种多字体印刷藏文字符的归一化方法*

消除输入字符在位置和大小上的差异的归一化操作是字符识别系统中一个重要环节。在详细分析藏文字符字形特征的基础上,提出了一种多字体印刷藏文字符归一化方法：综合运用字符重心和外边框信息实现位置归一化,然后采用三次B样条函数将字符归一化到48×96的目标点阵。根据所提方法进行的实验证明了其有效性。     

分时电表表盘数字读数的自动识别系统

研究了分时电表表盘数字的自动识别，它是电表误差分析系统的关键所在。识别工作包括平段和谷段整数和小数数字的识别，难点在于刻度轴歪斜、半个字符的识别，以及刻度对应的小数值的推算。该文构建了一个完整的分时电表表盘数字自动识别系统。该系统以二值化、投影算法、开闭运算、边缘提取、Hough变换等一系列算法作为预处理，提出了整字和非整字两种识别算法。针对300帧现场采集的电表图像，该系统获得了单字正确识别率998％和整表正确识别率97．3％的结果，表明该系统具有较强的鲁棒性。     

基于改进CNN-SVM的甲烷传感器数显识别方法

甲烷传感器材质存在光反射,显示面板上有附着物,造成甲烷传感器自动检定系统采集的传感器数值图像质量较差,对字符识别困难。而现有的基于机器学习的仪表字符识别方法识别率较低、算法运行速度较慢。针对上述问题,提出了一种基于改进卷积神经网络(CNN)-支持向量机(SVM)的甲烷传感器数显识别方法。通过图像增强、数值区域图像提取、图像分割、小数点定位等4个步骤对甲烷传感器数值图像进行预处理,并将处理后的数字图像作为自定义数据集。针对CNN-SVM模型运行时间较长的问题,使用PCA算法对CNN全连接层提取的图像特征进行降维处理,用最主要数据特征代替原始数据作为SVM分类器的样本进行分类识别。在自建数据集上的验证结果表明,与传统CNN模型和CNN-SVM模型相比,改进CNN-SVM模型的准确率更高,运行时间更短。在经典MNIST数据集上的验证结果表明,综合考虑精度和实时性要求,改进CNN-SVM模型的综合性能优于CRNN,SSD,YOLOv3,Faster R-CNN等模型。采用微型高清USB摄像头采集甲烷传感器数值图像,将训练好的改进CNN-SVM模型移植到树莓派中进行图像处理和识别,结果表明,基于改进CNN-SVM的甲烷传感器数显识别方法的识别成功率为99%,与仿真分析结果一致。     

字符粘连及字线相交的分割与识别方法

描述了工程图纸矢量化中多向粘连字符及字线相交的分割算法与识别方法.提出不同情况下字串的定向计算方法,通过粘连字块的特征矢量计算和迭代计算实现字块的分割.运用波形投影方法解决了粘连字符及字线相交情况下的字间切割问题,使工程图多向字符识别精度显著提高,该算法对局部退化状态下的字符识别具有良好的抗干扰性.