利用神经网络识别车辆牌照字符

由于受光照条件、牌照自身清洁程度等因素影响,车牌识别系统往往达不到满意的字符识别率.结合神经网自适应的特点,本文利用基于自适应谐振理论(Adaptive Resonance Theory,ART)构成的自组织神经网络进行字符识别,给出了算法和实验结果.     

利用神经网络识别车辆牌照字符

由于受光照条件、牌照自身清洁程度等因素影响 ,车牌识别系统往往达不到满意的字符识别率 .结合神经网自适应的特点 ,本文利用基于自适应谐振理论 (AdaptiveResonanceTheory ,ART)构成的自组织神经网络进行字符识别 ,给出了算法和实验结果     

从工程图子分离和识别字符模式的技术

提出了一种内，外边缘的快速检测方法分离工程图中的字符模式，该方法具有很高的可靠性，可分离写或印刷体的英、法、德、俄、希腊字母、阿拉伯数字和汉字、对于字符识别，采用了Ｈｏｐｆｉｅｌｄ人工神经网络模型，并引入了“半优化”学习算法替代传统的Ｈｅｂｂ学习算法，获得了较好的效果。     

一种识别手写字符的多分类器集成方法

提出了一个识别手写字符的综合网络集成模型,该模型由2个B-小波神经网络分类器和一个Morlet-小波神经网络分类器构成,实验的结果充分显示了该方法的有效性。     

一种基于字符骨架的汉字细化算法

字符细化可极大地消除冗余信息,提高字符特征提取的速度和准确率,文中提出一种直接提取字符中心骨架的细化算法,基于字符八方向长特征和线段内切圆心连线提取字符中心轴线,同时得到笔划的类型信息。实验表明,该算法具有很好的鲁棒性,可以稳定有效的细化字符。     

手写电气元件符号的识别算法

特征抽取是图形识别的关键，采用模板匹配方式搜寻特征点，抽取特征信息，进而得到可识别的图形信息，并提出了一种基于神经网络的电气元件符号识别算法。实验结果表明，这种思路是可行及有效的。     

一种新的用于集装箱字符的识别方法

主要以集装箱字符识别为例,详尽地论述了模板匹配的基本,同时,为了提高识别率,减少计算量和运行时间,满足实际应用的需要,特别是针对在实际图像中背景与字符均是彩色信息的应用来说,其二值化得到的图像可分为两种,即黑底白字和白底黑字,为了解决同一字符需要制作正反两种不同标准模板的问题,提出了一种改进的标准模板制作方法,这种模板能够自适应地匹配二值化后的正反图像,算法简单实用,理论与实验结果均表明,改进的模板匹配方法具有较高的识别率和坚韧性。     

基于字符类别的识别反馈混排字符切分方法

字符切分是影响OCR系统识别的关键因素之一.对于中英文混排文档,提出了基于字符类别的识别反馈混排字符切分方法,利用字符特征分类判别出文档中的汉字类、英文、数字和标点符号类、部件类,对汉字类和部件类借助识别技术分别进行处理.该方法结构简单,客易实现,实验结果表明该方法切分效果好,字符类别判断准确.     

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．     

从工程图中分离和识别字符模式的技术

提出了一种内、外边缘的快速检测方法分离工程图中的字符模式．该方法具有很高的可靠性，可分离手写或印刷体的英文、法文、德文、俄文、希腊字母、阿拉伯数字和汉字．对于字符识别，采用了Ｈｏｐｆｉｅｌｄ人工神经网络模型，并引入了“半优化”学习算法替代传统的Ｈｅｂｂ学习算法，获得了较好的效果．     

基于识别反馈的粘连字符切分方法研究

字符切分是影响OCR系统识别的关键因素之一.对于中英文混排粘连字符图像,笔者提出了一种基于字符类别的识别反馈的字符切分方法.该方法结构简单,容易实现,实验结果表明该方法切分效果好.     

基于图像处理的印刷字符分割提取方法

针对塑料袋等印刷制品的字符识别问题,设计机器视觉软件对于塑料袋字符分割提取的方法,研究其字符分割提取方法并优化.通过实验的方式针对于透明塑料袋和不透明塑料袋采用多组对比实验的方法,使用基于全局阈值分割方法对实验对象使完成字符分割提取.根据实验结果完成塑料袋字符分割提取方法的优化设计,达到最终的理想结果.结果表明基于全局...     

基于字符笔画斜率特征的车牌识别算法研究

车牌字符识别是车牌智能识别系统中的关键技术之一,为了提高车牌字符识别准确率和实时性,提出了一种基于车牌字符笔画斜率特征的字符识别算法,新算法在对准确分割后的车牌字符图像进行归一化、二值化和细化等预处理后,提取车牌字符笔画像素点的斜率值,再将斜率值构造成识别向量,进而通过计算特征向量的夹角值实现待识别字符与标准模板字符的相似度判断;实验结果表明,新的算法与已有的传统字符识别算法相比,既提高了识别准确率,又降低了识别耗时,结果满足实际工程应用需要.     

模式识别中三种字符识别的方法

本文总结出三种字符识别的方法：基于模板匹配的字符识别法、完全基于字符的结构特点和笔画类型的识别法以及利用BP神经网络的字符识别法。     

基于并行特征匹配的车牌定位与识别算法

针对智能交通系统中车牌定位速度慢,信息识别准确度低的问题,提出了一种高性能的车牌定位及字符识别算法.进行车牌图像预处理,在彩色图像中搜索边缘密度快速突起的矩形域,在搜索后的矩形区域内采集相似走向的双边曲线,筛选出双边走向具有突出相似特征的区域,以此定位出包含字符的真实车牌区域,通过改进的神经网络模型进行多模板同位权值匹配,将待匹配模板逐层剔除,接着进行相似模板的异位权值匹配,准确识别出车牌图像里的字符信息.该算法抓住了车牌的矩形特征和字符具有的并行双边走向的重要特点,利用新型的同异位并行模板剔除方法,提高了车牌定位的速度和字符识别的准确度.     

基于Faster R-CNN的车牌识别算法

针对传统车牌检测方法定位不准确、检测结果易受环境影响的问题,提出一种基于Faster R-CNN和Inception ResNet_v2的车牌检测算法:通过迁移学习的方式实现精确的车牌定位,用像素点统计法处理车牌图像,实现单个字符的有效提取;mLeNet5卷积神经网络模型用于对单字符进行识别.结果表明,算法对有遮挡及角度倾斜的车牌字符能实现高效、高精确度的识别.     

复杂仪器仪表盘面背景中目标字符的提取与识别

提出了一套针对复杂仪器仪表盘面图像背景的拟人化的目标字符提取和识别的技术方案．该方案综合了多种图像处理和分割方法，取长补短，综合优化，排除了复杂图像背景中的各种干扰因素，对图像变化有一定的自适应能力．该方案在给定的图像样本中取得了很好的识别效果，达到了实用化的水平．仪器仪表盘面的图像处理与识别是非电子设备与现代电子设备的接合点之一，因而这一具有指导意义的技术方案有广阔的应用背景．     

气象传真图图题的识别

针对目前气象传真图种类识别人工干预,执行效率低的问题,提出了一种通过识别气象传真图图题来判断传真图种类的方法.首先获取图题在整幅气象传真图中的位置,然后利用投影、轮廓切分分离粘连字符方法完成对气象传真图图题字符的分离,最后通过提取字符特征量,采用模板匹配算法完成字符识别,从而确定出气象传真图的种类.该方法实现传真图类别的自动识别,避免人工干预,自动化程度高,应用于气象传真图数字处理系统,取得较好的识别效果.     

利用独立成分分析和小波矩对车牌字符特征的识别

车牌识别技术作为智能交通系统的核心,起着举足轻重的作用.通过将独立成分分析和小波矩方法引入到车牌字符识别研究中来,提出了一种对车牌字符按照汉字组、数字与字母组进行分组,然后对不同组提取不同的特征进行识别的新方案.实验结果证明,所提方案可以达到很高的识别率.     

田径运动员号码牌图像的号码识别

田径运动项目中通常拍摄得到大量的图像,如何快速获取特定运动员的图像成为普遍关注的问题.为了快速检索包含特定运动员的图像,本文提出了识别图像中运动员编号的方法,依据运动员编号的识别达到快速检索的目的.首先,采用DPM(Deformable Part Model)(可形变部件模型)进行人体检测,缩小搜索范围,接着按照运动员号码牌的先验知识,采用两种方式进行运动员号码牌定位,保障定位的可靠性;然后对定位出的号码牌进行字符分割;最后采用基于特征的BP(Back Propagation)神经网络的方法进行号码牌识别.实验结果表明,在运动员号码牌几乎无遮挡的情况下,使用本文提出的方法能有效地识别出完整号码牌;在运动员号码牌存在部分遮挡时,可以识别出未被遮挡部分的编号.本文提出的运动员号码牌识别方法为检索特定运动员图像提供了思路,大大减少了普遍采用的人工查找方式的工作量.