一维修改的哈夫曼码在气象传真图编码中的应用

气象传真图的信息量非常大.对其进行数据压缩,不仅可以在有限的空间内存储更多的图像,而且可以有效地降低传输时间,对于海上航行的船舶及时地掌握气象信息、降低气象风险大有帮助.在此采用一维修改的Huffman码对气象传真图进行压缩处理,并依据查表法对气象传真图像进行解压处理.实验证明,该方法可以满足气象传真图关于压缩比和压缩速度的要求,该方法是可行的.     

中值滤波在气象传真图中降噪的分析

针对气象传真图中含有大量的椒盐噪声,提出一种去噪效果更好的算法——自适应中值滤波算法.通过对中值滤波算法应用在气象传真图降噪中的效果仿真验证,并将各种去除椒盐噪声算法进行比较.研究结果表明,中值滤波算法能够有效去除气象传真图的噪声.     

基于雷达图表示原理的英文字符识别方法

在多元数据多元图表示原理理论基础上,提出了一种新的字符模式识别方法.首先基于多元数据雷达图表示原理进行字符的非数值数据-数值数据变换,进而实现字符信息的雷达图表示;然后对待识别字符进行多元图图形基元和特征基元分析,形成字符识别的多元图基元表示模犁;最后在字符识别的多元图基元表示模型基础上实现字符识别.本文以手写体大写英文字符的识别为例介绍该方法,通过实验证明该方法具有较好的识别效果.     

基于边界模板匹配算法的集装箱箱号识别

为了解决集装箱箱号识别精度差、速度慢的缺点,提出了一种新的识别方法.该方法从字符的边界信息中抽取出其特征向量并利用模板匹配法完成字符的初步识别.然后通过大量的实验确定易混淆的字符集,再利用这些字符的独有特征加以区分识别.实验结果表明此算法不但减少了运算量,而且提高了识别速度和精确度.     

一种基于混合神经网络的车牌字符识别方法

针对单一种类的神经网络在识别严重污损的车牌字符时很难达到理想效果的问题,提出了一种基于联想记忆算法与BP算法相结合的混合神经网络.该网络将Hopfield神经网络与BP神经网络级联,对输入的字符样本进行两次判别.通过对加噪、旋转和切割情况下的车牌字符样本进行识别实验,证明该方法可有效地提高车牌字符的识别率.     

数字图像处理应用于车辆牌照识别的研究

探讨了将数字图像处理技术应用于机车车辆牌照识别的基本方法.在图像预处理部分,选用灰度差倒数加权平均算法对源图像进行滤波处理;应用分段线性变换算法增强图像对比度.通过边缘检测算法对车辆牌照进行准确地定位及对文字进行分割,完成对车牌上的字符的识别是利用各个字符的图像和字体的特征值,对其中每个字符进行有效、准确的识别.     

气象传真信号数字化处理技术分析

本文提供一种气象传真信号数字化分析的有效方法.利用气象传真机(或单边带短波收音机)接收气象信息,它以音频的格式输出,但气象传真信号已被接收并加载在此音频信号上.现具体分析包括采样、量化、编码和数字处理等过程,并完成在MATLAB仿真与实验.     

基于支持向量机的数学公式识别

数学公式识别在拍照搜题、自动阅卷和题库建设等智慧教育任务中有着广泛的应用.由于这些应用中数学公式大多以图片的形式存在,因此识别图片中的数学公式成为智慧教育领域的重要研究问题之一.数学公式结构复杂,从图片中识别数学公式远比一般的光学符号识别要复杂得多.将公式识别分为字符分割、符号识别和公式重组这3个步骤:首先,综合运用投影和连通域方法将字符从图片中分割出来;其次,基于单个字符的区域像素数占总像素比例提取字符特征,建立监督学习模型识别字符;最后,利用每个字符在公式中出现的位置对数学公式进行重组.真实数据集上的实验结果表明,本文提出的数学公式识别方法准确率高达98.0%.     

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.     

CAD在绘制矿图过程中的应用

针对采矿矿图种类繁多、内容多变、重复性强的特点，对AutoCAD的底层机制进行研究，利用计算机程序语言VB，建立了矿图图元的计算机绘制模型，使其能够添加到所需要绘制的采矿图中，并且能够自动完成文字标注和图形旋转、缩放。此方法与采矿线型库结合，可完成复杂的采矿矿图的全部绘制工作，为在实践中推广采矿计算机辅助设计奠定了基础。     

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。     

复杂背景中字符图像的提取

在具有噪声及灰度不均匀的复杂背景中提取出待识别的字符, 是字符识别的关键一步。提出应用简单统计法及Ｒｏｂｅｒｔｓ边缘检测相结合的方法, 对图像进行二值化处理, 并在此基础上利用Ｈ－Ｓ连同分析方法去掉了复杂的背景块。在５８６／ＡＭＤＫ６／２００机器上, 对５０余幅图像处理, 均正确提取出了待识别的字符且每幅的实现时间不到１ ｓ。     

汉字识别中图特征提取方法

为解决图像像素表示汉字特征方法不能有效表示汉字本质特征、空间复杂度较高的问题,提出了一种汉字图特征提取方法。方法主要包含汉字图像二值化,汉字图像骨架提取,汉字图特征提取3个部分;二值化消除图像中的噪声,提高图特征提取的准确度;骨架提取保留图像中重要的像素点,剔除无关的像素点;图特征提取将汉字关键点与图数据结构结合来表示汉字形状特征。在3 908个常用汉字的5种字体上进行实验。结果表明,该方法能够正确提取笔画复杂汉字的图特征,有效表示汉字本质特征;不同字体汉字图特征相同的汉字数量最高为3 195个,方法表现较稳定;平均每个汉字可以用22.6个图节点、19.1个边表示,相较于用单通道图像表示汉字特征,可大幅降低空间复杂度。     

一种新的车牌数字及字母字符识别方法

车牌字符识别是车牌自动识别系统的关键环节．车牌数字及字母字符识别是车牌字符识别的重要组成部分．传统的模板匹配法的缺点是在车牌图像质量退化时识别率较低．提出一种新的改进的模板匹配法．该方法定义前景匹配度、背景匹配度和整体失配度3种匹配测度进行模板匹配,匹配成功则直接获得识别结果,否则,对相似字符情形应用特征区域模板匹配法,对其他情形应用空心模板匹配法．实验结果表明,该方法对车牌字符褪色、污迹、断裂、模糊、光照不均等质量退化车牌图像具有较好的识别效果．     

图像差异的分析与识别

同一物体的不同图像之间往往相差一个变换,这里的变换包括成像系统的小运动对平面物体成像的影响以及图像灰度的对比度变换,在导出变换前后所形成的两幅图像之间的关系,得到相关的数学模型基础上,给出了一种对交换前后的图像进行识别的方法以及对上述图像进行匹配和识别的一个算法及实验结果,其中涉及到关于滤波器的变换不变性、图像的局部特征和图像的变换不变量的研究。     

一种基于BP网络的测井曲线自动提取方法

由于测井曲线图纸图像存在大量背景网格与曲线或曲线与曲线交织,致使曲线跟踪中断,需要手工连接,自动曲线提取非常困难.为此,提出一种利用BP神经网络进行曲线自动提取的方法.这种方法先提取曲线段的宽度、走向、分支特征,然后利用BP神经网络识别跟踪曲线交织处的分支,正确预测曲线的下一段.理论分析和实验表明,采用本方法,提高了曲线提取的正确率,抗干扰效果较好,几乎不要手工连接.该方法已经用于实际的石油测井曲线图纸图像的曲线自动提取中.     

基于图像匹配和验证识别的元件型号检测

电子制造业的电路板元件贴片安装检测中,需要根据元件上的字符图像来检测其型号是否正确．现有的整体匹配方法误检率高,且无法检测不同批次字符字体差异的元件．本文设计了位置校正后字符匹配的快速检测方法,对于更换元件批次后的字体差异则采用字符图像分割后进行验证性识别,并重新建模．实验结果表明了本方法具有高效,无漏检,误检率低等特点．     

一种模板匹配和神经网络的车牌字符识别方法

提出了一种基于模板匹配和神经网络的车牌识别方法。该方法集成了模板匹配识别车牌字符和神经网络识别车牌字符的优势,可有效地提高车牌字符的识别率、识别速度和识别系统的泛化能力。实验结果表明：大多数情况下,该方法的识别率超过90%,识别时间不超过1200ms,能有效地识别各种车牌中的字符,满足实际系统的要求。     

文本图像的快速区域定位方法

字符区域定位是字符识别的预处理过程，但字符图像常常受到光照和噪声的影响，使字符区域的准确定位变得十分困难。提出了一种基于数学形态学的定位方法，利用数学形态学的膨胀、腐蚀运算和字符串图像的整体特征，实现对复杂背景图像中字符串的准确定位，同时对算法进行了优化，使算法更适于实际应用。文中以印刷电路板字符图像作为测试样本进行区域定位，取得了预期的效果。     

基于模板匹配的轨道基桩识别研究

为了克服铁路建设中人工检测的局限,在满足测量精度的条件下,利用图像处理方法,对基桩进行在线识别.由CCD采集基桩的图像,对基桩图像先进行直方图均衡,再用模板匹配法对其进行识别.在实验中,对用直方图均衡处理和其他图像预处理的方法进行了比较.结果表明,用模板匹配法能将经直方图均衡过的图像中的轨道基桩有效地识别出来,且识别精度高、速度快,可以满足铁轨在日常铺设时的测量要求.