工程图粘连字符串的提取与综合

针对工程图中的字符特别是粘字符的提取与分割这一工程图与理解中的难点，提出并实现了一种新的基于光栅直线识别的字符串整体提取算法，能比较准确提取图纸中的粘连字符串，并对提取后的字符串进行空间位置分组合，从而确定字符串的分级与方向，实现高层次上的图文分割。     

一种新的字符特征提取方法及其在识别中的两个应用

特征抽取是识别中的重要步骤，提取描述性强的特征能够有效提高分类器的识别效率。在提出有关概念的基础上，介绍了特征行抽取在字符过程中的两个重要应用。首先,在分类识别时可用作匹配的特征向量，通过双向匹配来识别独立的字符。其次，可在识别粘连字符时用于预测前端字符，并在提取前端字符后对预测结果进行验证，从而达到准确分割和识别粘连字符的目的。还详细描述了交互确定特征行的方法。最后根据实验数据对字符特征行的应用价值作出了评价。     

工程图中粘连字符的提取与分割

针对二值数字化机械工程图中字符的提取和分割问题，提出了一种新的图文自动分离算法———行程编码匹配法，能对原始点阵图像的噪声水平、图形与字符粘连以及字符的大小和书写方向等因素几乎不加限制地进行处理．在此算法的基础上，提出的一种字符分割算法可以成功地将字符与字符的粘连分割转化为图的边割集问题．经对以此算法研制成的图纸识别软件系统ＧＩＲＳ８０的初步测试，提取率在９５％以上     

基于字符块提取的车牌字符分割算法

为了解决车牌图像倾斜、背景复杂、分割过程中出现的字符间粘连、断裂等问题,提出简便有效抗干扰强的基于字符块提取的车牌字符分割算法,以此提升车牌字符的识别效果.通过车牌图像二值化处理、倾斜矫正、去除干扰以及字符块提取一系列步骤,实现车牌识别前对车牌字符的准确有效分割.实验结果表明,该车牌字符分割方法可靠、准确度高,为后续车牌字符的正确识别奠定基础.     

工程图中粘连字符的提取与分割

针对二值数字化机械工程图中字符的提取和分割问题，提出了一种新的图文自动分离算法－行程编码匹配法，能对原始点阵图像的噪声水平、图形与字符粘连以及字符的大小和书写方向等因素几乎不加限制地进行处理。     

一种优化的手写字符自动分割算法

在手写字符自动识别时,由于手写字符中存在字符大小间距不一、粘连、断点,以及不连贯等情况,给字符自动分割识别带来极大的困难。针对该问题,提出了一种优化的手写字符自动分割算法。该方法依据滴水算法的原理,结合CFS(color filling segmentation)做初步分割;再根据分割字符的连续黑色像素点的宽度判断是否为粘连字符,若为粘连字符,则在分割字符图片02倍宽度与08倍宽度之间扫描黑色像素位置;结合分割图片中间位置来确定滴水算法起始滴落点,解决特殊情况下的起始滴落点的定位不精准问题。经手写字符识别实验结果表明,优化后手写字符分割准确率比传统方法分割准确率提高了116%,且有良好的通用性,可提高手写字符的单个识别率。     

两种文本类型验证码字符分割提取方法

作为区分人机操作的一种有效方法,验证码图片被广泛使用.通过对验证码图片识别技术的研究,可以及时发现和改善验证码漏洞.识别混合字符型文本类型验证码的关键是提取验证码图像中的单个字符.介绍验证码识别的一般过程,给出基于颜色提取单个字符和基于支持向量机分割为单个字符的两种单个字符提取方法,通过实例给出了详细步骤.     

基于差分投影与优割字符的车牌字符分割

针对车牌字符分割提出一种基于差分投影与优割字符的车牌字符分割算法.该方法利用水平差分投影图进行倾斜校正和水平切割,使得倾斜校正和水平切割同时进行,在降低算法的复杂度的同时提高了水平定位精确度.然后,结合垂直投影和连通域算法寻找车牌的优割字符,生成滑动的分割模板进行字符的垂直分割,有效地解决了字符粘连、断裂情况下字符识别问题.实验证明该方法分割速度快,分割质量好,对于模糊车牌识别具有自学习品质和很强的抗干扰性能.     

数字字符切分中小数点处理

字符切分的任务是把整个字符串图像中的每个字符切割出来,使其成为单个数字的图像。字符切分是数字字符识别中的关键步骤之一。在图像预处理后,由于小数点粘连造成字符粘连,无法正确切分字符。针对小数点造成的粘连情况,考虑小面积剔除法将小数点去除,保证字符切分正常。小面积剔除法首先将图像中各个部分加以统计得到其面积,然后根据面积的不同确定阈值将小数点与数字字符区分开来,剔除小数点。经过处理之后的图像再进行预处理,使用直线投影切分法将字符切分提取出来。实验表明该方法效果良好。     

带有格线边框的手写体数字串处理系统

各种单据中存在着大量填写在线框中的手写体数字需要处理。这些线框为定位和分割图像带来了更多的参考信息 ,但同时也提出了如何在尽量不损伤待识别字符条件下去除线框的新问题。论文对带有线框的数字金额字符串的处理和识别进行了研究 ,并给出了一个通用方法。该处理方法采用数学形态法去除数字串的边框格线 ,利用格线的信息和连通域的特征把字符串分割成独立的待识别的数字字符 ,字符识别采用支撑向量机 ,最佳识别结果的选择采用概率统计和先验知识相结合的方法。该处理方法已应用于实际系统并取得了满意效果 ,具有很强的实用价值     

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。     

利用多种投票策略的水表读数字符分割与识别

基于安卓平台提出了一种对水表图像读数进行自动识别的新方法。水表读数字符分割和识别算法主要包括三部分:(1)利用霍夫变换和一种投票策略检测出水表的外部轮廓,然后基于模板影像和水表中四个红色指针位置,利用仿射变换技术对水表字符区域进行定位;(2)对图像进行预处理和连通区检测,提出一种基于投票策略的方法进行字符分割;(3)在考虑数字字符可能出现粘连噪声和缺失的情况下,使用改进的Tesseract OCR识别引擎对字符进行识别。最终通过NDK编译平台将实现的C++程序移植到Android环境中。经过对100组数据进行系统功能测试,结果表明,水表智能识别系统取得了一定效果,能对水表读数进行比较准确和快速的读取。     

兼顾连笔和笔顺的联机手写汉字识别方法

为解决联机手写汉字识别技术中兼顾连笔和笔顺的难题，提出了联机手写汉字的模糊属性关系图描述和基于知识的松驰匹配方法。该方法能充分描述汉字结构、对手写变形不敏感，并具有良好的连笔字识别能力和适应不同笔顺的特点。基于上述方法，作者实现了一个联机手写汉字识别系统。实验结果表明，本方法能够有效地增加对于低限制书写汉字的识别正确率，并具有较好的抗噪声能力。经过２２５３０汉字测试，首位识别率达９８．８％，前十位识别率达９９．７％。     

网格笔划密度特征的OPCCR错误自动检测

现有的光学印刷体汉字识别（OPCCR）系统中,汉字识别率虽然已经高达98%以上,但仍然会发生错误识别的情况.通常,这些错误的识别还不能被自动检测,采用人工检测,费时费力,大大降低了实际应用系统的自动化和智能化程度.为此,本论文提出了基于网格笔划密度特征的OPCCR错误的自动检测算法.本算法首先建立标准汉字的网格笔划密度特征的特征库.然后,在OPCCR错误的自动检测时,对光学印刷体汉字图像进行预处理、行分割、列分割得到单个汉字图像,提取单个汉字图像的网格笔划密度特征.再把特征和相应的识别出的汉字的特征库中的特征进行相关匹配.于是,根据特征匹配自动检测OPCCR的错误.     

基于多引擎的印刷体汉字识别系统的设计

设计一种基于多引擎的印刷体汉字识别系统,优先采用汉王光学字符识别（OCR）引擎的版面分析结果,在汉王、清华OCR引擎分别完成字符识别之后,根据字符的图像坐标,整合两者的识别结果,并用彩色突出两OCR引擎的冲突字符、置信度低的字符及WiseCheck语义校对引擎提示的错误字符。该系统改善了现有大规模数字化加工生产线中人工...     

一种基于RBF神经网络的英文字符识别方法

提出了一种基于RBF神经网络的英文字符识别方法。该方法首先提取字符的结构特征和统计特征，以它们作为神经网络的输入向量，然后用RBF神经网络进行识别。使用了高斯函数作为神经网络的激励函数，并以最小二乘准则对字符进行识别。对字符样本的识别结果显示，此方法在识别错误率和识别效率等方面均有很好的效果。     

基于SEART网和模糊相似测量的手写汉字预分类法

提出了一种手写汉字预分类的新方法.该方法分2步进行,首先采用有监督的扩展ART神经网络(SEART)产生一定数量的预分类组,然后通过模糊逻辑处理将各组字符分别转换成基于非线性加权函数的模糊样板,并通过基于模糊相似测量的匹配算法、相似性测量样板的分级分类进行预分类.测试结果表明,该方法效果良好,预分类正确率达到98.19%.     

车辆牌照字符识别

介绍了一个牌照字符识别系统的字符串图像提取部分和字符识别部分 .前者采用基于纹理的分割阈值选取方法 ,即先对牌照图像进行纹理分析 ,然后对取得的直方图采用模式识别中的最大最小准则决定分割阈值 ,其效果优于传统的直方图方法 .后者采用多个简单识别器融合方法进行字符识别 .这一方法根据不同类型识别器的特性 ,采用串、并联混合的方案将它们组合在一起 .与单一识别器相比 ,不仅大幅提高了识别率而且缩短了识别耗时 .这一系统对牌照汉字、数字和字母的识别率均大于 96%,总的牌照识别率为 82 %.