基于BP神经网络的字符图像识别方法

字符图像识别是数字图像处理技术中的重要应用,本文研究了一种基于BP神经网络的字符图像识别方法。首先对图像进行预处理,包括临域法去杂及灰度、二值化处理;然后采用垂直投影法进行图像分割,对字符进行网格及交点特征的提取;最后利用经过训练的BP神经网络进行字符识别。     

基于字符连通域特征的车牌汉字字符识别技术

本文通过对待识别字符和标准车牌汉字字符库中的各个标准字符的重合部分的连通域数目及相似度进行分析,定义了待识别字符相对于标准汉字字符的连通域特征和相似度特征,由此提出了一种"基于字符连通域特征"的车牌汉字字符识别方法.该方法通过分析待识别汉字字符相对于标准字符模板的连通域特征对待识别字符进行初步识别,然后再通过分析字符的...     

基于OpenCV的人工神经网络字符识别研究

为克服传统模板匹配方式识别字符存在的缺陷,采用BP神经网络技术,有效识别字符特征,快速识别字符.运用C++编程以及OpenCV计算机视觉库,降低系统实现的复杂程度,实现了字符的快速准确识别.     

玻璃温度计标尺字符的智能识别方法研究

玻璃温度计的自动识别需通过高清摄像头获得温度计读数图像,再运用智能识别技术对图像进行分析计算,从而得到温度计的示值读数。随着科技的发展,摄像头的分辨率已能提供足够高清的图像,而提高温度计读数识别准确率的主要手段是采用更为有效的图像智能识别方法。由于玻璃温度计在常年使用之后,刻度线及标尺字符都会出现一定程度的缺损,为此在得到高清图像后,需对图像进行分割处理,将刻度线和水银液柱部分的图像取出并修复,再对缺失的标尺字符进行智能识别,只有准确获得字符信息,才能根据水银液柱与有字符标注刻度间的相对位置关系,计算出温度计的示值。为了提高检测结果的准确率,着重分析了对字符识别的处理方式,并采用改进的形状上下文计算方法,将字符轮廓进行修整,最后与字符模板进行匹配,得到准确的结果。     

联机手写连笔字符识别特征提取算法优化

消费类电子终端产品的普及,对联机手写字符输入提出了更高的要求,联机手写字符识别技术的研究有着广泛的市场前景和深刻的理论意义。其中联机手写连笔字符是最常见字符之一,本文首先以联机手写数字字符为例在手写板上画出连笔数字,得到数字信息的原始特征,然后对原始特征进行再次提取,针对连笔字符结构特征提取不稳定性以及笔段区位高重合性的缺陷而影响识别结果,本文在聚类算法基础上提出基于贝叶斯分类器的逼近笔段提取优化算法,将字符样本优化前区划的36个区间,优化后增加17种笔段关系分布特征,得到53个匹配特征。通过20名在校大学生现场实验,结果证明这种优化算法具有较低的计算复杂度和很好的逼近效果,有效提高识别率。     

一种改进的模板匹配法在车号字符识别上的应用

本文提出一种改进的模板匹配法用来识别机车车号字符，先提取字符骨架特征进行匹配，再利用连通域特征、穿线特征和网格特征将其进行分类。实验结果表明这种方法简单、有效、实用，便于在实际中的应用，为铁路火车车号采集提高了效率，降低了成本。     

基于机器视觉的线束连接器字符检测

针对线束连接器上印刷字符检测智能化程度不高的情况,提出了一种基于机器视觉的检测方法.首先,利用一阶导数获得印刷字符边缘点,并将边缘点拟合为线,由此定位字符的位置,并对字符的角度和位置进行比较;然后,对合格的字符分割、归一化,并以整个字符图像作为输入特征;最后,基于字符的特征,建立了用于印刷字符识别的BP神经网络,并对其进行了改进.实验证明:基于机器视觉的连接器印刷字符单个字符识别准确率为99.1%,检测时间为95ms,具有较高的识别准确率和速度.     

基于多对象匹配与融合字符特征的印刷质量检验方法

目的 为了增强字符配准对字符位姿变化的鲁棒性和识别能力,以及印刷质量检验精度和缺陷类型分析对不同字符产品的自适应性,提出一种基于多对象匹配与融合字符特征的印刷质量检验方法。方法 采用多张合格字符样品图像进行模板构建;借助多对象匹配来配准多个待检验的字符,消除字符位姿的变化对字符配准的影响;进行逐像素的比对,检验字符区域的质量;利用灰度阈值分割以及Sobel边缘检测,将字符区域分成3个待检验的局部特征区域：边缘、前景、后景;进而获取边缘完整性,前景面积和灰度,背景面积和灰度这些显著的字符特征,由多张字符样品训练每个特征的自适应的合格范围;将其组合,形成融合字符特征,分析缺陷的类型。结果 测试数据表明,针对不同种类、不同精度要求的字符产品,所提方法对于字符质量的判断准确率达到100%,对缺陷类型的分类准确率保持在84.2%以上。结论 所提字符质量检验方法拥有良好的鲁棒性与自适应性,在包装、印刷等行业具备较高的应用价值。     

卷积神经网络在喷码字符识别中的应用

为实现易拉罐灌装过程中喷码字符实时检测,提出了一种基于卷积神经网络的实时检测方法。该方法首先对采集的图像进行直方图均衡化和OSTU处理,然后对图像进行形态学膨胀操作,通过连通域面积法提取出喷码字符区域并进行旋转矫正,再采用投影法将字符区域分割为单个字符,在离线状态下采用卷积神经网络对字符进行训练,从而在在线检测时进行识别。实验表明,该方法检测一帧图像平均时间为46 ms,准确率达98.97%,实时性和准确性较高,可以满足工业易拉罐喷码字符在线实时检测要求。     

基于单义域邻接图的工程图纸扫描图像的字符提取

工程图纸扫描图像的图文分割是一个重要问题。本文在构建单义域邻接图基础上来提取字符及其特征。图文分离先从单义域中筛选字符笔画域,进行初步分离。然后,以字符笔画域为起点,遍历邻接图来搜索邻接字符笔画域提取字符域,分析特性作进上步筛选。以字符域邻近与共线为判据来组合字符串域,字符域,分析特性作进上步筛选。以字符域邻近与共线为判据来组合字符串域,字符域邻近是用其外接膨胀矩形相交来判定。利用共串字符域外接矩     

基于卷积神经网络的模糊车牌自动识别

目前,清晰的车牌识别算法已经成熟,但是对于人眼不能识别的模糊车牌,传统车牌识别算法的识别率较低或者根本无法识别。鉴于此,提出了一种基于卷积神经网络的车牌字符识别算法。制作了含9 720幅模糊字符样本集,用8 748幅样本对卷积神经网络进行训练,测试样本时,先对模糊车牌字符进行盲分割等预处理,再调用训练好的卷积神经网络对盲分割后的字符进行识别。实验结果表明:该算法对训练集的准确识别率约为99.17%,对测试集的准确识别率约为93.32%,这说明该算法对模糊车牌的识别具有鲁棒性,能应用于各种场景。     

汽车牌照快速定位算法

汽车牌照的快速准确定位是汽车牌照实时自动识别技术中非常关键的一步。本文利用汽车牌照尺寸、字间距、字数和字体统一的纹理特征,提出了基于边缘检测和投影法相结合的牌照定位算法和基于二值化和投影法相结合的牌照定位算法。大量实验结果表明,两种算法都具有快速、简洁实用和跟图象背景的复杂程度相关小的特点。     

采用角点信息和惯性主轴的车牌倾斜检测与校正方法

车牌倾斜检测与校正是车牌识别的关键技术之一.提出了一种基于字符角点信息和惯性主轴的车牌倾斜角检测方法.在用Harris角点检测算法提取出车牌区域字符角点信息的基础上,通过计算所得角点的惯性主轴来检测出车牌的倾斜角度,从而实现车牌的倾斜校正.给出了实验结果,并与Hough变换法、旋转投影法进行了比较.结果表明,该检测校正方法运算量小,速度快,校正精度高.     

复杂背景下基于HSV空间和模板匹配的车牌识别方法研究

车牌识别技术作为交通管理自动化的重要手段,在交通监视和控制中占有很重要的地位.车牌识别过程可分为车牌定位、车牌校正、字符分割和字符识别四个部分.在车牌定位中,若单纯采用纹理特征或颜色特征来进行定位,往往适用于背景较为简单的场景,对复杂背景的定位效果尚有待改进.在字符分割中,目前单行车牌的分割已比较成熟,但双行车牌的分割仍不理想.提出一种在HSV空间下两次颜色标定和纹理特征相结合的定位方法和一种单双行车牌的字符分割方法.该定位方法利用车牌固定颜色搭配特性,对图片两次标记并利用投影法定位车牌,对200张不同背景图片测试,定位准确率达到98％.在字符分割部分,利用改进的模板匹配方法对字符分割,可适用于单、双行车牌分割,准确率达到95％.     

基于纹理及小波分析的车牌定位方法

提出了一种基于纹理和小波分析的车牌定位方法。针对图像背景复杂,且车牌所占比例较小的特点,提出了一种确定基元分类阈值的二值化方法;根据车牌字符分布规律,提出了二值纹理基元分析方法,提取车牌候选区域;基于小波分析提取车牌区域竖笔画特征,采用隶属度定量表征车牌竖笔画特征、位置特征及形状特征,给出综合这些特征、从候选区域提取车牌区域的方法。测试结果表明,该方法正确定位率超过96%     

基于数学形态学和颜色特征的车牌定位方法

为了解决单一车牌定位算法在复杂背景中定位效果不理想的现状,提出一种数学形态学和颜色特征相结合的算法对车牌进行定位.首先利用最大类间方差法（Ostu算法）找到一个最佳的阈值,根据所得阈值把得到的灰度图像二值化,然后采用一种改进的数学形态学算法对图像进行边缘检测,最终结合数学形态学和车牌颜色特征进行准确定位.实验表明该算法明显优于传统或单一的车牌定位方法,定位准确率高,对背景限制少,应用范围广.     

一种基于MSER和SWT的新型车牌检测识别方法研究

为了降低拍摄距离、光照等对车牌识别的影响,提高复杂背景下车牌识别准确率,提出了一种基于最大极值稳定区域(maximally stable extremal regions, MSER)和笔画宽度变换(stroke width transform, SWT)的新型车牌检测识别方法。该方法首先进行MSER提取和Canny边缘检测,并根据车牌字符特征对二者相与运算后的MSER筛选;然后在筛选后的区域内做基于形态学处理的SWT和SW筛选,聚合筛选后区域,结合车牌几何特征完成车牌精定位;最后校正分割定位成功区域内连通域,提取骨架并归一化,与细化和归一化后的模板匹配。利用HU不变矩和网格特征识别首字符汉字,采用扫描跳跃点统计编码识别数字和字母。实验结果表明:该方法定位准确率高达94.86%,识别准确率达96.14%。该方法对远距离、变光照获取的复杂背景下,车牌检测识别具有较高的准确率和鲁棒性。     

基于视觉显著图的车牌定位算法

本文基于视觉显著图提出了一种新的车牌定位算法.首先利用自底向上的视觉注意模型对输入的彩色图片分别提取出强度、车牌颜色、车牌边框方向三类特征图;然后将特征图整合成视觉显著图,并对视觉显著图进行二值化,得到车牌的候选区域;最后结合输入图片水平方向上的边缘信息,以及车牌的长宽比例、跳变次数等特征,准确提取车牌区域.实验证明,此算法能大量地减少背景环境对定位所带来的伪车牌个数,有很强的环境适应性和抗噪能力,具有较高的定位率.     

光电混合相关器在汽车牌照识别中的应用

集成化光电源合相关器是一个很有前途的明识别,介绍了其系统结构及同步控制,并把牌照识别作为它的直接应用,详细叙述了基于综合判别函数的神经网络算法对纯相位二值化匹配滤波器的优化设计,给出了实验结果。     

基于机器视觉的车距检测系统设计

为了探测前车车距,采用机器视觉方式,以 CCD构造单目成像系统采集前车图像,以检测车牌在图像中像素的数量方式实现车距的测量。系统以单目摄像头的成像模型,通过物像位置关系及大小关系,建立车牌图像与车距信息之间的模型;以CCD成像原理,建立车牌图像与传感器像元像素之间的模型。由此构建测距检测算法模型。采用MATLAB软件平台设计人机交互界面,对采集图像进行预处理提高图像的对比度;通过匹配连通域等算法,对车牌进行定位、分割,检测车牌水平方向像素数量;在此基础上,采取小孔成像原理计算车距的大小,并显示在软件平台上。实验证明了本系统能对前车图像进行分析从而计算出车距,该系统对3 m之外的车距检测平均误差为4%。