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。     

工程图中字符分离和标注字符串生成技术

提出了同步边缘特性检测的轮廓跟踪算法，并基于规则从扫描图像全图轮廓中分离字符轮廓；在此基础上，针对机械工程图，采用全方位的邻域搜索技术生成不同方向的字符串，通过分类树进行识别，并根据专业领域知识进行校正，实验测试表明，该方法具有较好的效果。     

工程图中字符分离和标注字符串生成技术

提出了同步边缘特性检测的轮廓跟踪算法，并基于规则从扫描图像全图轮廓中分离字符轮廓；在此基础上，针对机械工程图，采用全方位的邻域搜索技术生成不同方向的字符串，通过分类树进行识别，并根据专业领域知识进行校正．实验测试表明，该方法具有较好的效果     

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.     

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。     

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.     

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     

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．     

粘连搭接字符切分方法研究

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搭接字符图像,提出了一种基于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有较好的切分效果．     

工程图纸轮廓提取方法及其在工程手写字符识别中的应用

提出了一种新的适用于大幅面二值图象轮廓提取方法，该方法具有数据量少、速度快、边缘噪声不敏感、轮廓近似度任意和易于以专用硬件实现预处理等特点，还提出了一种基于ＦＦＴ的字符轮廓特征提取和识别方法，并给出了实验结果。     

基于直线和圆的工程图的自动识别方法

提出基于直线和圆的工程图识别方法,该方法首先对工程图的图像进行预处理,找出图形中的种子段,然后由种子段确定搜索的方向和范围,实现对直线和圆的整体识别,从而识别工程图．实验结果表明,基于直线和圆的工程图的自动识别方法具有良好的识别性能.     

基于粗糙集的车牌字符识别方法

提出了一种基于粗糙集理论的车牌字符识别的方法，通过粗糙集的属性约简，有效地压缩了图像的特征数目，提高了运行效率，并且采用基于影响因子的图像判别算法，有效地提高了识别的准确率．以在高速公路收费站实地拍摄的车牌图像为样本，经过车牌的定位、分割，以及字符的分割，选取其中的300幅字符图像作为训练集，100幅字符图像作为测试集，实验结果表明：将训练集图像作为输入，正确识别率为100％；将测试集作为输入，正确识别率为86％。     

基于线性轮廓匹配的工程图识别算法研究

从线性分割工程图入手，提出了一种线性化的轮廓匹配方法．首先通过线性分割工程图的过程将相交的图素从交点处分离出来，消除工程图中的相交情况，获得独立的图素，然后利用一种无需检测和跟踪边缘像素的线性化轮廓匹配方法来识别独立的图素     

Hopfield人工神经网络在工程优化中的应用

本文对Ｈｏｐｆｉｅｌｄ人工神经网络基本电路模型进行了分析．在此基础上提出了用Ｈｏｐｆｉｅｌｄ模型解决工程优化中的设计问题．给出了Ｈｏｐｆｉｅｌｄ人工神经网络在工程优化中的应用实例．结果表明：Ｈｏｐｆｉｅｌｄ人工神经网络是解决最优化问题的有效途径     

工程图纸中文字符号的识别与提取

以图像的区域生成法和基于LAT的自适应的非线性形状匹配法为基础，提出了一种实现工程图纸的文字符号提取和识别的方法．与现行的文字符号的处理方法相比，它具有速度快、准确性高、适应性强的特点．所提出的方法已在实践中得到应用，达到了预期效果．     

电子电路图自动输入系统中的模式分离方法

采用了“内外边缘的快速判决法”与“基于两正交向ＬＡＧ的矢量编码方法”去分离电子电路图的字符与符号．除了对原来的字符分离算法进行改进之外，本文着重于介绍符号分离方法，提出了在“非环形符号”各端点加“黑点”的辅助措施去确定它们的边界．实验结果表明，这些分离方法与辅助措施十分有效，它导致了近１００％的分离率。     

基于JAVA的鼠标书写的非常用字符识别

采用JAVA语言,通过合理设置网络的变量,改进误差逆传播校正方法(BP算法),缩短了BP算法的学习时间,提高算法的运算速度,实现了鼠标书写的非常用字符识别.试验程序验证表明,识别程序能快速准确识别用鼠标书写的字符.     

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连字符的提取与分割这一工程图识别与理解中的难点，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，能比较准确地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解组合，从而确定字符串的分组与方向，实现较高层次上的图文分割。