基于模板匹配和支持向量机的点阵字符识别研究

食品、药品包装上的点阵字符信息一般包含生产日期和其他重要信息。针对目前单一的点阵字符识别方法准确率不高,且对点阵字符在复杂环境下（既包含点阵字符又包含连续字符）字符定位准确性低的问题,提出了一种基于模板匹配和支持向量机（Support Vector Machine,SVM）的组合点阵字符识别方法。该方法利用点阵字符的离散性质来准确定位点阵字符,然后分别通过基于灰度的模板匹配和基于特征的模板匹配方法得到两个判定结果。若判定结果相同,则识别出字符;若判定结果相异,将这两个结果送给SVM进行识别,得出识别结果。实验结果表明,该方法在点阵字符的定位准确性和识别率方面都优于传统字符识别方法,且识别鲁棒性较好,字符识别率达到96.10%。     

基于机器视觉的日语翻译机器人文本检测系统研究

针对当前日语翻译机器人对日语字符图像识别精度低，导致日语翻译效果不佳的问题，提出设计一个基于机器视觉的日语翻译机器人文本检测系统。在系统中输入日语字符后，即可采用基于几何特征的模板匹配方法进行字符匹配；然后通过基于归一化积相关NCC和基于边缘检测的方法分别进行字符定位和分割；最后采用基于CRNN神经网络字符识别模型进行日语字符识别。实验结果表明，提出的CRNN方法对日语单字符的训练时间和识别率分别为1.64 s和99.27%,训练时间明显低于传统的MLP神经网络，识别率较高。由此可知，提出的日语字符识别方法可提升字符识别精度和准确率，从而进一步提升了日语翻译机器人的文本检测效果和日语翻译效果，具备一定的有效性。     

基于自适应尺度边缘特征的建筑施工图重叠字符识别方法研究

目前非重叠字符的识别技术已趋于完善,但难以识别建筑工程图纸标注等场景中的重叠字符,阻碍了基于二维扫描图纸的自动建模技术的突破。针对传统字符识别方法无法识别重叠字符的现状,提出了一套基于自适应尺度边缘特征的建筑施工图重叠字符识别新方法。基于像素空间分布特征初步确定重叠字符区域,定义并提取字符的自适应尺度边缘特征;借助双变量匹配概率函数筛选“位置+内容”的结果组合,并以全局最优原则代替绝对阈值作为识别标准,最终输出正确的识别结果。不同于先修复后识别的常规思路,该方法将特征匹配与干扰过滤相结合、字符定位与字符识别相关联,能解决百度等成熟商用OCR无法解决的重叠字符识别问题,且经数据实验证实具备较高的识别准确率。     

基于深度学习的工业视觉检测系统

针对零部件在工业生产线包装过程中存在检测速度慢，自动化检测水平低下，检测准确率不高等问题，提出一种基于深度学习的工业零部件检测系统的方案设计，实现对零部件自动检测的功能。设计一种实验检测平台用于获取包含待检测零部件的图像；提出一种改进网络共享卷积层结构的方法，融合区域建议网络和区域卷积网络建立一种检测方法对目标零部件进行准确定位识别，适应各种形状大小不一的零部件检测，实现端到端训练输出定位检测结果。实验结果表明，系统的检测效果与传统的检测方法相比，具有速度快，检测准确率高等优越性。     

一种在线图像编码识别系统的设计

本文介绍了在线图像编码字符识别系统的设计与实现过程,对其中重点环节进行了分析与研究,给出了主要环节问题的解决方法,在识别算法上,结合模板匹配与特征识别,提出了基于特征加权的模板匹配算法,该算法对提高字符识别率提到了较好的作用。     

基于SIFT特征匹配的车牌识别方法

针对智能交通系统中基于视觉的车牌识别中存在的依赖于光学字符识别以及在复杂环境下准确率低的问题,提出了基于SIFT特征匹配的车牌识别方法。通过基于插值的超分辨率图像重建方法对车牌图像进行预处理,基于轮廓特征对车牌进行定位,通过SIFT特征匹配的方式,利用模板库中的车牌字符模板对车牌进行定位验证以及字符识别。实验结果表明该方法能有效提高车牌识别的效率。     

基于深度神经网络的烟码智能识别方法

卷烟条码是烟草局对卷烟是否串货销售的主要判断依据,针对当前人工录码方式操作烦琐、效率低、成本高的问题,提出一种基于深度神经网络的烟码智能识别方法.首先通过迁移学习技术构建区域检测模型,实现对烟码区域的准确定位;然后采用基于角点检测的切割算法将烟码区域切分为待识别的小块;再构建字符识别模型,对小块进行多字符识别;最后按顺序拼接各小块的识别结果输出完整烟码.实验结果表明,该方法准确率高、运行速度快,能够替代人工录码方式,满足实际应用需求.     

基于分解极限学习机的手写字符识别方法

手写字符识别是图像识别的一个重要分支,是基于数据挖掘和机器学习技术对数字、字母和文字等的手写体进行识别。当前手写字符识别方法主要集中在对不同深度学习模型的完善和改进上,其中多层极限学习机由于其快于深度信念网络和深度玻尔兹曼机的训练速度以及更高的识别精度引起了学术界和工业界的广泛关注。但是,多层极限学习机的预测表现极易受随机权重的影响,层数越多影响就越明显。文中在深入分析浅层极限学习机训练模式的基础上,提出了一种基于隐含层输出矩阵分解的浅层极限学习机模型,并将其应用于对手写字符的识别。分解极限学习机不需要对手写字符图像进行特征提取,而是通过对大规模隐含层输出矩阵的分解来获得极限学习机的输出层权重。相比深层极限学习机,分解极限学习机降低了基于极限学习机的手写字符识别模型训练的随机性。同时,在MNIST类数据集(即MNIST,EMNIST,KMNIST和K49-MNIST)上的比较结果表明,在相同的训练时间下,分解极限学习机能够获得优于多层极限学习机的识别精度;在相同的识别精度下,分解极限学习机的训练时间明显短于多层极限学习机。实验结果证实了分解极限学习的可行性以及在处理手写字符识别问题上的...     

车牌识别系统研究与实现

车牌识别(LPR)系统是智能交通系统中的重要组成部分,该系统分为车牌定位、字符切分和字符识别3个模块。文中基于数学形态学方法和边缘特征分析来进行车牌定位,接着进行二值化、引入多指标联合评价函数判断反色等处理,然后基于连通体分析的方法切分字符。实验表明该系统设计方法是可行的。     

车牌识别系统研究与实现

车牌识别（LPR）系统是智能交通系统中的重要组成部分，该系统分为车牌定位、字符切分和字符识别3个模块。文中基于数学形态学方法和边缘特征分析来进行车牌定位，接着进行二值化、引入多指标联合评价函数判断反色等处理，然后基于连通体分析的方法切分字符。实验表明该系统设计方法是可行的。     

基于Mask-RCNN的纸质医药包装钢印字符识别

为实现纸质医药包装钢印字符的实时检测,设计一种基于图像处理和深度学习的钢印字符识别系统。系统首先采用多种图像处理的方法对原始打光下的图像进行预处理,从而自动提取图片中的感兴趣区域,并将其输入训练好的Mask-RCNN网络进行实例分割,得到每张图片中的不同字符的像素位置与其字符数值。实验结果表明,对比传统的字符识别方法,该方法可以很好地解决纸质医药包装钢印字符图片中灰度跳变不明显的问题,准确分割出纸质包装盒图片中的钢印字符并进行标记,其字符的识别准确率达到99%,为生产线上钢印字符的识别和记录提供了新的解决思路,具有较高的实用价值。     

基于字符归一化双投影互相关性匹配识别算法

针对印刷体维吾尔文文字识别系统中的字符识别正确率较低这一难点问题,采用对字符图像进行横向扫描和纵向扫描生成行和列投影图, 结合三级分类,将目标字符与对应分类中的字符的双投影图逐一归一化并进行相关性均值计算的方法,取均值最大的字符作为最佳匹配识别结果,实现了对维文字符的识别。实验证明这种基于字符归一化双投影互相关性匹配识别算法方法抗干扰性强,简单易行,匹配精度高,使得印刷体维吾尔文字字符识别的正确率有了进一步提高。     

基于深度学习的数学书面作业智能批阅研究

针对深度学习如何应用于数学书面作业批阅问题,通过对图像的预处理以及优化图片训练集和图像处理算法,实现文本字符切割,采用Tesseract-OCR光学字符识别方法,训练公式中存在的字符样本,通过与纸面上的公式匹配提高识别的准确性,最后采用java可视化界面实现算式识别的功能,对不同情况下拍摄的照片进行测试.测试结果表明该系统高效、精准、实用.     

基于机器视觉的芯片引脚缺陷检测系统设计与实现

针对双球红外接收头芯片人工缺陷检测难度大、误判率高等问题,设计了一个基于机器视觉的引脚缺陷检测系统,对双球红外接收头芯片的引脚进行缺陷检测,达到分辨出合格品和瑕疵品的目的;首先,通过工业相机实时采集芯片图像,并对图像进行滤波、灰度化等预处理;然后利用VisionPro视觉软件的PMAlign工件进行图像特征匹配,计算引脚个数以判断引脚是否缺失,利用AnglePonitPonit工具计算引脚间距以判断引脚是否弯曲;最后将检测到的芯片位置信息和识别结果通过socket通讯协议发送给工业机器人;工业机器人根据识别结果,将合格品和瑕疵品分别抓取至不同区域,实现对芯片的分类管理;实验结果表明,该缺陷检测系统误判率为0.4%,满足工业生产的要求。     

Automatic writer identification framework for online handwritten documents using character prototypes

This paper proposes an automatic text-independent writer identification framework that integrates an industrial handwriting recognition system, which is used to perform an automatic segmentation of an online handwritten document at the character level. Subsequently, a fuzzy c-means approach is adopted to estimate statistical distributions of character prototypes on an alphabet basis. These distributions model the unique handwriting styles of the writers. The proposed system attained an accuracy of 99.2% when retrieved from a database of 120 writers. The only limitation is that a minimum length of text needs to be present in the document in order for sufficient accuracy to be achieved. We have found that this minimum length of text is about 160 characters or approximately equivalent to 3 lines of text. In addition, the discriminative power of different alphabets on the accuracy is also reported.     

Lexicon-driven segmentation and recognition of handwritten character strings for Japanese address reading

This paper describes a handwritten character string recognition system for Japanese mail address reading on a very large vocabulary. The address phrases are recognized as a whole because there is no extra space between words. The lexicon contains 111,349 address phrases, which are stored in a trie structure. In recognition, the text line image is matched with the lexicon entries (phrases) to obtain reliable segmentation and retrieve valid address phrases. The paper first introduces some effective techniques for text line image preprocessing and presegmentation. In presegmentation, the text line image is separated into primitive segments by connected component analysis and touching pattern splitting based on contour shape analysis. In lexicon matching, consecutive segments are dynamically combined into candidate character patterns. An accurate character classifier is embedded in lexicon matching to select characters matched with a candidate pattern from a dynamic category set. A beam search strategy is used to control the lexicon matching so as to achieve real-time recognition. In experiments on 3,589 live mail images, the proposed method achieved correct rate of 83.68 percent while the error rate is less than 1 percent.     

一种直接高效的自然场景汉字逼近定位方法

为了提高经典目标检测算法对自然场景文本定位的准确性,以及克服传统字符检测模型由于笔画间存在非连通性引起的汉字错误分割问题,提出了一种直接高效的自然场景汉字逼近定位方法。采用经典的EAST算法对场景图像中的文字进行检测。对初检的文字框进行调整使其更紧凑和更完整地包含文字,主要由提取各连通笔画成分、汉字分割和文字形状逼近三部分组成。矫正文字区域和识别文字内容。实验结果表明,提出的算法在保持平均帧率为3.1 帧/s的同时,对ICDAR2015、ICDAR2017-MLT和MSRA-TD500三个多方向数据集上文本定位任务中的F-score分别达到83.5%、72.8%和81.1%;消融实验验证了算法中各模块的有效性。在ICDAR2015数据集上的检测和识别综合评估任务中的性能也验证了该方法相比一些最新方法取得了更好的性能。     

基于点模式匹配的视频文字跟踪和笔画提取

给出一种在复杂背景下的视频文字跟踪和文字笔画提取方法。用基于Harris角点特征的点模式匹配法跟踪视频序列中静止和运动的文字,以确定文字序列的时间属性,比较了采用图像整体像素匹配和点模式匹配的跟踪精度。用基于多帧融合思想的前景/背景识别算法提取视频文字笔画并作OCR识别。实验结果显示,点模式匹配的跟踪算法比图像整体像素匹配的算法跟踪精度更高,在图像背景复杂、变化快的情况下,基于多帧融合的文字笔画提取方法优于传统的二值化方法。