质心层次特征的无约束手写体数字识别

光学字符识别（ＯＣＲ）是模式识别最为成功的应用之一．目前,ＯＣＲ的研究重点是无约束手写体字符识别．采用了基于字符质心的层次特征对无约束手写体数字进行分类识别．基于字符质心的不均匀分块方法,在一定程度上可以克服无约束手写体数字字形千变万化所引起的不稳定性．层次特征将字符在空间的二维分布转化为一维,特征抽取过程简单,易于实现．将该算法应用于无约束手写体数字的信函分拣系统,单字的平均识别率达９７％以上．     

一种基于KNN与改进SVM的车牌字符识别算法

提出了一种将KNN(K近邻)和支持向量机相结合的字符识别算法.首先用KNN对字符进行判断,如果输出的置信度大于阈值,则认为分类正确;如果小于阈值则采用支持向量机进行判决.改进了SVM分类器,通过调整支持向量机的分类超平面改进了支持向量机的性能.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.     

一种空中快速手写连续字符识别方法

为改善空中手写连续字符的识别效果,本文提出一种快速的识别方法,利用目标跟踪模型生成空中连续字符的轨迹图像,再利用连续字符识别模型识别轨迹图像。目标跟踪模型采用改进的高帧率孪生网络,连续字符识别模型采用改进的残差循环神经网络。实验结果表明,目标跟踪模型的帧率达到175.5 fps,连续字符识别模型的帧率达到30.8 fps,识别率达到91%。     

基于Gabor特征与支持向量机的字符识别系统研究

利用计算机进行字符自动识别与录入的技术对机器翻译、数据挖掘、人工智能等都有着重要的理论意义和实用价值,基于数字图像处理技术的字符识别是其中的一个重要发展方向。文章重点研究了字符特征提取和匹配识别这两个影响字符识别效果的因素,根据中文字符笔画的方向特点,选择了对图像方向特征敏感的Gabor变换作为特征提取方式,在获取字符的特征向量后,先利用最小距离分类器进行预分类,再利用最小距离分类中产生的候选样本集训练SVM分类器,识别时只需利用候选集分类器依次判决,降低了训练和识别工作量,同时提高了识别效率。实验表明,系统对网站导航字符平均识别率达94%以上,具有一定的理论意义和实用价值。     

基于模板匹配的车牌字符识别算法实现

模板匹配法在汽车牌照自动识别中已得到广泛应用。本文在模板匹配法的基础上,采用了特征区域模板匹配法,并且改进了匹配系数的求法。应用该法取得了满意的效果,提高了识别率。     

基于分形矩的印刷体藏文特征提取方法

基于现有的藏文字丁特征提取方法——图像投影法和方向线素法，运用分形矩理论，提出了一种基于分形矩的藏文字符特征提取方法．用该方法提取的特征有效地反映了藏文字丁的局部和全局特征，减少了图像中像素位置变化给识别部分带来的负面影响．该方法在一定程度上克服了藏文字丁极多而造成的误识率高的缺点，并且解决了由于特征向量雏数较多造成的运算速度慢的问题．     

一种改进的文本图像二值化算法

本文针对应用广泛Bersen二值化算法，结合其他改进算法提出了一种改进的文本图像二值化算法（称为Bersen--Improve算法，简写为Bersen—I算法）。Bersen--I算法不需要预先确定最大笔划宽度，并且改进了Bersen算法中的阈值选取方法，使得阈值的选择更为合理。此外，Bersen—I还具有较好的保持笔划的连通性及较强的抗干扰能力等优点。     

2DPCA算法在车牌识别中的应用研究

针对PcA算法在丰牌字符识删存在的计算量大，效率低等问题，提出了一种基于2DPcA算法的车牌字符识别方法。实验结果表明’试方法不仅能有效方便地降低原始特征的堆数，减少繁琐复杂的计算，识别准确率也有较大改进。