一种基于BP神经网络的车牌字符分类识别方法

目前,车牌字符识别算法主要是基于模板匹配、特征匹配或神经网络的方法。本文根据车牌字符的特殊性,提出一种采用特征提取与BP神经网络学习算法相结合的分类识别技术,选取字符的粗网格特征作为字符的识别特征,以改进后的归一化字符原始特征直接输入到BP神经网络分类器中进行车牌字符识别研究。对于易混淆和相似的字符、汉字笔划粘连、字符偏移现象等都提出了自己的解决方法。实验结果说明,本方法可大幅提高车牌识别系统的正确识别率和抗干扰能力。     

基于特征行必要-充分性匹配的字符识别方法

字符识别系统的性能在很大程度上依赖于所选取的字符特征.提出了一种基于特征行必要-充分性匹配的OCR(optical character recognition)方法.该方法使用字符模板的特征行集,通过对待识字符位图进行必要性和充分性双向匹配来识别字符.并采用基线对齐归一化方法在特征匹配时准确定位,使识别率和识别速度都较为理想.同时,对字符位图特征行的交互选择、测试和调整等方法做了详细介绍.另外,还提出了字符骨架与位图重叠显示的方案,有效地提高了对识别结果校对的速度.最后,通过测试和比较,对识别效率进行了分析.     

局部HOG和分层LBP特征融合的车牌字符识别

针对车牌字符识别中模板匹配法识别率低,尤其是无法准确识别相似字符的不足,提出了一种局部HOG和分层LBP特征融合的车牌字符识别方法. 首先利用模板匹配法对车牌所有字符进行初步识别,然后利用HOG算子提取车牌和模板相似字符中最具区分度的一小块边缘特征,接着利用LBP算子提取原始车牌和模板相似字符中相同区域块的分层纹理特征,将两种特征串行融合构建串行特征向量,最后根据特征向量之间的卡方距离来度量车牌字符和模板字符的相似性,进而完成二次识别. 通过实验比较了11种算法的识别性能,结果表明本文方法有效地解决了相似字符误识别的问题,在保证识别速率的同时识别率显著提高,达到99.52%.     

基于在线序列极限学习机的车牌字符识别方法

当前基于神经网络方法的车牌字符识别技术都使用固定的训练样本,学习的效果受初始样本限制,对于识别过程中新出现的不同角度、光线等特征的字符图片不能自适应地学习。本文针对这个问题提出了基于在线序列极限学习机(OS-ELM)的车牌字符识别方法。在样本实时更新中使系统自适应调整网络权值,不断提高识别准确率。本文设计了汉字、字母、字母混合数字三个字符分类器,根据车牌字符的排列特征识别相应的字符。通过与传统ELM方法和BP神经网络法对比,结果证明该字符识别技术达到了较高的识别率,在训练速度上也比BP神经网络法提高了2~3个数量级。     

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%。     

基于方向轮廓的小波分解车牌字符识别方法

字符识别是车牌识别的技术核心。本文提出了一种快速的车牌字符识别方法。首先提取字符的外轮廓。根据小波分解变换的性质,对字符轮廓进行多分辩分解,得到低分辨率下字符轮廓的近似,通过计算待识别字符与参考字符在多尺度下的轮廓之间的相似度,判别待识别字符与参考字符的匹配程度,最终确定匹配字符。本文对字符匹配算法进行了改进,加快了匹配速度,提高了匹配的可信度。利用本文算法,对1200幅车牌字符图像的识别,准确率达到95.4%,单字符识别平均耗时约为10ms。     

基于连通域的模板匹配法用于字符识别的算法研究

文章介绍了一种用于字符识别的基于连通域的模板匹配算法.该算法是在传统的模板匹配法的基础上,运用了重心重叠等处理方法,并且对字符块进行连通域处理后再实施匹配,最后利用最大相似法得出识别结果.该算法在光学仪器读数图象的动态识别中取得了良好的识别效果.     

基于模板匹配和局部HOG特征的车牌识别算法

针对车牌字符识别中模板匹配法识别率低,尤其是无法准确识别相似字符的不足,本文提出了一种模板匹配法结合局部HOG特征的车牌识别算法.首先利用模板匹配法对车牌所有字符进行初步识别,然后分别提取车牌和模板相似字符中最具区分度的一小块HOG特征进而构建特征向量,最后根据特征向量之间的欧氏距离来度量车牌字符和模板字符的相似性,进而完成二次识别.实验结果表明,本文方法有效地解决了相似字符误识别的问题,在保证识别速率的同时识别率显著提高.     

基于扫描圈的字符识别方法

针对目前对各类文献资料进行数字化识别时,公式无法直接转化为可编辑文本形式的问题,提出一种基于扫描圈的字符识别方法。首先对公式中的各个字符进行识别,然后再确定这些字符之间的关系,以达到公式识别的目的。扫描圈识别是一种以笔划结构分析为基础的字符识别方法,通过搜索将字符中的所有连笔符号转化为四进制的扫描圈,然后从扫描圈中提取字符的不变特征量。以这些特征量为模板,用模式匹配法对字符进行识别,并采用最短距离比较的方法进行匹配,以获得较为精确的识别结果。     

适合特定水表表型的字符识别方法

根据特定水表走字的特点,提出了一种基于模板和神经网络的水表数字字符识别的方法.该方法利用特定表型中待识别区域宽高比例相同的特点,提出用特征模板缩放法来进行待识别区域的定位和字符分割.采用三灰度值加权系数进行模板匹配,提高了特征的利用率;采用自适应学习的BP神经网络训练全字符和半字符样本,用户直接使用训练好的神经网络联结权值进行字符识别.结果表明,充分利用待识别区域的特征有助于提高识别区域定位和字符分割的准确性,在此基础上,采用经典的识别算法能够取得较好的效果.     

基于几何特征的IC芯片字符分割与识别方法

针对IC芯片字符的分割与识别问题,提出了一种基于字符几何特征的分割方法和一种基于字符最小外接圆的归一化与重定位方法,使用基于像素差分的模板匹配完成识别。首先,对芯片图像进行直方图均衡化处理,并利用辅助圆进行中线定位和图像校正,定位得到ROI区域并进行均值二值化处理。随后,对二值化ROI图像进行字符分割,以字符的几何特征作为判断条件,从而完成了对缺陷字符的正确分割。之后,对单字符图像提取最大轮廓,利用其轮廓的最小外接圆进行字符的归一化与重定位。最后,对归一化的字符进行差分识别。通过采集4种芯片样本进行实验,结果表明,该方法能够实现芯片字符的准确分割,对于缺陷字符的分割准确率达90%;能够快速精准地识别芯片字符,单字符平均识别时间为4.6 ms,识别准确率达到99.4%。     

Recognition of merged characters based on forepart prediction, necessity-sufficiency matching, and character-adaptive masking.

Merged characters are the major cause of recognition errors. We classify the merging relationship between two involved characters into three types: "linear," "nonlinear," and "overlapped." Most segmentation methods handle the first type well, however, their capabilities of handling the other two types are limited. The weakness of handling the nonlinear and overlapped types results from character segmentation by linear, usually vertical, cuts assumed in these methods. This paper proposes a novel merged character segmentation and recognition method based on forepart prediction, necessity-sufficiency matching and character-adaptive masking. This method utilizes the information obtained from the forepart of merged characters to predict candidates for the leftmost character, and then applies character-adaptive masking and character recognition to verifying the prediction. Therefore, the arbitrary-shaped cutting path will follow the right shape of the leftmost character so as to preserve the shape of the next character. This method handles the first two types well and greatly improves the segmentation accuracy of the overlapped type. The experimental results and the performance comparisons with other methods demonstrate the effectiveness of the proposed method.     

标牌粘连字符自适应定位分割重建与识别

目的 针对仪表、电梯等标牌上一些字符间距较小,传统分割方法分割不准确,字符识别率不高的问题,提出了一种标牌粘连字符自适应定位分割重建识别算法。方法 首先对标牌图像进行中值滤波、二值化等预处理;其次运用数学形态学方法对预处理后的图像进行开运算及腐蚀,将字符间一些无用的信息去掉,增大字符间距;继而通过形心算法找出每个字符的几何中心,并通过Sobel边缘检测算子根据几何中心获取每个字符边框,建立ROI（region of interest）,再返回标牌原图利用已经建立的ROI从中分割字符,依据国家字符间距相关标准,在分割的每个字符后加一定像素宽的矩形间隔条后重建字符图像,再进行OCR（optical character recognition）字符识别。结果 经过对993块标牌进行字符识别实验,算法的识别率达到95.7%。结论 实验结果表明本文算法是对标牌字符识别的一种有效算法。     

标牌粘连字符自适应定位分割重建识别算法

针对仪表标牌上一些字符间距较小,传统分割方法不准确,字符识别率不高的问题,提出了一种标牌粘连字符自适应定位分割重建识别算法。首先对标牌图像进行中值滤波、二值化等预处理;其次运用数学形态学方法对预处理后的图像进行开运算及腐蚀,将字符间一些无用的信息去掉,增大字符间距;继而通过形心算法找出每个字符的几何中心坐标,并通过Sobel边缘检测算子根据几何中心坐标获取每个字符边框,建立ROI,再返回标牌原图利用已经建立的ROI从中分割字符,在分割的每个字符后加5像素宽的矩形间隔条后重建字符图像,再进行OCR字符识别。经过对993块标牌进行字符识别实验,算法的识别率达到95.7%,表明文中算法是对标牌字符识别的一种有效算法。     

基于小波和DCT的灰度压印字符图像的特征抽取

标牌压印字符是“反光差”的凹凸字符,通常的基于二值化图像的字符特征抽取方法都不适宜。提出了基于灰度图像的标牌压印字符特征抽取新方法,首先对灰度字符进行圆周投影,然后利用小波变换,将投影曲线分解为大致信号和细节信号的子样本,最后对子样本进行DCT变换,生成凹凸字符的特征矢量。该方法是直接对灰度图像抽取字符特征,不仅可以尽量多地保持原始字符的特征,而且克服了传统的字符图像特征抽取时,过分依赖于二值化算法、抗干扰性差等弊病。对标牌压印有限凹凸字符集进行特征抽取和识别实验表明,该特征抽取方法具有尺度和旋转不变性,有较好的抗干扰性和很好的分类性能,实用价值很高。     

基于SIFT图像配准的维吾尔语文字识别方法

提出一种新的维吾尔语文字识别研究方法。首先,建立字符样本库,并对库中文字图像归一化。然后,将测试图像与样本图像进行垂直和水平双方向投影相关性检测,对与测试图像双投影相关性较高的样本字符进行笔画数特征提取,得到预分类结果。最后,将测试图像与预分类结果进行SIFT关键点检测、方向描述子生成与配准,与测试图片匹配点对最多的预分类结果为识别结果,并输出该结果标记符号对应的维吾尔语字符。实验结果表明:该方法能减少字符样本的数量,并有效解决测试图像尺度与几何形变的差异造成的匹配困难问题。     

基于多特征融合的细粒度视频人物关系抽取

视频人物关系抽取是信息抽取问题中的重要任务,在视频描述、视频检索,以及人物搜索、公安监察等方面具有重要价值。由于视频数据的底层像素与高层关系语义之间存在巨大的鸿沟,现有方法很难准确地抽取人物关系。现有研究大多通过粗粒度地分析人物共现等因素来抽取人物关系,忽略了具有丰富语义的视频中的细粒度信息。为解决现有算法难以准确、完整地抽取视频人物关系的问题,文中提出了一种基于多特征融合的细粒度视频人物关系抽取方法。首先,为了准确识别视频人物实体,提出了一种基于多特征融合的人物实体识别模型;然后,提出了一种基于细粒度特征的人物关系识别模型,该模型不仅融合了视频中人物的时空特征,而且考虑了与人物相关的细粒度物体信息特征,从而建立更好的映射关系来准确识别人物关系。以电影视频数据和SRIV人物关系识别数据集为实验数据,实验结果验证了该模型的有效性和准确性,与现有同类模型相比,所提模型的人物实体识别F 1值提高了约14.4%,人物关系识别的准确率提高了约10.1%。     

基于中心化Jaccard匹配的SD卡光学字符验证

为了解决安全数码卡(SD卡,secure digital card)表面字符人工验证效率差、准确率低的问题,提出了一种基于中心化Jaccard匹配的SD卡光学字符验证方法,能够实现SD卡表面字符的精密检测与自动验证。首先,提出了一种基于HSV三通道直方图分析的快速验证方法,实现特征显著SD卡图像的准确验证;其次,针对SD卡字符验证精度受光照变化和微小旋转影响的问题,提取V通道图像和变化角度特征,提高HOG特征对光照和旋转变化的抵抗能力;最后,针对相似SD卡字符的验证问题,提出了一种中心化广义Jaccard系数,增强了相似度指标的辨别力,实现了特征相似图像的精密检测。以实际场景采集的数据对所提方法进行验证分析,试验结果表明,该算法准确率达到99.15%,具有很好的实用性和鲁棒性。