基于快速连通域标记的车牌字符分割

对车牌图像的二值图进行连通域提取可以解决倾斜带来的问题.提出了一种基于快速连通域标记的字符分割方法.先用改进的Otsu法对车牌图像进行二值化分割,之后基于快速连通域标记算法进行连通域标记,最后对各个连通域进行后续处理提取出全部车牌字符连通域.实验表明,改进的快速连通域标记算法克服了倾斜问题,而且有效地提高了连通域提取的速度,获得较好的字符分割的鲁棒性和实时性.     

工程图标注字符的提取与识别

本文介绍了一种基于连通域检测的工程图标注字符的提取与识别方法；首先建立了一种基于连通域和子连通域的工程图的层次表示，然后利用大小判据从连通域中找出字符候选，再利用共线判据提取出标注字符串，最后在预先总结出来的字符串模板的指导下，对提取出的字符串进行分析和识别。     

工程图的子连通域表示及其应用

文章介绍了基于子连通域表示的工程图处理方法，包括子连通域的概念、提取方法、操作和应用等。子连通域是连通域的一部分，从图象的子连通域表示出发，可以进行提取连通域、轮廓跟踪及旋转、缩放等操作，利用这些操作，可以方便地从点阵图象中提取线条、字符和分割粘连的字符。     

基于新模板的算法在车牌字符分割中的应用

针对以往车牌字符分割算法在复杂情况下分割准确率低的问题,提出了一种基于新邻域模板的连通域算法的车牌字符分割算法。采用基于新模板的连通域算法粗分割字符;通过自适应阈值投影法进行字符细分割;同时使用区域合并算法保证字符的完整性。实验结果表明,该算法将连通域法与投影法有效结合,能够同时解决汉字不连通、字符粘连和边框粘连等复杂情况,该算法对车牌字符进行分割正确率达99.5%。     

复杂背景下的点阵字符识别研究

针对食品包装行业中喷墨打印技术形成的点阵字符不连续及食品包装背景复杂等问题,提出一种基于改进的连通域分割与BP神经网络相结合的字符识别方法.利用数学形态学与连通域分析定位点阵字符区域,对字符区域进行分割,利用BP神经网络对字符进行识别.实验结果表明,该方法在字符分割和识别上的效果均有较大的提升,其字符识别准确率达到98.03％.     

用于识别一类缺陷字符的过筛连通-模板匹配法

针对一类发生“切割”的缺陷字符，传统的模板匹配法难以对其进行正确识别，基于连通域的改进算法也存在一定的误识率，文章提出了一种基于过筛连通的模板匹配法较好地解决了这一问题，算法对其于连通域的模板匹配法进行了进一步改进，其基本思路是对缺陷字符采用先过筛，再连通，最后匹配识别的办法，最大程度地保留了笔道上的黑像素，屏蔽了笔道外的干扰黑像素，从而实现字符的识别，该算法构思新颖，计算简洁，大量实验表明其识别率也是可以保证的。     

基于字符群体特征的图文分离算法研究*

为了正确分离图文,提出一种基于字符群体特征的图文分离算法.该方法以直线识别得到的短直线为基础,对连通域进行限制长度的外轮廓提取;通过大小和密度判据捡出候选字符,并以字符串形式出现的群体特征吸收漏识的字符和符号,实现包含标注字符、标题栏及明细栏字符等各类字符与图形位图的分离.结果表明:该算法提高了字符特别是难检字符及符号判定的可靠性,保持了字符串的完整性,具有适应性强、效果好的特点.     

An Approach based on Connected Components Analysis for Vehicle License Plate Location

复杂背景中车牌定位技术,是车牌识别过程中的技术难点,提出了一种基于连通域分析的车牌定位方法.该方法通过边缘检测方法进行车牌粗定位,再对粗定位图像进行连通域标记,然后利用级联分类器筛选车牌字符连通域,最后结合车牌模板确定车牌位置.实验表明,该方法定位车牌的准确率高,能够适用于国内现行的多种规格民用汽车牌照的定位.     

基于连通域提取的车牌字符分割算法

车牌字符分割是车牌识别系统的三大关键技术之一.为了准确地进行字符分割,提高字符识别的准确率和识别的速度,提出了一种改进的连通域提取车牌字符分割算法,算法通过扫描目标像素的若干相邻像素后按照一定的准则确定目标像素与相邻像素之间的连通关系,可克服同类算法中像素重复标记和归并标记需大量运算的缺陷,最后得到正确的连通标记划分并能提取出各个分离的连通区域.实验表明算法能够准确快速地识别字符,且具有较好的稳健性.     

车牌字符分割的算法研究与实现

为获得准确的单个车牌字符,提出了一种将连通域法和垂直投影法相结合的车牌字符分割算法。该方法首先根据车牌中每个字母或数字的连通性特点,按照一定的像素准则与相邻像素之间的连通关系扫描目标像素的相邻像素点,找出各自的连通区域;然后对车牌进行垂直投影找出汉字区域,精确地分割出单个字符。实验结果表明,该算法对车牌字符分割的准确性和处理速度都有较大提高,能满足系统实时性和准确性的要求。     

基于几何特征的IC芯片字符分割与识别方法

针对IC芯片字符的分割与识别问题,提出了一种基于字符几何特征的分割方法和一种基于字符最小外接圆的归一化与重定位方法,使用基于像素差分的模板匹配完成识别。首先,对芯片图像进行直方图均衡化处理,并利用辅助圆进行中线定位和图像校正,定位得到ROI区域并进行均值二值化处理。随后,对二值化ROI图像进行字符分割,以字符的几何特征作为判断条件,从而完成了对缺陷字符的正确分割。之后,对单字符图像提取最大轮廓,利用其轮廓的最小外接圆进行字符的归一化与重定位。最后,对归一化的字符进行差分识别。通过采集4种芯片样本进行实验,结果表明,该方法能够实现芯片字符的准确分割,对于缺陷字符的分割准确率达90%;能够快速精准地识别芯片字符,单字符平均识别时间为4.6 ms,识别准确率达到99.4%。     

基于连通体检测及投影法的牌照字符切分

针对常用投影法单字切分的不足,提出基于连通体检测及投影法的字符切分,首先进行第一次连通体检测,选择用于字符群上下边缘线拟合的连通体,然后用细胞神经网络的方法得到字符群的块状区域，用最小二乘法拟合字符群的上下边缘线,舍弃干扰，得到比较“干净”的牌照图象,对于几何失真较严重的牌照,进行几何校正．对上述处理过的牌照图象，进行第二次连通体检测．对连通体宽度在单个字符范围内的，认为连通体的边界为字符的边界,对超过单个字符宽度的连通体，用投影法重新进行切分,经测试，此方法能较好地去除螺钉和边框的干扰,切分位置合理．为后继字符识别做了较好的准备工作．     

主动轮廓模型在车牌识别算法中的应用研究

提出了一种识别机动车辆牌照的算法。该算法首先利用车牌的纹理特征和区域形状特征检测车牌区域。为提高区域检测的正确性，利用新的改进的主动轮廓模型，利用先验知识确定精确的车牌边界。在精确确定车牌区域基础上，可以准确切割出车牌中的字符，从而提高识别率。     

Multi-oriented touching text character segmentation in graphical documents using dynamic programming

The touching character segmentation problem becomes complex when touching strings are multi-oriented. Moreover in graphical documents sometimes characters in a single-touching string have different orientations. Segmentation of such complex touching is more challenging. In this paper, we present a scheme towards the segmentation of English multi-oriented touching strings into individual characters. When two or more characters touch, they generate a big cavity region in the background portion. Based on the convex hull information, at first, we use this background information to find some initial points for segmentation of a touching string into possible primitives (a primitive consists of a single character or part of a character). Next, the primitives are merged to get optimum segmentation. A dynamic programming algorithm is applied for this purpose using the total likelihood of characters as the objective function. A SVM classifier is used to find the likelihood of a character. To consider multi-oriented touching strings the features used in the SVM are invariant to character orientation. Experiments were performed in different databases of real and synthetic touching characters and the results show that the method is efficient in segmenting touching characters of arbitrary orientations and sizes.     

基于统计的汉字字形视觉重心计算

该文提出了一种汉字字形视觉重心的计算方法。首先收集常用汉字图像样本,通过图像预处理,提取出样本汉字的连通区域视觉平衡中心;然后招集被试对样本汉字进行视觉重心标注;再利用统计建模的方法,构建出连通区域视觉平衡中心和汉字整体视觉重心之间的关系模型。与相关方法比较,文中方法考虑了汉字视觉重心依赖于人的主观体验这一因素。该方法能广泛应用于汉字特征提取、汉字结构设计与优化等应用领域。     

基于小波变换的图像中维吾尔文字定位

在对维吾尔文字结构特点分析的基础上,研究维吾尔文字在小波变换中的特征,依据这些特征提出基于小波变换的视频图像中维吾尔文字定位的方法。用具有良好的时频局部和变尺度特性的小波分析方法,提取出纹理清晰、具有不同空间分辨率、不同方向的边缘子图像,用数学形态学的方法对提取出的细节图像进行进一步的形态运算,消除噪声,得到最终的文本目标区域。实验表明该方法简单有效,适合于背景较复杂的维吾尔文字定位。     

A new methodology for gray-scale character segmentation andrecognition

Generally speaking, through the binarization of gray-scale images, useful information for the segmentation of touched or overlapped characters may be lost in many cases. If we analyze gray-scale images, however, specific topographic features and the variation of intensities can be observed in the character boundaries. In this paper, we propose a new methodology for character segmentation and recognition which makes the best use of the characteristics of gray-scale images. In the proposed methodology, the character segmentation regions are determined by using projection profiles and topographic features extracted from the gray-scale images. Then a nonlinear character segmentation path in each character segmentation region is found by using multi-stage graph search algorithm. Finally, in order to confirm the nonlinear character segmentation paths and recognition results, a recognition-based segmentation method is adopted. Through the experiments with various kinds of printed documents, it is convinced that the proposed methodology is very effective for the segmentation and recognition of touched and overlapped characters     

基于字符图像分割的打印文件识别方法

针对目前的打印文件识别方法受限于样本中必须有相同字符的问题,提出一种基于字符图像分割的打印文件识别方法。通过k-means算法对字符图像进行分割,分别对不同区域提取局部二值模式纹理特征,从而消除字符结构对识别结果的影响。研究了单一区域的特征集和组合特征集的分类识别效果,实验结果表明,该方法在样本中无相同字符的情况下,能够得到较高的识别准确率。     

Character pattern extraction from documents with complex backgrounds

Recent remarkable progress in computer systems and printing devices has made it easier to produce printed documents with various designs. Text characters are often printed on colored backgrounds, and sometimes on complex backgrounds such as photographs, computer graphics, etc. Some methods have been developed for character pattern extraction from document images and scene images with complex backgrounds. However, the previous methods are suitable only for extracting rather large characters, and the processes often fail to extract small characters with thin strokes. This paper proposes a new method by which character patterns can be extracted from document images with complex backgrounds. The method is based on local multilevel thresholding and pixel labeling, and region growing. This framework is very useful for extracting character patterns from badly illuminated document images. The performance of extracting small character patterns has been improved by suppressing the influence of mixed-color pixels around character edges. Experimental results show that the method is capable of extracting very small character patterns from main text blocks in various documents, separating characters and complex backgrounds, as long as the thickness of the character strokes is more than about 1.5 pixels. Received July 23, 2001 / Accepted November 5, 2001     

亮度不均匀低质量图像中压印字符分割方法

字符分割效果,直接影响识别精度。在处理亮度不均匀低质量图像中的压印字符时,由于亮度分布不均匀、目标字符与背景区域对比度较低,传统基于二值化图像的字符分割方法在处理上述情况下的压印字符时,难以确定最优二值化阈值,分割准确率较低。提出基于分割效果评价函数的迭代闭环反馈分割方法,通过建立评价函数对分割效果进行评估,以提高分割效率及准确率。借助加权平滑滤波,去除灰度波形图中的畸变波形;并利用广义学习矢量量化算法,确定最优滤波权重因子;通过分析波形变化趋势,确定字符分割位置。实验结果表明,该算法在批量处理亮度不均匀低质量图像中的压印字符时,分割准确率可达98.5%。