文字图像不规则干扰修复算法研究

该文针对不规则干扰导致文字图片字符识别率下降的问题,提出一种基于U型网络框架和部分卷积运算的文字图片修复模型.首先,针对常见字体的干扰问题,通过图像融合建立干扰文字图像数据库,在逐像素损失、感知损失和全变分损失的共同约束下,根据已有笔画细节对污损部分进行修复,并对污损汉字的字体形状和笔画走向的细部特征进行复原;其次,使...     

中文文字图片同色长干扰线的去除算法

现实环境下所需识别的文字图片存在大量干扰信息,往往和字体颜色相近的同色信息较难除去,从而导致光学字符识别识别率降低的问题.针对文字图像中去除同色且不规则长干扰线的问题,本文提出了一种中文文字图片长干扰线去除方法,旨在剔除待识别文本图片中,复杂干扰线部分的干扰和影响,进而提升光学字符识别识别率.该方法通过扫描待测点通过贪...     

基于部分卷积的文字图像不规则干扰修复算法研究

针对文字图像中不规则干扰与文字粘连导致误识字的问题,提出了基于部分卷积的文字图像不规则干扰修复算法.研究分析了若干常见字体的文本图像特点,建立文字图像数据库,使其与干扰掩码数据库进行图像融合后对模型的修复效果进行评测,并对不同等级的修复情况进行分类测试.实验表明,所提模型在保证原有文字信息不损失的前提下,根据当前文字的...     

联合总变率空间和时延神经网络的说话人识别

在短语音环境下,总变率空间对语音概率分布估计不足,导致说话人识别性能下降.针对上述问题,提出一种基于总变率空间和时延神经网络(TDNN)的增强说话人身份向量的方法.目的 是学习总变率空间和时延神经网络的线性相关性,同时提取说话人嵌入向量并投影在新的空间上,组合成新的说话人超向量来增强说话人信息.训练阶段,分别训练总变率...     

基于伽马通频率倒谱系数的短语音说话人确认

针对梅尔倒谱系数特征难以满足短语音说话人确认的问题,本文从同样是模仿人耳听觉机理的伽马通滤波器为基础,提出让抗噪性能更佳的伽马通频率倒谱系数作为输入特征.首先,在短语音条件下,提取伽马通频率倒谱系数,采用加减特征分量法计算其不同维数的贡献度大小.其次,选取其中贡献较高的分量作为特征,保留那些最能表征不同说话人之间差异的...