基于嵌入式Linux的二维码识别系统

设计了一种基于嵌入式Linux的二维码自动识别系统。对系统的软硬件结构进行了详细分析,提出了一种包含图像二值化、信息定位和译码的二维码识别算法。实验证明了该系统设计的可行性和二维码识别算法的有效性。     

视觉导引智能车的自适应路径识别及控制研究

为了提高智能循迹小车路径识别的精度与行驶速度,提出了一种基于自适应闽值二值化的路径识别算法.首先采用OTSU算法计算出图像分割的最佳阈值,利用此闽值二值化灰度图像;然后提取二值化图像中赛道中心线,得到智能车在赛道中所处位置信息.其次利用线性回归方程对丢失赛道边缘图像拟合直线,根据图像特征完成路径识别.最后采用分段式PID算法实现方向控制,使用增量式PID进行速度调节.测试结果表明,此方法有效提高了不同路径的识别率以及对外界灯光环境的适应性.     

快速响应矩阵码自动识别算法的设计

研究了快速响应矩阵码的自动识别技术,阐述一种用图像处理方法进行条码二值化、定位、分割、译码的方法,该算法运算速度快,性能优越。实验结果表明,整个识别算法的性能优于快速响应矩阵码国家标准提供的参考算法,明显地提高了不同光照下条码的识别率,可以满足不同场景下条码的实时译码应用。     

基于超像素融合的文本分割

提高复杂背景及噪声干扰文本图像的文本分割性能是文本识别研究中的重要问题和难点,为更好地解决这一难题,提出一种基于超像素融合的文本分割方法。首先对文本图像初始二值化,并估计文本笔画宽度;然后进行图像超像素分割并融合;最后利用超像素融合的局部相似性对初始二值化图像进行文本校验。实验结果表明,与最大稳定极值区域（MSER）及笔画超像素聚合（SSG）方法相比,所提方法在KAIST数据集上的分割精度分别提高了8.00个百分点和7.00个百分点,在ICDAR2003数据集上的文字识别率分别提高了5.33个百分点和4.88个百分点。所提方法具有较强的去噪能力。     

车牌识别中关键技术的研究与实现

介绍了车牌图像识别系统的现状,提出一种针对高速公路环境下的车牌定位与识别算法.在定位阶段,通过伪二值化方法消除路面产生的噪声,利用形态学闭运算定位车牌字符,并对车牌图像进行灰度交换,最终得到无边框、灰度对比强的车牌图像.字符分割采用基于字符连通域宽高检测和先验知识相结合的方法,很好地解决了字符粘连对分割的干扰,同时完成了对车牌图像的滤波.在识别阶段,先对车牌图像进行二值化和倾斜矫正,字符识别采用基于模板匹配的改进算法.对高速公路上300幅车辆图像进行测试,识别准确率高于80%.     

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.     

一种实用的标志牌文本提取算法

根据对自然场景图像分割后具有标志牌和背景明显分开等特点,提出了一种基于边框删除的标志牌文本提取算法,首先在二值化图像中采用基于边缘检测和投影算法对标志牌区域进行定位,然后采用边框删除算法提取标志牌文本.大量实验结果表明该方法能够准确定位并提取非规则的标志牌文本.     

针对特定目标提取的二值化算法

根据中文支票识别的预处理过程中提取特定目标的需要,研究了多种二值化算法在预处理中的效果.通过分析2000张中文支票灰度图像的直方图,找到了可以用于图像分割的直方图梯度值信息,基于该梯度值信息,提出了一种用于提取支票图像中金额栏外围框线的二值化算法,使得支票灰度图像中的待提取框线更加清晰、凸出,更加易于定位.在中文支票预处理环境下,所提出的二值化算法在与其它多种二值化算法的对比测试中,表现出了更好的效果和更高的效率.     

视频文本图像增强算法研究

针对视频文本图像,采用Shannon插值算法以及Niblack二值化算法进行图像增强。对Shannon插值算法进行改进,提高了算法效率;同时针对Niblack二值化方法中偏移量S提出了一种新的计算公式,从而形成改进的Niblack二值化算法。实验证明上述增强算法大大提高了OCR软件的文本识别正确率。     

一种基于模糊聚类的快速二值化方法

通过确定阈值实现图像的二值化分割是一种重要且实用的图像分割技术.本文提出了一种基于模糊聚类的二值化方法.这种方法将模糊C-均值算法加以推广(GFCM)后,应用于图像的二值化分割.通过与Otsu阈值法的分割结果比较后表明,该方法的分割效果好,分割耗时少且适用性强.