工程图形中的图素识别方法

为了使图形自动输入技术满足实用化的要求，研制了图形扫描输入系统（ＧＩＲＳ７．０），并对图像预处理，直线段矢量化算法，圆弧识别算法和字符识别四个关键问题作了一些有益的探讨，使工程图形的矢量化效果有明显改进，所提供的实际图像说明了ＧＩＲＳ７．０的实用性。     

工程图纸矢量化系统的研究

工程图纸的矢量化处理是智能图纸扫描输入的关键，利用一系列新颖的图像处理及模式识别技术，建造了一个工程图纸的矢量化系统，实验结果表明，该系统在速度和图元的识别上有较好的性能。     

中文字符识别系统的研究与实现

为提高字符识别率,将 DAG-SVM(Directed Acyclic Graph Support Vector Machine)算法应用于字符识别, 提出了一种基于 DAG-SVM 的 OCＲ(Optical Character Ｒecognition) 中文字符识别系统,分别对图像预处理、 分割,字符识别 3 个模块进行了研究与实现。图像预处理采用图像滤波、灰度化处理、图像归正; 图像分割包 括二值化处理、横向及纵向分割; 字符识别模块对当前流行的三大类算法进行了研究,选用 DAG-SVM 作为字 符识别的算法,并基于 Matlab 进行了实现及验证。结果表明该系统 OCＲ 字符识别率达 92． 86%。     

径向基神经网络算法在车牌字符识别中的应用

提出一种基于径向基网络的汽车车牌字符识别算法.在预处理阶段,采用灰度化、自适应阈值分割去除图像噪声并增强图像对比度;在字符分割阶段,采用极限元素位置确定法实现独立字符分割;在字符识别阶段,利用自行构建的字符子块图像库对径向基神经网络进行训练.选取基于反向传播(BP)神经网络的字符识别算法和基于支持向量机(SVM)的字符识别算法与文中方法进行比较.实验结果表明:文中方法在识别准确率上具有明显优势,更适用于汽车车牌的字符识别.     

地质勘探图的矢量化方法研究

根据地质图中的图形元素的特点 ,给出了具有地质属性的工程图矢量化方法 ,从而将地质勘探图纸信息转化为具有地质信息的矢量数据。分块细化方法提高了大幅图纸的细化处理速度 ;数据优化处理从整体上考虑了勘探图素间的相关性 ,减少了矢量化过程中人为造成的误差 ;图形元素的部分非几何属性的自动识别提高了矢量化的自动化程度。这些方法在地质勘探图的矢量化系统中得到实现 ,并已在油田实际工作中应用。     

地质勘探图的矢量化方法研究

根据地质图中的图形元素的特点，给出了具有地质属性的工程图矢量化方法，从而将地质勘探图纸信息转化为具有地质信息的矢量数据。分块细化方法提高了大幅图纸的细化处理速度；数据优化处理从整体上考虑了勘探图素间的相关性，减少了矢量化过程中人为造成的误差；图形元素的部分非几何属性的自动识别提高了矢量化的自动化程度。这些方法在地质勘探图的矢量化系统中得到实现，并已在油田实际工作中应用。     

基于曲线拟合及计算机辅助技术的图形数字化方法

由于现有的图形扫描数字（矢量）化理论及方法的不足,工程曲线图的数字化处理难于应用自动矢量化方法,即使采用半自动矢量化方法也呈现出处理的低效能特点．据此提出了便于工程应用的,基于样条曲线拟合及计算机辅助技术的数字矢量化方法．即通过扫描将曲线图形载入计算机并用鼠标直接在图像上进行曲线拟合的节点择取,通过实时观察动态显示的鼠标移动点到邻近于它的前2次所取节点之间的拟合样条曲线与原图形曲线的吻合程度来保证拟合曲线节点的正确择取．它不仅快速、准确和操作方便而且同时给出了用数学公式描述的数字化结果,这给工程的广泛应用带来方便．     

成捆特钢棒材端面字符识别算法研究

为实现特钢棒材生产信息的全流程可追溯,分析特钢棒材生产环境及形状特点,采用基于双标志点的标记方案进行标记并利用机器视觉技术实现成捆特钢端面字符的识别。首先,采用Hough变换将成捆特钢棒材端面图像分割成单根;其次,采用基于小波变换的图像增强算法完成单根特钢棒材端面图像的增强;再次,将MSER算法和边缘检测算法相结合完成单根特钢棒材字符区域的检测,并基于投影法完成字符的分割;最后,通过创建和训练SVM分类器完成每一根特钢棒材端面字符识别,并将成捆特钢棒材端面字符识别结果输出保存。结果表明,新算法可以满足成捆特钢棒材生产过程中字符识别要求,字符识别准确率可达到97.35%。新算法将Hough变换、基于小波变换的图像增强算法、MSER算法、边缘检测算法、投影法及SVM分类器等算法融合到特钢棒材端面字符识别过程中,为特钢棒材生产过程中的信息获取、信息传递及信息追溯的技术实现提供了参考。     

一种通用的基于图像分割的验证码识别方法

针对粘连、扭曲,且存在干扰噪声的验证码图像识别性能欠佳的问题,结合卷积神经网络提出一种通用的基于图像分割的验证码字符识别方法。首先对传统Otsu阈值分割算法的阈值选取策略进行改进,提出基于局部最优阈值分割的Otsu法对验证码图像进行二值化处理。其次,采用改进的融合字符积分投影特性的复杂验证码字符分割方法对存在粘连情况的字符进行二次分割。最后,将分割得到的单个字符归一化后直接输入到基于卷积神经网络的LeNet-5模型中进行训练和识别,并输出识别结果。大量网站验证码图像的实验测试结果表明,提出的方法对粘连、扭曲,且存在干扰噪声的字符验证码图像有着较高的识别率和适应性,有效克服经典方法对于不同种类验证码识别的针对性和局限性。     

工程图纸扫描输入与矢量化系统的研究

所描述的工程图纸的扫描输入与矢量化系统，是利用扫描仪将工程图纸输入计算机，经过图象处理，图形模式识别，实现了从光栅文件到商业性ＣＡＤ／ＣＡＭ系统所能接收的数据格式的转换，给出了系统的部分处理结果。     

工件图图像矢量化系统

介绍了一个工件图纸自动输入的矢量化系统。该系统对扫描仪读入的工件图的二值图像进行噪声去除、膨胀、修补、腐蚀、细化等预处理，形成易于矢量化处理的二值图像，然后对其进行矢量化处理，最后对矢量化结果优化，形成矢量化文件，供其它ＣＡＤ系统使用。讨论了系统实现过程中的一些技术问题。该系统实现了整个工件图的转化过程，取得较满意的效果。     

城市地图自动输入系统的研究

介绍了城市地图自动输入系统，内容包括彩色分层、双值化、细化、图文分离、图形符号识别、矢量化、拼接及图形ＣＡＤ，并讨论了对它们的处理方法或算法．     

栅格图像矢量化中图像处理技术的研究

针对栅格图像矢量化的预处理,通过图像增强、图像恢复、图像分割以及数学形态学中的图像细化等技术,对要进行矢量化的图像进行处理,使之符合矢量化的需要。     

基于VP Studio和CASS的栅格地形图矢量化方法

在分析比较现有的栅格图像矢量化作业模式和相关软件的基础上,提出将VP Studio软件与CASS软件相结合的人机交互式栅格地形图矢量化作业方法,其中包括基于VP Studio的自动矢量化处理和基于CASS的编辑与后处理两部分。通过对近30个栅格图像的矢量化作业,表明该方法能明显提高栅格地形图矢量化效率、降低作业强度。     

基于阈值连通的视图划分算法研究

在工程图矢量化系统中,研究如何提高输入数据的质量,这一课题开展工程图样R—V转换的前期处理技术研究,提出了基于阈值连通的视图划分算法。其基本思想是根据工程图绘制规则,提出了阈值邻接和阈值连通的概念,将工程图样的基本视图、技术要求以及其他视图等从整体工程图样中识别与区分,再进行标识。并用所提出的算法构建了基于图样绘制规则的自动区域化这个图纸扫描转换系统的前置模块。通过该模块提高图纸扫描转换系统输入数据的质量,从而提高了R-V转换精度,并为后续的智能识别与三维重建提供语义上的指导。     

基于线条识别的扫描工程图字线分割方法

在扫描工程图矢量化中,文字位图与图形位图分割的问题一直被广泛关注,许多现有方法根据连通区的形态特征和空间分布来分割文字和图形的位图,然后分别识别,其处理能力都局限在无粘连情况下,无法处理字线粘连及相交的情况,且难以区分尺寸范围相近或形态相似的文字与图形,提出一种基于线条识别的文字／图形分割方法,通过准确地识别线条并抽取其位图来分离文字,不仅保证了分割的正确性,而且为文字位图的字串的组织给出了依据。     

基于贝叶斯网络和卷积神经网络的手绘草图识别方法

为实现笔画的分组和识别,现有的草图识别算法通常会采用限制用户的绘图习惯来达到目的.该文提出了利用贝叶斯网络和卷积神经网络(CNN)的草图识别方法解决此问题.首先,使用高斯低通滤波器处理输入草图,得到更平滑的图像.然后将连续输入的笔划分为两部分,分别使用贝叶斯网络和卷积神经网络对分割后的笔画进行识别,当笔画的可靠性大于阈值时,以贝叶斯网络的识别结果为准,反之采用CNN的识别结果.实验结果表明,该文算法在电路符号绘制过程中的识别率和绘制完成后的识别率均取得了较好的结果.该文算法具有良好的应用前景.     

不同CAD系统间图形相互转换的研究与实现

为了实现不同CAD系统之间图形的相互转换,首先必须以形式上通用、但格式细节上有差别的IGES文件为依据。在各自系统中选一种系统支持的软件为工具,对原图形文件进行扫描检索,再生成对方系统所能接受的IGES格式的文件。然后,利用局网通讯协议传送后,在对方CAD系统的屏幕上重现。本文介绍了两种方法。一种方法是生成只包含直线项目的IGES文件。重现的图形与原图形状完全相同,但占存储空间较大,有时不能利用对方的编辑功能进行修改。另一种方法是生成以各类基本图形项目为基础的IGES文件。它可以克服上述不足之处。但必须预处理某些信息。所开发的软件是用于AutoCAD与TekniCAD系统之间的图形相互转换。其设计思想同样可以解决不同CAD系统之间相互转换。     

一种基于联合CSVD-2DNMF的人脸识别算法

类估计基空间奇异值分解算法(CSVD)克服了奇异值分解(SVD)造成的重构图像基空间不一致的本质缺陷,但在一定程度上削弱了图像的类别特征。二维非负矩阵分解算法(2DNMF)能在一定程度上避免NMF识别算法中因图像向量化而造成的结构信息丢失、内存花销大等不足,但是随着训练样本数量的增多,迭代速度慢、训练时间长等缺陷也将凸显。根据CSVD与2DNMF的优缺点,提出了人脸识别的联合CSVD-2DNMF算法,进而运用提出的算法在Matlab平台上对ORL人脸数据库中的人脸图像进行了识别实验。实验结果表明该算法能有效的缩短训练时间和提高识别率。