基于BP网络的手写体数字识别方法

手写体数字识别是一个难度很大，但却具有广阔的应用前景的研究课题。本文主要研究了一种基于BP网络的手写体数字识别方法。这种方法先对数字字符进行分割、细化等预处理，生成数字样本。然后，使用大量数字样本对BP网络进行训练。最后，使用训练好的BP网络识别数字样本。经过测试，在对600个未经训练的字符样本的识别中，数字识别率可以达到95％以上。     

基于结构属性的乌金体藏文古籍字符切分

字符切分是藏文古籍文档图像分析与识别中重要的一环,针对乌金体藏文古籍文本行倾斜,字符之间笔画交叠、交叉、粘连以及不同程度的笔画断裂、噪声干扰等问题,提出了一种基于结构属性的乌金体藏文字符切分方法.首先,建立了乌金体藏文古籍字符区块库.然后,利用音节点位置信息或结合水平投影与直线检测的方法检测出字符区块的局部基线,并根据基线将字符区块切分为上下两部分;利用改进的模板匹配算法检测基线上方笔画的粘连及其类型,利用多方向、多路径粘连切分算法切分交叉、粘连笔画.最后,根据藏文结构属性对各笔画进行归属,完成字符切分.实验结果表明,本方法能有效解决字符切分中遇到的问题,字符切分的召回率、精确率以及F-Measure可分别达到96.52％、98.24％、97.37％.     

基于2DPCA的手写数字识别

手写字符由于书写风格和习惯的不同,造成字符模式的不稳定。针对这一问题,本文首先对字符图像进行图像预处理,统一字符笔画的粗细,改善局部特征,随后利用二维主分量分析法(2DPCA)直接对字符图像矩阵进行变换,抽取字符特征,建立字符的特征矩阵及重构模型,利用最邻近方法和重构误差法进行字符识别。最后通过美国国家邮政局MINIST手写数字库中进行识别实验,验证了算法的准确性和鲁棒性。     

细化算法在手写体字符识别中的应用

在手写体字符识别的研究中,在提取特征的过程中需要提取字符的骨架信息,所以要对每一个字符进行细化处理。在研究ZS和LW细化算法的基础上,采用串行细化与并行细化相结合的方法,并引入一些模板改进算法使其能够有效去除多余枝杈和冗余像素的问题;通过对手写体数字、字母的文字进行测试,表明该细化效果较好,并有一定的实用价值。     

基于三叉点特征的激光刻蚀标牌字符识别

为了实现金属标牌刻蚀字符的识别,在分析标牌字符结构特点的基础上提取字符图像中的端点,三叉点和四叉点,然后提取三叉点的位置,制作成模板,用于字符的粗分类,进而利用笔画长度等信息进行细分类。为了解决字符断裂的问题,提出了一种端点反向生长算法,利用字符的端点进行反向生长,较好地解决了断裂对识别的影响。利用上述结构特征对标牌上的激光刻蚀英文和数字字符进行了识别,取得了较好的效果,表明这些结构特征非常适用于该类字符的识别。     

基于二次网格的字符图像特征提取方法

为了提高字符识别率,克服传统字符特征提取方法复杂、计算量大等问题。文中提出了一种基于二次网格化的字符特征提取方法。将字符二值图像划分为4个网格,提取出字符轮廓的曲率特征;并将字符图像划分为32个网格,依次提取出各自网格的占空比、质心、散度3组特征。该方法兼具结构特征与统计特征的优点,对笔画结构相近的字符较易于区分,该方法抗干扰能力强,且足够稳定。通过对1 500张字符二值图像进行实验,其结果表明,该方法对字母与数字的识别准确率达到了97%以上,相较于其他特征提取方法有大幅提高。     

一种基于特征加权模板匹配方法在纸币字符识别中的应用

纸币字符是纸币的重要特征之一,一组字符能够唯一标识纸币的身份.能够快速地识别纸币中的字符直接影响到纸币字符识别的精度和速度.本文运用特征加权模板匹配算法,设计了一个纸币字符识别算法.该算法从当前应用最广泛的模板匹配法入手,对标准模板匹配算法加以改进,从而提高了纸币字符实别的效率和精度.该算法能够充分区分开字符笔画和非笔画部分对字符识别的影响大小,从而有效地提升了识别率和鲁棒性.从实验结果来看,该算法性能较优.     

基于笔画特征的叠加文字检测方法

提出一种利用笔画线条的统计特征基于支持向量机进行图像中叠加文字检测的方法。该算法首先通过一种改进的线段检测算子提取出笔画线段；然后对笔画线条通过区域合并定位出候选文字块；接着对候选文字块提取一个反映文字笔画线条空间分布特点的32维特征，并通过支持向量机建立的模型对候选文字块进行确认分类。以汉字为例的初步实验表明所提出笔画纹理特征对较多字符构成的文字区域具有很好的性能。     

基于Gabor变换的高鲁棒汉字识别新方法

本文提出了针对字符图像的基于Gabor变换的汉字识别新方法.在对Gabor变换深入分析的基础上,本文针对汉字图像的统计信息,提出了一种有效的Gabor滤波器组参数优化方法;同时,对Gabor滤波器组的输出进行非线性变换,使其适应不同亮度和低质量灰度字符图像的识别.本文还改进了分块特征的抽取算法,提高了对字符细节的分辨能力.实验表明,这种特征抽取方法大大加强了识别系统抵御图像噪声、干扰、亮度变化、笔画模糊、笔画断裂以及字符形变的能力,在应用于各种低质量的二值或者灰度的印刷和脱机手写字符图像识别时,能获得较其他算法更良好的识别性能.     

低质量海关报表字符识别模型研究

海关报表单据图像质量差,其中字符往往有模糊、笔画缺失、笔画粘连和噪声污染等特点。本文针对海关报表单据中低质量字符识别准确率低的问题,提出了Enhanced-DBNet文本检测模型并改进ABINet文本识别模型。基于DBNet模型重新设计其主干网络,引入可变形卷积模块(DCN)扩大感受野,提高长文本识别能力;采用双向特征金字塔增强模块(FPEM),使网络具有更强的表征能力;引入特征融合模块(FFM)将图像高层次语义特征和低层次位置特征充分融合。针对形近字符难区分的问题,在ABINet模型中引入可变形注意力模块,使注意力集中在字符相关区域,捕获到更多的字符特征。对比实验结果表明,本文的模型在海关报表低质量字符上的检测和识别准确率优于当前其他模型。     

基于SVM的多特征手写体汉字识别技术

针对传统的模板匹配法对汉字的识别率较低,文中提出一种基于SVM的多特征手写体汉字识别技术。在提取网格特征的基础上增加对汉字质心特征、笔划特征、特征点的提取,并采用SVM算法构造分类器,实现对手写体汉字的识别。实验结果表明,该方法的平均识别率为95.9%,高于传统的模板匹配法。     

基于机器视觉的分级车牌字符识别方法

为提高车牌字符识别率,提出一种考虑整体和局部特征,分别采用两级SVM分类器的识别方法,其工作模式为:第一级分类器针对所有字符,在识别结果属于形似字符的情况下,送入对应的第二级分类器作进一步识别。第一级分类器提取字符图像整体的各网格比例作为SVM的分类特征。将形似字符分为5组,分别对应的5个SVM构成第二级分类器。通过分析各组内字符笔画特征的局部相异性,提取相应网格中字符轮廓的垂直、水平投影方差、比例等特征并进行特征融合作为相应SVM分类特征。实验结果表明,该方法字符平均识别时间为23.45 ms,且在形似字符的识别率和总体识别率方面均优于模板匹配、神经网络和同类的分级识别方法,是一种有效的方法。     

基于权系数标识符矩阵的车牌字符识别方法

为了提高对车牌字符的准确识别能力,提出了一种基于权系数标识符矩阵的模板匹配车牌字符识别方法。具体方法是在进行字符识别前为每一个车牌字符制定一个标准化的模板,再将每一个模板字符的像素依据像素区域、像素边缘区域和非像素及非像素边缘区域等标记成不同的区域,并依此为基准生成一个模板矩阵。根据车牌字符闭合区域个数及字符二值图像中间行、中间列黑白跳变次数,可将字符分为10类。进行字符识别时,首先判定待识别字符属于哪一类,然后与所在类的每一个字符的标准模板进行匹配,统计待识别字符落在每一个标准模板矩阵的不同区域的像素数,并根据不同区域的不同权值计算相似度值,相似度值最大的即为识别结果。该方法采用两级分类法对车牌字符图像进行分类,再采用基于权系数标识符矩阵的模板匹配法对车牌字符进行识别。实验结果表明,该方法提高了识别结果的准确度,对于存在字符断裂以及形状相似而容易混淆的字符有较好的识别效果。     

基于模板匹配算法的字符识别研究

文中提出了一种基于模板匹配的字符识别算法。该算法在对输入的字符进行预处理的基础上对字符进行特征量提取,预先将字符分成若干个集合;然后再对各集合中的字符进行模板匹配,最终对字符做出判决。试验结果表明,模板匹配算法保证了字符识别的正确率,而对字符进行预分类,则缩小了模板匹配的字符对象范围,弥补了模板匹配算法对于大量字符耗时多的缺点。     

一种基于模糊聚类理论的文本水印算法

基于模糊聚类理论,建立了以文本文档中汉字特征为变量的聚类模型。根据人类视觉系统特性,将文本文档中汉字按照汉字笔画数、出现频率及分布均匀度作了分类,选择文本文档中汉字笔画数相对较少、使用频率较高、分布均匀度高的类别嵌入水印。实验结果表明,该算法对于内容的部分删除、添加、格式调整等攻击具有较好的鲁棒性,水印的不可见性好。     

包含高阶统计量的手写汉字分类尺度

在实际应用系统中,由于得到的信号往往不服从高斯分布,因而基于高阶统计量的信号处理方法越来越受到重视和应用.对于手写文字特征而言,它的分散特性很难用高斯分布描述,因而本文提出了一种通过高阶统计量来描述文字分散特性的方法,文中给出了三种不同形式的高阶统计量,并且通过在脱机手写汉字数据库HCL2004^[1]上进行实验,比较了基于这三种方法的模板匹配汉字识别系统的性能,同时也证实了该方法的有效性.     

基于边缘检测的车牌识别算法的实现

针对传统车牌识别的不足,本文提出了基于边缘检测的车牌识别的算法.该算法首先对摄像头获取的车牌图像预处理,去除图像无用信息,然后运用Robert算子检测车牌边缘,并对车牌区域进行图像较正,用高斯滤波法去除噪声并且提取车牌信息特征,接着对车牌区域水平和竖直方向运用触点定位法分割字符,对车牌分割后与相应字符模版匹配,利用预测模型预测识别结果,最后识别出车牌字符.     

基于模板匹配的车牌汉字识别方法及判别函数

利用预先设计好的标准车牌汉字模板与待识别字符进行逻辑‘与’运算,通过判别函数得出识别结果。文中提出两个判别函数,求取模板、待识别字符与匹配结果三者标准差最小值,求取匹配结果矩阵元素和最大值,并对它们的识别结果进行对比和分析,最后将两个函数联合使用。结果表明,在一些字符的识别上文中方法较以往的识别方法有所提高     

基于OpenCV的光缆表面喷码字符识别算法

人工识别光缆喷码字符弊端众多,亟需光缆自动化识别技术.针对光缆喷码点阵字符特点,提出一种在线光缆喷码字符识别系统,对模板匹配、人工神经网络和支持向量机等3种字符识别算法进行仿真研究和参数优化,并比较了这3种算法的优劣;分析了人工神经网络和支持向量机相关参数对识别准确率和训练时间的影响.仿真结果表明:相同测试集下,人工神...     

基于医学图像的ROI的模板压缩法

结合医学图像压缩的特殊性,有针对性地研究了几种典型的医学图像压缩方法,包括有损的JPEG系列、无损的JPEG2000系列,以及模板匹配压缩方法。并用MATLAB分别对每种方法进行了仿真。通过实验结果的对比,分别指出这些方法各自优、缺点。最后综合各种方法,提出了一种基于感兴趣区域(ROI)的模板压缩法。