基于拍摄图像的PDF417条码识别

针对拍摄的PDF417二维条码图像的特点,研究了相应的识别方法.利用梯度特征并结合数学形态学的方法,给出了一种复杂背景下条码图像的定位方法,该方法能准确地从复杂背景中分割出条码图像.对于拍摄的非线性几何失真条码图像,采用分块校正方法有效解决了图像的几何畸变校正问题.给出了一种基于投影算法的条空序列识别方法,该方法可适用于受噪声及模糊等因素影响的图像.实验结果表明,提出的识别方法可以有效识别拍摄的PDF417二维条码图像.     

电表图像中多条码的定位与识别

根据条形码的平行、密集等特性,设计了一套在电表图像中对多条条形码进行定位并且逐一识别的算法,可用于抄录条码的人工智能设备,该算法主要分三部分,分别是条码定位、条码抽取和条码识别．其中条码定位和条码抽取的算法,是根据条形码的平行和紧密的形态特性而设计;而条码识别在条码抽取的基础上利用组合计算条和空的宽度比例．实验表明,本文算法能够对图像中多个条形码进行准确且快速的定位,并且能逐个识别和校验。     

基于多信息融合的失效DPM码识别

针对复杂生产流通过程中,传统算法无法对因防护不当和磨损污染等原因造成的金属刀具表面二维条码缺损和磨损等失效问题进行定位和识别的缺陷,设计了一个基于多信息融合的失效条码识别系统,完成刀具产品的识别和条码信息的提取.该系统利用图像传感器和重量传感器对刀具形状、残余条码纹理和重量等特征进行量化,提取高维特征向量.通过支持向量机与证据理论相结合,实现对失效条码的分类识别.实验结果表明,该系统能够对条码存在污损的刀具进行准确、快速地分类和识别,满足实际生产中的要求.     

改进AdaBoost算法的条码识别

针对传统激光条码读写器受读取距离和条码形变等因素影响较大的缺点,提出一种基于决策树和AdaBoost算法融合的图像条码识别方法,采用5维特征提取法,结合条码图像特点,对条码图像进行标定.研究结果表明:本方法可以实现对视距内任意角度和距离条码的准确识别,并能有效识别脏污条码.该研究成果极大的方便了条码读取,可应用于物流系统检查、分拣货物等.     

基于嵌入式Linux系统的条码识别器的设计与实现

研制一款基于异构多核的图像型条码识读器,集成了光源、镜头、CCD图像采集、FPGA逻辑管理、ARM处理器、读码算法和通信等功能的嵌入式图像处理系统。通过图像采集装置采集复杂背景下的条码图像,然后利用嵌入式的机器视觉处理技术进行任意方向的多个条码区域自动定位和识别,具体包括图像预处理(含去噪、图像分割)、条码定位、条码旋转、条码解析等过程,有效提高条码读取效率。     

手机拍摄的快速响应码区域的一种定位算法

文章提出了一种从手机拍摄的图像中定位快速响应码区域的算法.该算法充分利用手机提供的软硬件平台,在频域内利用离散余弦变换特性对图像中快速响应码区域进行增强,从而区分条码/非条码区域,并利用数学形态学平滑条码区.实验表明,该算法具有较好的性能,对于不同倾角的条码图像也可取得较好的定位效果.     

一维条码印刷质量检测研究

针对条码印刷的检测问题,提出一种印刷质量检测算法,该算法对于基于图像处理的一维条码能有效处理.并给出了算法工作流程及建立了数学模型,该算法可以避免在传统条码检测方法中多次扫描而耗费大量时间.实验结果表明,该算法可以有效地实现条码图像的检测.     

基于颜色分割和HOG学习机制的人脸检测

人脸检测在信息安全和处理等应用领域起到很重要的作用.提出了一种鲁棒的人脸检测算法.该算法结合了基于颜色分割的粗定位过程和基于Histogram of Oriented Gradient(HOG)特征的人脸精确定位过程.粗定位利用人脸的颜色特征,采用基于YCbCr空间的颜色分割方法,获得图像中有可能包含人脸的图像子区域;精确定位则采用HOG特征,并利用SVM进行分类,得到人脸的准确位置.实验证明我们的方法对不同亮度、各种年龄及性别、表情变化及部分遮挡的人脸都具有很强的鲁棒性.     

纸币号码识别技术研究

本文主要研究了号码图像的预处理方法,包括有号码图像粗定位、图像的二值化、噪声去除等,并以实验分析为基础,经过对模板匹配算法与特征分析算法的研究比较,提出一套具有低时间开销和高识别率的号码字符的综合识别算法。     

基于结构相似性粗定位与背景差分细分割的运动目标检测方法

针对抖动相机和静止相机下的运动目标检测问题,本文提出基于结构相似性粗定位与背景差分细分割的运动目标检测方法。首先使用动态模式分解法根据视频序列提取彩色背景图像为粗定位提供基础,提出在小范围内利用相关法对SIFT算子检测到的当前帧图像和彩色背景图像的特征点进行匹配,通过匹配点对的偏移量估计当前帧图像的偏移程度,以达到消除图像抖动的目的;然后利用结构相似性对目标区域粗定位,减少复杂背景的干扰;再对各通道下粗定位彩色背景图像及校正后的当前帧图像背景差分并对其结果进行与操作;最后通过形态学处理得到完整的运动目标。实验结果表明：本文方法不仅有效改善了相机的抖动问题,而且在抖动相机和静止相机两种情况下的检测率有所提高,与GMM等三种算法相比查全率和准确率分别提高1.6%、3.5%和3%以上。     

一种QR码识别的低复杂度图像预处理方法

QR(Quick Response)码是一种常见的二维条形码,图像预处理是实现复杂条件下QR码图像自动识别的重要步骤.为了降低QR码使用门槛,提出了一种实用的低复杂度QR码识别图像预处理算法,它可以提高解码器识别速率,便于算法嵌入移动终端.由于没有使用传统的边缘检测和直线检测手段,而是依据QR码自身编码特点进行探测定位,所以几何失真、背景噪声对其影响较小;此外,为提高了QR码的识别率,采用结合校正图形并按区域自适应取样的方法来生成码流.实验结果表明,该算法可以克服QR码识别过程中易受噪声干扰、光照不均和几何失真等影响,并能满足实时解码的要求.     

采用GPU并行计算与图像匹配的工件条码识别算法

设计基于图形处理器(GPU)并行计算与图像匹配的条码识别算法.首先,设计基于归一化协方差的图像匹配算子,定位每个条码的位置.然后,根据条码面积、周长、形状因子,确定条码种类.最后,采用GPU并行计算方式完成条码解析.实验数据显示:与当前条码识别技术相比,所提算法能够同步识别多种条码,且在面对光照强度较暗或过高时,该算法具有更高的稳定性与抗干扰性,其仍具有更高的识别精度与效率.     

一种混合阈值剪枝的稀疏化训练图像识别算法

卷积神经网络在图像识别的应用中,有大量的冗余参数,增大了计算量,降低了网络运行速度.针对这个问题,提出了一种混合多阈值的稀疏化训练剪枝算法,通过稀疏化训练和混合全局与局部阈值的剪枝算法,压缩了神经网络的模型.通过对缩放因子L1正则化,使重要性低的通道值接近0,进行稀疏化训练,再引入全局阈值和局部阈值剪枝掉接近于零的通道并防止模型向粗粒度方向压缩,并对其进行训练微调参数,得到了混合阈值剪枝的精简模型.最后为了验证本文方法有效性,在DOTA(a large-scale dataset for object detection in aerial images)数据集中进行测试,该算法在小幅度降低图像识别精度的前提下,成功地压缩模型90％大小,加快了53％的计算速度,取得了较好的效果.     

一种用于工件3D条码识别的图象综合预处理方法

针对汽车零件金属蜂窝载体催化剂在线质量自动检测的需要，根据工件表面光学特性差，检测系统从高温处理前后的工件上所获信号的差别及所受干扰都很大的实际情况，利用条码结构自身的特点和相关性，提出一种3D条码图象综合预处理方法，即用配有辅助源的工业摄像机摄取3D条码图象，经直方图均衡化，图象投影变换，自适应阈值法条空信号提取，条空信息真伪校正等处理后，按国标译码而最终得到工件编号，应用该方法对100幅实际的工件条码图象进行实验，识别准确率达到97％，表明了该方法的有效性。     

基于自适应方向局部三值模式的人脸识别

为了解决局部三值模式特征向量维数过高和不能自适应选取阈值的问题,引入方向局部二值模式的思想,提出了一种具有自适应性的方向局部三值模式(SD-LTP)。SD-LTP通过具有降低特征向量维数的方向局部三值模式来描述图像,将图像全局灰度特征引入编码中以增强算法对全局特征的描述;引入具有自适应性的阈值增强算法的抗噪能力。在ORL和FERET标准人脸库上的实验结果表明,SD-LTP有效地降低特征维数;并显著提高了人脸的识别率。     

一种新的基于DCT变换的人脸表征

DCT变换是一种与KL变换非常相似的次最优变换算法.由于它独立于信号量,并且在维数下降、特征提取方面都非常接近经典的KL变换算法,因此DCT变换已经适用于模式识别领域.文章针对人脸图像,基于DCT变换,提出了一种融合整体DCT变换和分块加权DCT变换提取人脸图像的整体特征系数和局部特征系数,用于人脸表征的新方法.实验结果表明,本方法无论是在识别率还是在时间性能方面都优于传统的KL变换.     

视频信号中实时字幕信息的提取方法

为了在视频图像中进行字幕信息的实时提取 ,提出了一套简捷而有效的方法。利用视频图像中文本的频率特性与空间连续性 ,采用改进的投影阈值分割方法对视频中的文本进行实时分割。针对视频字幕在时间上的冗余特性 ,提出了一个基于有限状态机的动态缓冲的模型 ,在提高分割的正确率的同时减小了识别运算量。在识别部分 ,采用了一个 3层前向神经网络进行实时的识别。该算法已经成功地应用于卡拉 OK MTV歌词字幕信息同步提取系统中。     

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.