化学分子结构图分割算法

为了将化学分子结构图中化学键与杂原子、基团分割开,提出了基于区域尺寸和弯曲度的化学分子结构图分割算法。首先,根据连通区域尺寸大小,将化学分子结构图分割成两部分:一部分是由化学键组成的所有大尺寸连通区域的组合,另一部分是杂原子、基团和单化学键等小尺寸区域的组合。然后,根据弯曲度将小尺寸组合图中的表示化学键的单线段和类线段“I”、“l”、“-”提取出。最后根据位置等信息将“I”、“l”、“-”和单线段进行区分,将单线段的化学键和大尺寸连通区组合,实现了化学键与杂原子、基团的分离。实验结果表明,该图像分割算法准确率高达983％,与人类视觉感知具有一致性。这为后续的化学分子结构图像信息的自动提取奠定了基础。     

一种新的激光刻蚀字符的识别方法

通过对铭牌字符结构特征和字符之间相对关系的分析,提出基于神经网络和隐马尔可夫模型的激光刻蚀字符的识别方法。提取字符图像中的端点、三叉点和四叉点,对传统三叉点的提取方法进行改进,并利用神经网络的方法计算出对应每个字符的概率值,再根据隐马尔可夫模型计算出状态转移的最大似然,从而识别整个字符串。实验表明上述方法适用于激光刻蚀铭牌字符的识别。     

基于扇形特征和BP神经网络算法的字符识别

目的 根据字符的扇形特征提取方法,BP神经网络算法,寻求一种识别率较高的字符识别方法.方法 将待识别的文件进行图像预处理,然后对处理后的单字符使用扇形算法提取出32个特征量,组成特征向量,采用BP神经网络对特征向量进行训练和识别,最后应用选择性阈值最小距离方法对输出结果进行判断,减少误识别率.结果 通过使用扇形特征提取方法、BP神经网络和选择性阈值最小距离方法,达到了较好的字符识别效果,实验结果表明该方法识别精度较高,训练时间较短.结论 保持一定数量以上的训练样本和训练次数,可进一步提高字符识别的正确率.采用扇形特征和BP神经网络算法可应用于字符识别.     

基于数学形态学与图论的数显字符识别

根据数显数字字符的特点,设计了一种基于数学形态学与图论的字符识别算法。针对数显数字字符,将数学形态学的膨胀和细化处理后的字符图像看作是1幅连通图,根据图论中闭合曲线特征,选择闭合曲线作为其整体特征对10个数字字符进行初次分类,将笔画端点所处字符图像中4个子区域的位置作为主要的细节特征,对字符进行识别。测试结果表明该算法是可行、有效的。     

基于小波变换的字符识别快速算法

提出了一种基于小波变换的识别图像中英文字母、数字以及汉字字符的快速算法.算法通过将字符二值化点阵图像进行垂直与水平方向投影,实现了从二维图像数据到一维数据的转化.对于W×H大小字符图像,相对于传统算法,本算法将运算量从W×H数量级降至W+H数量级,大大降低了后续处理运算的时间复杂度,同时保留了足够的关于字符垂直及水平点阵分布的特征信息.将投影得到数据进行2层小波分解,从其中各层平滑分量提取一个特征信息,将其与模板字符对应的特征信息进行分析比较,实现了字符的快速高效识别.实验结果表明,运用此快速算法可使字符总的识别率达到92%以上.     

基于字符特征叠加提取与BP神经网络的字符识别

由于字符的种类繁多,并且同一字符又有多种字体,而传统的字符识别方法不能充分利用字符本身的特征,因此造成识别的字符种类单一、识别效果不理想等问题。提出一种通过字符特征叠加提取结合 BP 神经网络识别字符的方法,从单一字符图像中提取到更多的字符特征,利用BP神经网络自我学习的特点,设计了字符识别系统,再用 VC编程完成识别过程的仿真。结果证明,用本文提出的方法进行字符识别,识别的字符种类多、识别率高、识别时间短。     

基于粗网格神经网络的车牌字符识别方法

目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值.     

基于LabVIEW IMAQ的移动车辆牌照识别

车牌识别是指通过图像处理、模式识别和统计分析等方法从实时车辆图像中提取车牌字符信息,从而确定车辆身份的技术。通过对车牌识别中的图像采集与处理、车牌定位、字符分割和字符识别这4个核心技术的研究,在LabVIEW平台上,利用IMAQ强大的图像处理功能,对USB摄像机获得的实现车牌图像进行格式转换,灰度变换以及二值变换等预处理,将边缘提取与图像投影两种方法相结合精确定位车牌,最后根据特征匹配的方法识别出车牌字符信息。结果表明,基于IMAQ程序可以很好的对车牌图像进行处理,并在平均时间为3s左右情况下完成对车牌字符的识别。     

基于Semi-Supervised LLE的人脸表情识别方法

目的 为提取有效的鉴别特征和降低鉴别向量的维数来识别人脸表情图像.方法 将流行学习(Manifold leaming,ML)和半监督学习(Semi-Supervised leaming,SSL)结合起来,利用人脸表情图像数据本身的非线性流形结构信息和部分标签信息来调整点与点之间的距离形成距离矩阵,而后基于被调整的距离矩阵进行线性近邻重建来实现维数约简,提取低维鉴别特征用于人脸表情识别.结果 该方法 能充分利用数据的结构信息和有限的标签信息,使具有标签信息的同类样本之间的距离最小化,不同类数据之间的距离最大化,进而可以有效地提取数据的低维鉴别子流形,使得分类性能要优于非监督的雏数约简方法 .结论 笔者提出的半监督局部线性嵌入算法能有效地提高人脸表情识别的性能.     

低对比度嵌入型钢坯字符识别方法

针对嵌入型钢坯字符具有低对比度、边缘特征不稳定等特点,提出基于轮廓测度LoG算子.首先使用多角度的卷积模版对图像进行卷积运算,有效地增强了字符各方向上的边缘轮廓信息,通过对零交叉点的检测获得候选区域闭合的边缘轮廓,其次使用区域填充算法对闭合轮廓区域进行填充获得候选联通域,最后根据字符与噪声在形态学特征上的差异去除噪声,进而完成字符串信息的完整提取.实验结果表明,基于边缘检测的嵌入型钢坯号识别方法识别效率高,具有较高鲁棒性,检测结果中的字符信息保留完整,能够很好用于字符识别过程,为嵌入型钢坯字符在实际生产线的应用提供了的关键技术支持.