基于DSP的多路抄表系统的设计与实现

分析了目前抄表系统中存在的一些问题,提出了一种基于DSP的多路水表号码识别系统,给出了系统的设计方案及各功能模块实现过程。系统属于无源远程抄表方式,采用嵌入式技术和视觉检测技术,通过对水表号码图片的采集及识别处理,实现对多路水表读数的显示及传输。实验证明该系统成本低、速度快、安全、节能、工作稳定,可以准确识别水表读数。     

用Matlab实现身份证号码快速识别

探讨身份证号码的快速识别。首先从身份证图像中获取0～9共10个号码数字的样本图像,从中提取其空间分布特征和结构特征;再从待识别的身份证图像中提取各号码数字的空间分布特征和结构特征;最后用相似系数最大和结构特征一致准则对各号码进行识别,并应用Matlab编程实现了身份证号码的快速识别。     

基于灰度多值化的身份证号码识别

为了方便警察在公共场所核对居民的身份证信息,实现身份证号码的自动识别,提出了一种基于灰度多值化的身份证号码识别方法。该方法的思想是先找到身份证的四条边缘在图像中的位置,根据身份证号码所处区域在身份证中是固定的,可以定位到身份证号码所在区域;采用投影法分割出身份证号码单个字符;将单个字符灰度图像进行多值化处理,提取字符的网格特征,利用模板匹配法识别出字符。该方法不仅能快速地识别出号码,而且对于比较模糊或亮度不均匀的图像也能准确地识别。     

基于多分辨率的水表用户码定位与识别

本文对数码相机拍摄的水表图像中的用户码进行定位与识别,以获得用户编号信息.采用基于多分辨率的方法,并结合边缘检测、区域分析与hough变换,定位用户码区域,然后识别用户码中的信息.本文的方法实现了条码区域的快速定位,能有效识别复杂水表背景中的条码.     

人民币号码自动识别方法研究

针对人民币印刷中号码的识别问题,本文研究了其中的识别算法,包括号码图像的二值化、号码区域的定位、号码字符的分割及归一化和号码字符的识别,提出了一种号码区域定位及分割方法。在此基础上,建立了相应的识别系统并进行了实验研究。结果表明,系统具有较高的识别精度,能较好地满足实际需求。     

邮政编码手写体的快速识别

从邮件封面中获取样本图像,经过去噪、二值化、规范化、细化、剔除毛刺等预处理之后．再从待识别的邮政编码图像中提取各号码数字的拓扑结构特征和端点特征,通过对各号码的特征进行分析．得出邮政编码的识别算法。应用Matlab软件编程实现了邮政编码的快速识别。     

基于多特征信息的水表指针自动识别方法

水表的自动判读技术在工业生产中有着广泛的应用,这种技术主要是通过水表指针的自动识别来实现的.针对水表指针识别中存在的问题,提出了基于多特征信息的指针自动识别方法.首先利用色调信息定位红色指针,结合表盘结构特征实现指针信息显著区域的分割提取;然后采用基于色调信息的P-分位数法提取出指针子表盘区域,较好地解决了低对比度、阴影等干扰因素引起的检测精度下降的问题;最后提出了一种改进的模板匹配法,分区实现了指针指向的快速识别.通过对大量不同条件水表图像的检测,实验结果表明该方法识别精度高、耗时低.     

基于表盘摄像的无线水表远程抄送系统设计

针对老旧小区供水管道陈旧而改装费用高昂的问题,提出了一种基于表盘摄像的无线水表远程抄送系统.水表终端对表盘进行摄像和图像处理后,通过使用DigiMesh协议的无线网络将图像数据上传至上位机,而图像在上位机中实现图像存储和识别.完成了系统架构、无线网络、水表终端电路和上位机软件等设计工作.实际运行实验结果表明,该系统具有运行稳定,抄表速度快,一次抄表成功率高,电池使用寿命长等优点.     

人民币纸币号码识别算法研究

为了提高人民币纸币号码识别算法的适应度,基于字符结构特征的思想,提出了一种利用多个相互补偿结构特征的人民币号码识别算法,并研究了包括人民币号码的图像定位、图像的二值化、单个字符分割、字符大小归一化等图像预处理过程。对人民币纸币号码的字母排列、数字排列以及它们的组合排列分别进行了算法设计,以字母、数字组合排列识别程序的部分流程图为例做了算法阐述。利用ARM嵌入式系统对三组识别程序进行了实验验证,并对实验过程中遇到的字符字体差异、字符干扰问题提出了应对方法。通过对三组识别程序识别正确率的统计可以看出,该算法有较高的识别精度,能较好地满足实际需求。     

基于深度学习的字轮式水表读数检测与识别

现实中拍摄的字轮式水表图像的读数区域存在不同的位数和旋转角度的问题，这些问题对识别准确率造成很大的影响。针对这种情况，提出一种基于深度学习的水表读数检测与识别算法。该方法使用改进的圆盘检测算法来对水表圆盘进行检测；采用一种改进的多方向全卷积网络检测出水表的读数区域，同时提出一种图像旋转矫正算法，实现对水表读数区域的矫正与分割；对于读数识别，设计一种轻量级的神经网络，减少模型大小和加速训练过程的同时保持较高的识别精度。实验结果表明，该方法的圆盘检测率从93.97%提高到了96.38%,读数区域检测模型对不同类型的水表读数区域具有较好的检测效果，识别模型的大小从8.77 MB减少到7.32 MB,模型的训练和测试时间短，准确率达到96.44%。