啤酒瓶凸形字符的提取及识别方法研究

通过辨认啤酒瓶上的“B”字和日期标志，对满足规范的啤酒瓶加以回收利用．这项工作目前由人手工完成,费时费力．本文提出了一种用计算机提取啤酒瓶“B”字和日期标志并进行识别的方法，代替手工操作，有效地降低了成本和提高了效率．文章首先对系统做了简介，然后对拍到的图像作预处理，接下来用一种基于分裂合并思想的分割方法将字符从图像中分割出来，并采用基于地形结构的方法提取字符的笔划，最后用多层BP神经网络对字符进行识别．试验结果表明：该方法能比较有效的识别啤酒瓶中的“B”字和日期，对于污损不是特别严重的酒瓶．识别时间小于0．15秒／个．分捡正确判断率约为97％．     

复杂背景下的车辆牌照字符提取方法研究

针对复杂背景中字符难于提取的问题，提出了 一种通用的提取字符的方法．该方法很好地利用了字符固有的特性，先对图像进行基于变分 法的自适应二值化，再用一种快速区域标号算法求取连通域，然后对连通域进行处理，提取 出字符行，最后进行倾斜校正．实验结果表明，该方法简单可行，成功率达到了96%以上．     

基于Matlab GUI的维吾尔文字符识别系统的设计

基于建立对视频中维吾尔文字符的识别提取系统,以视频中维吾尔字符为对象,首先对维吾尔文字符进行了字符检测,以便确定其维吾尔文字符在视频中的大小、位置,其次对所确定的维吾尔文字符进行字符定位以便作进一步的处理,然后运用Canny算子将其提取出的维吾尔文字符进行彩色图像转换为灰度化的边缘图像,最后利用Matlab GUI设计了维吾尔文字符的识别系统,实现了视频中维吾尔文字符的检测、字符定位、图像抖动、对比度调整、灰度化、边缘检测、提取字符等功能.实验结果均显示出该算法的优良性能,并证明了该识别系统性能的稳定性和极其良好的扩展性,为维吾尔文字符的识别研究提供了一个简单有效的仿真平台.     

基于矩和小波变换的数字、字母字符识别研究

欲实现汽车监控和管理智能化,必须正确识别牌照字符,在识别过程中,关键是特征向量的提取,小波变换能有效地提取字符的结构特征,而矩能够很好的地其进行描述,该文提出了一种用线性矩和小波变换提取数字、字母字符特征的方法,实验证明该方法有很高的识别率,达到９７％以上,能够有效地进行字符的分类,可满足实际应用。     

CRH列车车牌自动识别系统设计与实现

系统采用固定摄像机对CRH列车进站时的侧面进行图像采集,从图像上提取车牌信息并定位,根据图像分析算法拆分字符。使用OCR对提取出的字符图像进行识别,通过CRH列车车牌的命名规则,总结出一套可以用来自动进行字符识别结果校准的逻辑流程,从而达到精确识别的目的。     

一种倾斜车牌字符提取方法

针对车牌字符提取中存在的问题,本文提出了一种针对倾斜车牌的字符提取方法.运用最大熵分割算法分割车牌图像,运用串并行扫描结合的方法细化图像,提取骨架.运用Hough变换法提取车牌边缘所在的直线,求出倾斜角度以矫正图像.对校正之后的骨架图像进行逐行扫描,确定整个车牌所在区域,并运用水平投影法分出每个字符所在区域,以便进行识别.实验证明,本文提出的车牌字符提取方法中对车牌倾斜有很好的适应性,行扫描的方法可以快速分辨出车牌字符区域,是一种鲁棒的字符提取方法.     

啤酒瓶字符的圆周投影特征提取与识别

针对已分割完成的啤酒瓶凸性字符,提出了一种基于圆周投影变换的图像特征提取方法。以质心为极点将笛卡尔坐标系变换为极坐标系,进行圆周投影计算,将二维的字符图像变换为一维投影。利用小波变换（WT）和离散余弦变换（DCT）,提取不同字符的有效特征。通过相同、相似字符特征提取实验,表明该方法具有较好的抗噪声能力和分类性能。     

基于MSER与SVM算法的车牌定位识别方法

针对实际车牌识别系统中车牌位置定位难、字符识别率低等问题,提出了一种基于MSER与SVM算法的车牌定位识别。该方法分为定位和识别两步,输入图像经过预处理,通过MSER与SVM算法直接提取出车牌的字符区域,然后将车牌字符图像裁剪送入识别阶段,识别阶段同样利用SVM算法对车牌字符进行识别。经验证,该车牌定位识别方法识别速度快、准确率高,能够适用于实际生活中较为复杂的交通环境。     

车牌识别中先验知识的嵌入及字符分割方法

针对车牌字符分割过程中先验知识嵌入困难,分割过程对于前期车牌定位依赖较强的问题,提出了一种新的先验知识嵌入方法及其对应的字符分割算法。给定一种类型的车牌,利用字符的可能排列方式定义马尔可夫链中的状态,可以将车牌字符分割转化为一组马尔可夫链的前向识别过程。结合连通分量提取及垂直投影分割算法,可以有效地获取车牌的最优分割结果及其置信度。在实际应用中,该算法不依赖于前期的精确定位,对粗定位后的图像即可进行快速有效地分割。该方法统一了不同类型车牌的先验知识嵌入方法,降低了编码复杂度。在中国车牌及马来西亚车牌上的实验结果均证明,该方法有效地提高了车牌字符分割的性能。     

基于质心角度的字符图像识别算法

提出了一种利用质心角度识别字符图像的方法:将Harris算法提取出的字符图像的角点作为候选角点,通过聚类算法计算出更准确的新角点,并计算出字符图像的质心以及连接质心到新角点的向量.质心角度是两个相邻向量的夹角,字符特征是由质心角度按顺时针(或逆时针)方向排列组成的向量.质心角度具有关于位移、拉伸、旋转不变性的几何特征,是对图像特征较好的规一化.实验结果表明该方法提高了字符图像的识别率,从而验证了该方法的有效性.     

基于机器视觉的啤酒瓶检测系统研究

为了提高啤酒瓶的检测效果,提出了一个基于机器视觉的啤酒瓶检测系统的方案.根据啤酒瓶检测过程的高速度、高精度和实时性的特点,设计了系统中图像获取、图像处理和图像识别的过程和方法.利用图像滤波去除获取的啤酒瓶数字图像中的噪声,通过二值化将物体和背景分离,再经过边缘检测提取边缘,最后识别和分类有缺陷的啤酒瓶.实验结果表明,该方案能够快速有效地对啤酒瓶进行检测,提高了检测效果,具有一定的可行性和现实意义.     

啤酒瓶凸性模号图像预处理算法

目前关于图像的锐化、二值化与图像分割的算法很多,而具体到实际工程当中所选择的算法则是千差万别。本文集中讨论了常用算法在啤酒瓶凸性模号识别系统中的特点,并选择Sobel算子法和方差分析法进行操作;并在图像分割过程中提出一种简便快速的字符定位方式,基本可以准确标定凸性字符位置,完成预处理过程。     

啤酒瓶凸性模号图像预处理算法

目前关于图像的锐化、二值化与图像分割的算法很多,而具体到实际工程当中所选择的算法则是千差万别.本文集中讨论了在啤酒瓶凸性模号识别系统中的特点,并选择Sobel算子法和方差分析法进行操作.并且在图像分割过程中,提出一种简便快速的字符定位方式,基本可以达到准确标定凸性字符位置,完成预处理过程.     

基于极限学习机的玻璃瓶口缺陷检测方法研究

针对目前玻璃空瓶回收再生产过程中造成瓶口缺陷破损的在线实时检测难题,提出一种基于极限学习机(Extreme Learning Machine, ELM)的检测算法。首先对采集的瓶口进行预处理,通过研究表面缺陷,提取灰度方差等6种表面特征。然后运用遗传算法对极限学习机的输入层层的阈值和权值进行优化,提高算法的检测精度。最后现场选取569个样本对所设计ELM分类器进行训练学习与测试,并与LVQ算法、BP分类器对比实验。结果表明该算法能够满足对机器视觉检测系统缺陷检测高速高精度的要求。     

中文文本图像倒置快速检测算法

针对图像处理(如OCR技术)对图像方向要求十分严格,文本图像方向具有不确定性的问题,提出了中文文本图像倒置快速检测算法.利用投影技术定位出文本字符,结合中文字符及标点符号结构特征,筛选出文本图像中的标点符号,根据标点符号像素分布特点判断出类型,结合标点符号的使用习惯,采用统计的方法判断中文文本图像是否倒置.实验结果表明,投影方法可以不用基于内容达到高效快速的要求,利用统计方法可以保证判别率,该方法可用于OCR预处理过程.     

投影和模板匹配相结合分割车牌字符

提出了一种解决断裂、粘连、污损和部分遮挡车牌字符的分割算法.结合字符牌照的特征,对校正后的车牌图像进行投影,处理断裂和粘连的字符,实现字符初次分割.在初次分割的基础上,设计匹配模板对初次分割下来的车牌图像进行模板匹配,寻求误差最小的模板对字符重新分割.实验结果表明,该方法自适应性强,有很强的鲁棒性,可以获得最优的分割效果.     

基于智能造字的生僻字中输入与显示研究

无法直接输入计算机或现有的计算机系统字库没有的汉字称为生僻汉字或特殊字。对字库中已包含的生僻汉字,基于造字机理的皮氏输入法可以无重码输入GB18030-2005包括的70244个汉字。对字库中没有的汉字,按照智能造字原理,按照汉字结构和基元进行输入,并生成汉字图片。然后采用插件技术,将生僻字的图片插入到Microsoft Word文档中,以达到输入生僻汉字的目的,为在Microsoft Word文档中完全输入所有的汉字提供了一种方法。     

一种视频中字符的集成型切分与识别算法

视频文本行图像识别的技术难点主要来源于两个方面: 1)粘连字符的切分与识别问题; 2)复杂背景中字符的切分与识别问题. 为了能够同时切分和识别这两种情况中的字符, 提出了一种集成型的字符切分与识别算法. 该集成型算法首先对文本行图像二值化, 基于二值化的文本行图像的水平投影估计文本行高度. 其次根据字符笔划粘连的程度, 基于图像分析或字符识别对二值图像中的宽连通域进行切分. 然后基于字符识别组合连通域得到候选识别结果, 最后根据候选识别结果构造词图, 基于语言模型从词图中选出字符识别结果. 实验表明该集成型算法大大降低了粘连字符及复杂背景中字符的识别错误率.