一种基于特征的BP神经网络车牌字符识别

字符识别是自动车牌识别系统中很关键的一步.字符识别有以下几步,首先,对车牌图像进行预处理.其次,通过竖直方向投影分割字符.最后,将提取的字符特征输入网络进行训练.在实验中,利用该方法对光照不均、字符大小不一、运动背景的图像,特别是相似字符的识别获得了较高的识别率,并且将其与字符输入BP神经网络进行对比分析.实验结果表明,该方法对字符识别有很好的鲁棒性、有效性.     

印刷体英文文档识别系统的设计与实现

光学字符识别是模式识别领域的一个重要分支.提出并实现了一种用于印刷体英文文档的OCR系统.该系统使用基于字符识别的方法进行文档识别,图像经过预处理后,提取多种特征进行组合,并且考虑到字符粘连的情况,在训练样本中加入部分易粘连字母组合进行识别.通过实验证明,该识别系统快速、稳定且有效.     

低对比度嵌入型钢坯字符识别方法

针对嵌入型钢坯字符具有低对比度、边缘特征不稳定等特点,提出基于轮廓测度LoG算子.首先使用多角度的卷积模版对图像进行卷积运算,有效地增强了字符各方向上的边缘轮廓信息,通过对零交叉点的检测获得候选区域闭合的边缘轮廓,其次使用区域填充算法对闭合轮廓区域进行填充获得候选联通域,最后根据字符与噪声在形态学特征上的差异去除噪声,进而完成字符串信息的完整提取.实验结果表明,基于边缘检测的嵌入型钢坯号识别方法识别效率高,具有较高鲁棒性,检测结果中的字符信息保留完整,能够很好用于字符识别过程,为嵌入型钢坯字符在实际生产线的应用提供了的关键技术支持.     

一种新的激光刻蚀字符的识别方法

通过对铭牌字符结构特征和字符之间相对关系的分析,提出基于神经网络和隐马尔可夫模型的激光刻蚀字符的识别方法。提取字符图像中的端点、三叉点和四叉点,对传统三叉点的提取方法进行改进,并利用神经网络的方法计算出对应每个字符的概率值,再根据隐马尔可夫模型计算出状态转移的最大似然,从而识别整个字符串。实验表明上述方法适用于激光刻蚀铭牌字符的识别。     

基于字符特征叠加提取与BP神经网络的字符识别

由于字符的种类繁多,并且同一字符又有多种字体,而传统的字符识别方法不能充分利用字符本身的特征,因此造成识别的字符种类单一、识别效果不理想等问题。提出一种通过字符特征叠加提取结合 BP 神经网络识别字符的方法,从单一字符图像中提取到更多的字符特征,利用BP神经网络自我学习的特点,设计了字符识别系统,再用 VC编程完成识别过程的仿真。结果证明,用本文提出的方法进行字符识别,识别的字符种类多、识别率高、识别时间短。     

一种面向网络安全的图像文字敏感词过滤方法

针对社交平台发布的敏感信息,提出一种复杂背景图像中布局不规则文字敏感词过滤方法。使用连通域分析、连通域合并及倾斜矫正方法定位与分割图像中的单个字符;采用卷积神经网络对单个字符进行识别;使用中文分词和字符串编辑距离来检测敏感词。实验结果表明,该方法可行有效。     

基于Gabor变换和支持向量机的车牌字符识别算法

为了提高车牌字符识别率，将支持向量机SVM方法用于车牌字符的识别，算法首先采用Gabor变换和整体结构特征提取的方法提取车牌字符图像的特征参数，然后采用提取的特征训练SVM分类器，再应用SVM分类器分类和判别车牌字符。实验表明这种方法具有良好的车牌识别效果，较强的鲁棒性，有较大的应用价值。     

二维化学分子结构图端点信息提取的研究

化学分子结构图主要包括化学键和原子,主要研究如何提取静态图像中的端点原子信息.首先提取字符的网格特征和穿越特征组,利用BP神经网络进行训练、识别,接下来基于距离对端点字符组合识别.为了避免因个别字符识别错误而降低端点信息正确率,设计了一个端点原子参考表.将端点的识别结果与参考表进行比对,计算距离,选取与该结果距离最小的参考内容作为最终识别结果.从实验结果看,二维化学分子结构图端点信息的提取具有较高的准确率.     

基于LabVIEW IMAQ的移动车辆牌照识别

车牌识别是指通过图像处理、模式识别和统计分析等方法从实时车辆图像中提取车牌字符信息,从而确定车辆身份的技术。通过对车牌识别中的图像采集与处理、车牌定位、字符分割和字符识别这4个核心技术的研究,在LabVIEW平台上,利用IMAQ强大的图像处理功能,对USB摄像机获得的实现车牌图像进行格式转换,灰度变换以及二值变换等预处理,将边缘提取与图像投影两种方法相结合精确定位车牌,最后根据特征匹配的方法识别出车牌字符信息。结果表明,基于IMAQ程序可以很好的对车牌图像进行处理,并在平均时间为3s左右情况下完成对车牌字符的识别。     

基于BP神经网络的车牌识别系统

车牌识别系统是智能交通领域的重要组成部分,在现代交通管理中的作用举足轻重。基于VC＋＋6.0进行实验,针对中国的车牌进行研究,用BP神经网络来实现车牌识别。车牌识别分为图像预处理、车牌定位、字符分割和字符识别四个步骤。利用车牌的先验知识进行定位,引进双阈值进行字符分割,利用13段特征提取法提取特征向量,实验表明该识别算法行之有效。     

傅里叶相位差谱在卫星目标图像检测中的应用

提出一种利用序列图像傅里叶相位差谱的特征检测卫星目标的算法. 欲跟踪的卫星目标往往淹没在星海中,仅仅依据星体特征检测出目标很繁琐,也很困难. 从傅里叶变换的相谱差异特性出发,将序列图像相邻2帧图像中的前一帧图像通过相谱补偿后与后一帧图像对比,检测出奇异的卫星目标,再利用帧差法剔除伪目标,给出跟踪目标的运动轨迹. 同时,为了提高该算法的抗噪声能力,针对遇到的实际情况提出基于二维直方图改进的图像二值化算法. 通过实验验证了该算法的可行性,结果表明,所提出算法的检测误差与人工捕获相比不超过1个像素.      

机械图识别中基于RAG的待识字符的提取与处理

提出了机械工程图智能识别中一种基于RAG的字符分离方法, 它在有效将图形和文字分开的同时, 能较好地解决数字中的小数点、度数以及虚线和点划线中短线的保护问题. 还对分离字符中待识字符的处理进行了探讨.     

信息融合技术在车牌识别中的应用研究

为了提高汽车牌照的识别率,考虑到摄像头安装价格低廉的特点,本文提出采用双摄像头来获取不同角度的车牌图像,并对两幅车牌图像分别进行定位、字符分割和特征提取,再用信息融合的方法来确定更可信的识别结果,以此来降低车牌字符的误识率.实验结果表明,该方法可以提高车牌号码识别的正确率.     

基于粗网格神经网络的车牌字符识别方法

目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值.     

联机手写数学公式识别系统的设计和实现

该文设计并实现了一个联机手写数学公式识别系统。系统通过手写输入符号、字符进行有效的预处理,获取并简化字符笔画区域码序列以及字符位置关系,然后应用模糊矩阵的区域码序列匹配运算进行字符匹配,在匹配过程中提供字符的自学习能力,最后通过基于数学公式规则的语法分析,实现了数学公式的识别。该文的手写数学公式识别系统相对简单,使用方便。     

基于SVM的车牌字符识别算法研究

SVM可在训练样本很少的情况下获得很好的分类推广能力。首先分析了用多类SVM算法对车牌中的字符进行识别时存在不可区分的区域问题和采用模糊SVM算法解决该问题的办法,然后讨论了字符特征的提取方法,并根据我国车牌字符的特点分别设计了汉字、字母、数字、字母／数字4个基于模糊多类SVM的字符分类器。最后在MATLAB环境下,采用径向基核函数对算法进行学习训练。实验测试结果表明,该方法可以很好的提高字符识别的速率和效率。     

基于 SoftLexicon 的医疗实体识别模型

为了解决在中文电子病历命名实体识别任务中,基于字符粒度 NER 方法对序列信息遗漏的 问题,以及引入外部词典资源方法所带来的运算效率问题,提出一种基于 SoftLexicon 的医疗实体识别模 型。首先,将输入序列中的每个字符映射到一个稠密向量中;接下来,引入外部词典资源,为每个字符构造 SoftLexicon特征,并将其添加到对应的字向量表示中;然后,将这些增强的字符表示放入Bi-LSTM和CRF层, 以获得最终的识别结果。该模型既能有效捕捉句子序列中字符的特征,提取上下文之间的依赖关系,又能实 现标签预测的顺序性。以 CCKS-2020 医疗命名实体识别评测任务提供的电子病历数据作为实验数据集,实 验结果表明,与基于字符粒度的传统 NER 方法相比,所提方法在实体识别性能和效率上都显著提高。     

基于支撑向量机和小波的字符识别

为了提高车牌上的字符识别准确率，提出一种结合支撑矢量机(SVM)和小波的字符识别方法.通过对
字符图像水平和垂直两个方向的投影曲线分别进行小波分解，得到投影曲线的近似表示.在近似曲线中提
取字符的特征参数，用这些特征参数构成特征矢量作为SVM训练和分类的基本参数，再将特征矢量输入支
撑矢量机网络训练，最后通过树型分类识别模型识别字符.实验仿真表明，该字符识别方法的平均准确率
为97.15%，平均识别速度为每个字符19.15 ms.