票据字符识别的预处理算法研究

针对票据图像的特征, 本文提出了一种票据字符识别的预处理算法。采用基于方向投影的倾斜校正方法来调整图像的倾斜, 再经过最佳阈值分割得到二值化图像, 去除离散杂点后, 采用改进后的基于方向投影的方法进行字符分割。实验表明, 该算法能够满足快速准确的字符分割, 具有很强的抗干扰性和应用适用性。     

亮度不均匀低质量图像中压印字符分割方法

字符分割效果,直接影响识别精度。在处理亮度不均匀低质量图像中的压印字符时,由于亮度分布不均匀、目标字符与背景区域对比度较低,传统基于二值化图像的字符分割方法在处理上述情况下的压印字符时,难以确定最优二值化阈值,分割准确率较低。提出基于分割效果评价函数的迭代闭环反馈分割方法,通过建立评价函数对分割效果进行评估,以提高分割效率及准确率。借助加权平滑滤波,去除灰度波形图中的畸变波形;并利用广义学习矢量量化算法,确定最优滤波权重因子;通过分析波形变化趋势,确定字符分割位置。实验结果表明,该算法在批量处理亮度不均匀低质量图像中的压印字符时,分割准确率可达98.5%。     

基于自适应遗传算法的纸币识别预处理

描述纸币图像的二值化和字符的分割方法.针对纸币图像的特点,提出一种基于最大方差比的图像二值化算法,并利用自适应遗传算法(Adaptive Genetic Algorithm,AGA)得到最优的阈值.该算法的思想是将图像分成两个类,选取类间方差与类内方差的分离度为适应度函数,当分离度取最大值时对应的灰度值为最优的阈值,实验表明,以此阈值对图像分割能快速准确的对纸币图像二值化.最后讨论基于投影法的纸币字符分割的方法,并且取得比较满意的效果.     

二代身份证的自动分割方法研究

为了解决由于采集身份证图像时光照不均匀给二值化造成的困难,将基于概率的数字图像光照不均匀校正算法应用于对身份证图像的光照校正。该算法在对一个区域中的背景进行提取时,采取统计的方法,先计算该区域中像素亮度的均值和标准差,然后根据统计值进行背景灰度计算。这样有利于排除噪声点的干扰,鲁棒性更强。采用水平投影确定字符所在行的区域后,利用垂直投影确定单个字符的位置。实验验证了所提方法能有效地进行二值化并准确分割出身份证上的字符。     

阴影莫尔法中光栅传感器的研究

提出一种基于阴影莫尔法的凹凸字符图像获取方法,针对压印凹凸字符的特点给出了基于阴影莫尔法的字符图像获取的理论分析.进行了光栅传感器的设计计算,设计了实验装置,并将实验结果进行了对比分析.实验证明了采用阴影莫尔法采集的字符图像与光栅传感器的设计计算结果是相吻合的.使用此实验装置对压印字符进行质量检测是一种可行的方法,而且具有检测方法简洁、快速的优点,适合压印凹凸字符的在线质量检测.     

基于最小字符投影的车牌图像错切校正方法

为解决车牌图像倾斜对字符分割与识别带来的不利影响,提出一种基于字符投影的车牌图像错切校正方法.对旋转后的车牌字符区域向水平坐标上投影,利用最小投影距离获取水平错切角,采用二维几何变换对图像进行校正.试验结果表明,该方法不依赖车牌边框特征,抗干扰性强,具有较高的鲁棒性.     

车牌字符识别的预处理算法

文章介绍了车牌图像的二值化和字符分割算法。提出了一种图像二值化的改进算法,应用简单统计法及Roberts边缘检测算子,在具有噪声以及灰度不均匀的复杂背景中提取出待识别的字符,同时运用数学形态学进行二值图去噪。最后讨论了基于投影法的车牌字符分割方法,取得了较满意的结果。     

基于光照影响因子的动态Niblack算法研究及应用

为解决钢板喷印字符图像存在的字符拖尾和光照不均匀导致的字符图像二值化效果差的问题,提出一种基于光照影响因子的动态Niblack算法。在Niblack算法的基础上引入光照强度项,降低光照不均匀带来的影响;定义灰度阈值中各项的动态系数,减少目标点和背景点的误判,获得良好的二值化效果;结合Otsu算法得到全局阈值,以全局阈值对算法的灰度阈值进行修正,加强二值化图的局部联系,提升二值化字符的连贯性。通过与Niblack、Sauvola等多种算法的对比,验证了该方法的可行性。     

面向彩印标签的手机数码识别及应用

针对Android手机拍摄标签数字码实时识别的需要,以及拍摄图像具有分辨率低、亮度不均匀、背景复杂等特点,由手机拍摄直接获得灰度图像后,通过数字区域投影定位,获取只包含数字的图像;采用二值化进行灰度图像到黑白图像的变换;通过投影及归一化处理进行数字码图像分割,并对每个数字码图像进行细化获取细化数字码;基于统计学抽取数字码的特征;建立数字码模式特征后,采用最近邻域判别函数进行数字码识别,取得了良好的识别效果。     

基于大津法的图像分块二值化算法

本文对灰度图像二值化的方法进行研究,提出了一种新的以大津法为基础的图像分块二值化方法。通过对采集到的火车轮字符进行实验,结果表明了这种新的二值化方法在不均匀光照、图像模糊的情况下能很好地对图像目标(字符)进行分割,该方法的思想可以推广到对一般灰度图像的二值化中去。     

基于小波的车牌汉字特征提取

车牌识别系统是智能交通不可或缺的一部分.在车牌识别系统中,车牌首位汉字的特征提取和识别是一个难点.为此,将小波的多分辨率特性应用于车牌汉字特征的提取,提出了一种直接从灰度图象提取车牌汉字特征的提取方法.该方法首先提取图象的小波矩和基于小波分解的区域密度特征,然后以识别率好坏为最优依据,进行特征分量排序和选择,最后把特征矢量送入BP神经网络进行字符识别.该方法避免了一些传统汉字特征提取方法需要对图象进行二值化操作而造成的汉字字符结构信息丢失.提取的特征有效地反映了车牌汉字的局部和全局特征.实验结果表明该特征提取方法可以得到比较好的识别效果.     

New method for feature extraction based on fractal behavior

In this paper, a novel approach to feature extraction based on fractal theory is presented as a powerful technique in pattern recognition. This paper presents a new fractal feature that can be applied to extract the feature of two-dimensional objects. It is constructed by a hybrid feature extraction combining wavelet analysis, central projection transformation and fractal theory. New fractal feature and fractal signatures are reported. A multiresolution family of the wavelets is also used to compute information conserving micro-features. We employed a central projection method to reduce the dimensionality of the original input pattern. A wavelet transformation technique to transform the derived pattern into a set of sub-patterns. Its fractal dimension can readily be computed, and to use the fractal dimension as the feature vectors. Moreover, a modified fractal signature is also used to distinguish the distinct handwritten signatures. We expect that the proposed fractal method can also be used for improving the extraction and classification of features in pattern recognition.     

A new benchmark on the recognition of handwritten Bangla and Farsi numeral characters

The recognition of Indian and Arabic handwriting is drawing increasing attention in recent years. To test the promise of existing handwritten numeral recognition methods and provide new benchmarks for future research, this paper presents some results of handwritten Bangla and Farsi numeral recognition on binary and gray-scale images. For recognition on gray-scale images, we propose a process with proper image pre-processing and feature extraction. In experiments on three databases, ISI Bangla numerals, CENPARMI Farsi numerals, and IFHCDB Farsi numerals, we have achieved very high accuracies using various recognition methods. The highest test accuracies on the three databases are 99.40%, 99.16%, and 99.73%, respectively. We justified the benefit of recognition on gray-scale images against binary images, compared some implementation choices of gradient direction feature extraction, some advanced normalization and classification methods.     

一种手写体汉字特征提取新方法—小波变换及弹性网络技术的应用

利用小波分析方法将汉字图象分解为横、撇、竖、捺４个方向的分量，然后结合弹性网络技术，提出了进行了手写体汉字特征提取的一种新方法，实验结果显示此方法是行之有效的。     

有限集手写汉字识别中的笔画分区矩描述特征

提出了一种笔画分区矩特征的提取方法。根据汉字笔画分布特点，利用小波变换将汉字分解为4个方向笔画分量，用分区矩分别描述4个笔画于图像，并采用K—L变换对特征进行降维处理。采用该特征对有限集手写体汉字进行识别，初步实验结果表明该方法十分有效。     

基于Gabor滤波器组的车牌汉字特征提取

提出基于Gabor滤波器组的特征提取新方法.利用汉字图像的统计信息及归一化信息,提出针对车牌汉字的有效的Gabor滤波器组参数优化方法,并设计一组Gabor滤波器用于提取车牌汉字图像中不同中心频率和方位的笔画纹理特征,实现直接对灰度图像的特征提取.实验结果表明,相比传统二值化特征提取方法,采用基于Gabor滤波器组的小波变换提取特征能够获得更良好的识别性能.     

一种新的道路标志统计识别方法

提出了一种用于室外移动机器人的道路标志自动统计识别方法。针对我国道路标志图像的基本特征,全面分析转弯道路标志图案后发现:图像的全局特征更易被检测到,而且更不易受到噪声和较小局部失真的影响。提出以全局特征为立足点,采用图像的灰度均值为主要特征量的特征选择与提取方法。在此基础上,分析道路标志图案的分块机理,采用投影和方向特征的处理方法,得到了9个转弯道路标志的特征不变量值。试验结果表明,有噪声的情况下,该方法能够实现对道路标志图案的快速、准确识别,具有较好的抗干扰能力。     

Identification of fork points on the skeletons of handwrittenChinese characters

This paper describes techniques for stroke extraction used in the recognition of handwritten Chinese characters. A new set of feature points is proposed for the analysis of skeleton images. Based on a geometrical graph, a novel criterion is proposed for the identification of fork points in a skeleton image which correspond to joint points in the original character image. Experimental results indicate that the proposed method correctly determines the fork points, and is effective in unifying the joint points     

灰度直方图特征提取的Matlab实现

图像特征提取是图像识别、图像数据挖掘、基于内容的图像检索等的基础性工作,是目前图像领域研究的热点。该文以医学肝脏CT图像为例,对其灰度直方图特征提取进行了Matlab分析与实现,并给出了实现代码。实验结果表明,正常异常肝脏图像的灰度直方图特征有明显差异。     

基于神经网络数字识别方法的研究

针对无指针式仪表表盘的数字识别问题,提出一种基于特征提取和粗糙集特征约简的神经网络数字识别方法;该方法首先利用数字图像预处理技术处理图像并利用特征提取方法提取数字图像特征,然后利用粗糙集理论进行特征约简,最后将约简后的信息输入到训练好的神经网络进行识别;实验表明,相对于传统方法,该方法具有识别率高、速度快的特点,具有较高的实用价值;并且该方法在保留神经网络高鲁棒性的同时,为快速准确地进行数字识别开辟了新的途径。