一种自由手写体数字识别方法研究

提出了一种识别自由手写体数字的新方法。该方法综合利用手写字符的几何拓扑特征进行分类，然后再用自适应浮动模板描述其细特征，并进一步分类，直至识别为止。该方法对不同人书写的３０００个手写数字识别精度达９８％，识别速度为２０字／秒。     

碎片图像字符特征提取方法研究

字符特征提取是含文字碎片图像拼接的关键环节,直接影响拼接效果。提出了一种包含文字信息的碎片图像特征提取方法 ,首先,对原始碎片图像进行预处理,分别得到字符和碎片背景的二值图像;然后,利用边缘检测算子提取字符和碎片背景的单像素边缘;最后,利用结构算子检测碎片图像中字符与碎片背景边缘的交叉点,并根据交叉点的信息提取字体边缘方向特征。仿真实验结果表明本文提出的碎片图像字符特征提取方法思路合理,能够快速、准确地提取出碎片图像中的字符特征,为后续的匹配拼接奠定基础。     

GDX1包装机IPC控制系统的研发

目的 为加强银行智能办理业务的设备性能,提高票据数字的识别效率,研究一种改进的算法来获得更高的数字识别效果。方法 根据银行票据的印刷数字特性进行字符的提取和分割,经过图像采集、降噪、二值化之后使用起点直方图法结合步长法进行字符的分割,然后使用改进的LENET卷积神经网络用于提取数字特征,进行分类。结果 通过实验,结果表明文中提出的方法进行复杂环境下的印刷数字识别,准确率达到95%以上,识别速率为1.169 s/张。结论 利用新的字符分割算法与改进的LENET神经网络相结合,可以很好地识别干扰强的印刷票据,准确率高。     

一种小波和余弦变换组合域内鲁棒的自适应零水印算法

克服了传统数字水印方案在嵌入水印时要对原始图像数据进行一定修改从而导致嵌入水印图像质量下降的局限性,提出了一个基于离散小波变换和离散余弦变换组合域内鲁棒的自适应零水印算法.算法首先对原始数字图像进行适当层次的离散小波变换,并对得到的小波逼近子图进行离散余弦变换,然后依据待嵌入二值字符水印的大小和相应的系数差值要求自适应...     

基于改进BP网络在车牌字符识别中的应用

本文研究针对传统神经网络在字符识别存在识别准确率低、效率低的问题,提出了一种基于误差反向传播的人工神经网络算法（BP神经网络算法）。该算法首先对字符图像进行归一化处理,然后对字符进行特征提取,采用PCA主成分分析对Gabort提取的特征进行降维处理,将提取字符特征输入到BP神经网络进行学习和识别,并采用动量因子和自适应学习速率对BP神经网络进行改进,加快其收敛速度,从而提高识别的实时性。     

基于多特征匹配的液晶屏字符缺陷检测

目的 为了实现电动滑板车包装前液晶屏字符检测高效、高精度的目标,以及为了解决液晶屏字符中Led段码字体难以精确分割、匹配算法复杂等问题。方法 通过Hough直线检测实现字符区域的位置校正,投影法实现分割字符区域,形态学处理、连通域分析实现各字符的提取,采用BP神经网络模型对字符进行识别,最后通过改进的几何特征检测字符缺线、漏线,灰度特征检测字符亮度不均匀。结果 液晶屏字符实验结果表明,每个字符平均识别时间为0.16s,每个屏幕平均识别时间为0.6s,液晶屏字符缺陷加权识别率为96%。结论 该算法具有较高的可靠性、效率、识别率,解决了液晶屏字符在几何、亮度缺陷下高效、高精度检测实际工程的问题,为同类产品的检测提供了算法经验。     

局部特征点的鲁棒性数字稳像

针对视频序列受载体的影响,本文提出了基于Harris局部特征点的数字稳像方法。局部特征点在图像处理、模式识别、计算机视觉以及目标检测与跟踪领域得到了广泛的研究。首先,利用Harris算法提取动载体摄像系统中每帧图像的局部特征点,采用基于归一化互相关匹配算法进行局部特征点的匹配,提出了一种双向搜索的匹配策略来提取具有较强鲁棒性的特征点;然后,利用随机抽样一致算法进一步筛选所选定的特征点,并将保留下来的精确匹配特征点带入仿射运动模型求出全局运动矢量;最后,提取全局运动矢量中的抖动参数,并对原始图像进行补偿。实验结果表明,该方法可以快速有效地处理图像序列的仿射运动,水平和垂直方向的精确度小于1 pixel,并且具有较好的鲁棒性,可用于动载体摄像系统。     

自然场景图像的字符识别方法

目的基于大津算法(Otsu算法)对图像进行分割,利用光学字符识别方法对自然场景图像中的英文字符进行识别。方法首先用分块Otsu算法对图像进行初步的二值化,然后通过对二值化结果的分析,把原始的输入图片分割成单个字符的子图,再对各子图重新用Otsu算法进行二值化,最后对最终得到的二值化结果进行识别,再结合之前得到的每幅图的字符数量信息和词典信息,对识别结果进行修正,得到最终的识别结果。结果在ICDAR2013数据集上测试文中算法,单词正确识别率为46.03%,总编辑距离为474.5。结论文中提出的以Otsu为基础的分块识别算法,能够更好地分割复杂背景图像的背景和文本,同时结合词典信息对识别结果进行了修正,改善了识别效果。     

基于特征检测的数字仪表数码快速识别算法

为对数显类仪表的显示数据进行自动识别与监测,提高该类仪表的自动化水平,需要研究仪表数码快速识别算法。该文提出一种基于特征提取的数字仪表数码快速直接识别算法。将图像进行预处理后,对数显屏幕进行定位。通过列切实现单个数码字符切割,对单个数码字符进行七段特征检测和五线相交检测,实现对正体数码和斜体数码的快速直接识别。实验表明,算法基本可以满足各种仪表数码的识别需求,识别速度快、准度高。     

大噪声图像的轮胎规格号识别技术

针对轮胎规格号图像高噪声的特点,本文提出字符截断方式来获得可区分的外轮廓特征,利用BP神经网络并结合规格号关系特征来识别轮胎规格号.首先,获取可区分规格号字符样本特征:截取字符的三分之二,获取其外轮廓游程特征;随后,对其进行BP神经网络训练和识别,得到一次识别结果;最后,采用规格号类型特征,对识别结果做二次识别.实验结果表明,BP神经网络对变形字符有较强的容错能力,特征获取和二次识别算法能够有效识别轮胎规格号.     

基于粒子群算法优化支持向量机的视频火焰检测

为提高火焰检测精度,该文提出了一种基于粒子群算法优化支持向量机的视频火焰检测方法。利用背景减除法对视频图像进行处理,得到原始图像的二值化图,通过提取二值化图的图像特征确定火焰检测模型的支持向量。采用PSO算法优化SVM的惩罚系数和核系数,建立了基于PSO-SVM的视频火焰检测模型,仿真分析结果表明,该文所提出的火焰检测方法的检测精度和检测时间分别为97.31%和31.94s,检测结果明显优于SVM和GA-BP算法,验证了该文所提方法的正确性和实用性。     

一种图像的显著区域提取方法

本文提出一种新的图像显著区域提取方法,分别提取原始图像的亮度、颜色、方向三个特征,并将三个特征的多尺度图像特征合并成一幅总的显著图;其中,在图像颜色特征提取中融入图像的频域特征,简化了算法的复杂度及实现难度,在图像方向特征提取中应用新的特征函数,使得方向特征图更加完善.实验结果显示本文方法相比较Itti算法显著图更为明显且易于实现,在图像目标重定位应用中图像形变少,效果更好.     

双重主动轮廓图像分割

本文首先利用小波变换得到原图像的粗分辨逼近,在粗分辨逼近中得到图像的一个粗尺度分割。由于逼近图像中噪声下降,尺寸减少,使得算法对参数的选取不太敏感,而且收敛速度加快。然后将第一次分割结果通过小波反变换返回到原始尺度上,将得到的近似轮廓曲线作为初始水平集函数再在原图像中演化得到更准确的分割,这样就得到了一种双重主动轮廓图像分割算法。由于初始轮廓曲线非常接近真实的轮廓曲线,所以很快就可以收敛到真实的轮廓。理论分析和数值结果表明,双重主动轮廓分割算法可以快速有效地分离出感兴趣目标。     

有限字符识别的研究与实现

论述并设计实现一个自由手写体数字识别系统。首先对待识别数字的预处理进行介绍,主要是平滑滤波的处理方法;其次探讨如何提取数字字符的特征;最后进行关键点对比匹配识别并分析实验结果。     

基于计算机视觉的齿形参数测量系统

介绍了基于计算机视觉的齿形参数测量系统组成,建立了测量软件框架,提出齿形齿距及压力角两个参数的测量算法.首先利用计算机视觉系统获取齿形原始图像,经边缘提取,数据处理去除小完整齿面后,利用拐点处曲率突变,通过最小二乘法提取齿形特征段.最后根据齿面灰度特征,分别应用曲线拟合及灰度质心迭代两种算法求取亚像素边缘,对边缘进行直...     

字形轮廓的精确表示及其在文字向量化中的应用

从二进制图像中提取轮廓是许多图像处理应用中的重要内容,例如:扫描文档图像的向量化、对象分割、模式识别、手写文档和AutoCAD绘图中的内容解释、手绘卡通动画等。本文提出的轮廓跟踪算法能够生成具有以下特性的精确轮廓描述:首先,它能够有效地处理单像素宽度以及自相交的字形轮廓;其次,在轮廓跟踪的过程中,该算法可以将内、外轮廓与相应的对象区域相关联(例如字母‘B’由一个外轮廓与两个内轮廓组成),这将有利于对象的后续处理过程;第三,与传统的8-邻域或4-邻域连通轮廓跟踪算法相比,本文的方法能够精确地捕捉到字符的形状和尺度信息,这对于提高对象的保真度是十分重要的;最后,本文的算法简明,易于实现。     

基于BPSO-KNN算法的被动声呐目标分类识别技术研究

以提取得到的被动声呐目标功率谱特征为基础,采用二进制粒子群(Binary Particle Swarm Optimization, BPSO)优化算法和k最近邻(k-Nearest Neighbor, KNN)分类算法相结合的BPSO-KNN算法进行特征选择和参数优化,分别用KNN分类算法和BPSO-KNN分类算法对实际得到的四类海上被动声呐目标进行分类识别。结果表明,BPSO-KNN算法可对提取的功率谱特征进行特征优化选择,并对KNN分类器进行参数优化,提高了对四类目标的分类精度。该算法在被动声呐目标分类识别方面有参考价值。     

自适应二阶双稳态随机共振的微弱特征增强检测方法研究

针对大型机械设备运行环境恶劣故障特征难以提取的问题,提出一种自适应二阶双稳态随机共振方法。首先系统输出信号的信噪比作为蚁群算法的自适应度函数,然后采用蚁群算法优化二阶随机共振系统的参数和阻尼因子,再利用优化得到的最佳参数设置二阶随机共振系统,最后实现微弱故障特征的增强与提取。数值仿真分析表明:该方法可以有效地提取淹没在强噪声背景下的微弱正弦信号;而且深沟球轴承滚动体故障实验结果证明提出的方法能有效增强与提取滚动体故障特征频率。仿真与实验对比结果表明:提出的方法优于传统随机共振方法,归功于该方法不仅能够利用蚁群算法并行选择和优化随机共振系统参数,而且克服传统随机共振方法对高通滤波器的依赖。     

适应光照突变的工件字符识别系统

为了实现机械工件上刻写字符的自动检测、识别与显示,本文设计并完成工件字符自动识别系统。重点针对光照变化时工件字符难以识别的问题,研究不同光源组合方式对系统识别性能的影响,提出了一种能更好适应光照突变的特征提取算法。首先,对输入图像利用优化的同态滤波算法增加字符的细节信息,减低光源照度的影响。然后,分别采用基于LOG算子的自适应阈值法获取图像的整体轮廓和全局特征,采用局部二值模式(LBP)算法获得对光照突变不敏感的LBP纹理特征。最后,联合目标全局特征和LBP局部纹理特征对应像素做相关运算,获得对光照不敏感的融合特征向量。在工业现场进行实测,测试结果表明:识别率平均达到94.72%,对工件平均检测时间230 ms,满足实时性要求。与SIFT算法和Bayesian算法相比,在光照突变情况下本系统的识别精度和稳定性更有优势,且满足工业应用上自动识别的要求,并已实际用于工业测量。     

一种新的SIFT几何校正的抗几何攻击水印算法

目的为了提高抗几何攻击水印算法的鲁棒性,提出一种新的SIFT几何校正的抗几何攻击水印算法。方法利用尺度不变特征变换算法分别提取原始图像和受几何攻击图像的特征点,在水印提取前,将原始图像和受几何攻击图像进行特征点匹配,按照匹配的特征点对受几何的攻击图像进行几何校正。在水印嵌入过程中,结合奇异值分解(SVD)特征值的稳定性和非负矩阵分解(NMF)线性无关性来增强水印图像的鲁棒性。结果文中算法在剪切、JPEG、噪声等攻击下具有很好的鲁棒性,提取出来的水印图像NC值均大于0.98,在RST攻击下水印图像的NC值也能达到0.97以上。结论提出的抗几何攻击算法能有效的抵抗各类几何攻击,具有很好的鲁棒性。