复杂背景图像的字符识别算法研究

为了解决字符识别过程中的局部曝光、印刷字符的断裂以及变形和自然环境下的背景污染等问题, 提出了一种分块处理与卷积神经网络(CNN)相结合的字符图像识别算法. 首先利用OpenCV机器视觉库, 结合分块处理、伽马运算、参数调整等方法对产品零件表面印刷字符进行预处理, 初步解决图像局部曝光和字符断裂问题; 其次为了获得单个字符图像, 利用数学形态学算法对局部曝光处理后的二值化图像进行分步分割, 进而去掉字符间的无用信息; 最后利用Keras模块为字符识别提供的API搭建CNN模型, 经过对100多张字符的识别训练, 准确率高达96.9%, 为某汽车零部件自动化生产中的字符识别提供了可靠的依据.     

基于主方向检测的畸变车牌字符图像校正方法

本文提出了一种对畸变字符图像快速变形校正的算法,它主要是通过对字符主方向的搜索来求取倾斜图像的有关参数。该算法计算形变区域的水平及垂直差分并设计出判别函数,进一步搜索出使判别函数达到最大的主字符方向并进行校正,最后给出了一种图像毛刺的剔除方法。实验表明,本文介绍的算法充分利用了畸变字符图像的特征,同时使用了较优化的快速搜索策略,取得了较好的实际结果。     

粘连字符切分综述

字符切分是字符识别系统的一个重要环节。粘连则是指字符图像问有笔画接触的情况，它普遍存在于手写和低质量的印刷文档中。然而普通切分算法很难处理粘连字符。本文综述了主要的粘连字符切分算法以及切分路径的评价方法，在详细介绍算法流程的基础上，对每种算法的优缺点以及粘连字符切分的未来工作进行了探讨。     

基于灰度图像的车牌字符提取算法研究

本文提出了一种基于灰度图像的车牌字符提取算法,该算法利用Canny算子提取车牌灰度图像中的字符。车牌字符提取后,采用迭代分割法求出最佳阈值对图像进行阈值化处理,结合形态学方法填充字符中的空隙。在VisualC＋＋6.0编程环境下进行了算法实现,实验结果表明,与传统的字符提取算法相比,该算法不仅具有较强的字符提取能力,明显降低噪声对检测结果的影响,而且字符边缘的连接较好,为后期车牌字符的识别提供了技术基础。     

票据字符识别的预处理算法研究

针对票据图像的特征, 本文提出了一种票据字符识别的预处理算法。采用基于方向投影的倾斜校正方法来调整图像的倾斜, 再经过最佳阈值分割得到二值化图像, 去除离散杂点后, 采用改进后的基于方向投影的方法进行字符分割。实验表明, 该算法能够满足快速准确的字符分割, 具有很强的抗干扰性和应用适用性。     

基于模板匹配的印刷维吾尔文字符识别研究

维吾尔文字的连笔书写及字型变化的一些特征给识别带来一定的困难并会影响到识别的正确率.在分析了维吾尔文单词的组词规律及其字型结构特征基础上,采用一种基于区域分割模板匹配的识别方法,通过建立标准维吾尔文字母图像模板库,并与通过预处理所获得的待识别维吾尔文字母图像进行匹配.对一些相似度高且难区分的维吾尔文字母则采用提取这些相似字符的附属笔画部分的图像并对其按笔画的连通性、交叉性以及形态等特征进行附属笔画判定的方法来确定这些相似字符,从而较准确地实现了对维吾尔文印刷字符的识别.实验识别率达到94%     

一种自适应烟标字符提取方法

针对印刷质量不高、背景复杂的烟标字符难以提取问题,提出了一种自适应的烟标字符提取算法.通过对单通道烟标图像进行背景重构后,根据支持向量机中得到的训练模型自适应选取最优二值化方法;提取标准轮廓定位字符区域;结合标准轮廓,同时根据最优二值化图像投影直方图进行烟标字符提取.经过实验验证,该方法能够自适应地选择最优二值化方法,字符提取精度可达到90％以上,同时原理简单、鲁棒性强并便于硬件实现.     

改进的细化算法在印刷文字检测中的技术研究

针对印刷文字缺陷检测难等问题，本文提出了一种改进的图像细化算法用于文字检测。首先根据投影法分割字符，进一步对分割的字符图像逐步细化得到文字的骨架，然后根据文字骨架的信息完成检测；     

一种新的快速字符定位算法研究

准确定位字符区域是字符识别的第一步,针对高速运动拍摄图像对比度差、噪声干扰严重、字符区域范围变化大、要求在线识别且时间短等特点,研究了一套特殊的数学形态学和图像滤波算法,算法利用字符局部信息对区域内的字符进行二值化处理,后进行连通运算和数学形态学闭运算,使相邻字符连成一个字符串区域,最后根据侯选区域的先验信息,快速定位出被识别字符的准确位置.研究表明,在高速运动中拍摄80*60mm大小的物体,图像大小为640*480,利用ROI区域,可以实现100%的目标区域精确定位,定位时间小于20ms,为后续字符的准确分割和识别奠定了良好的基础.     

车牌字符多特征提取与BP神经网络的识别算法

在车牌图像字符识别问题的研究中,针对大部分单个特征提取方法在车牌字符识别上的局限性,提出一种车牌字符多特征提取与BP神经网络识别的算法.对车牌字符图像进行预处理后,提取字母和数字字符直线特征,字符笔画点特征,环数特征以及环面积特征,作为字母与数字字符的四类特征.因汉字结构复杂与笔画多,采用13点来提取汉字特征,提取的特征输入到网络进行学习和识别.针对BP神经网络算法的不足,采用附加动量法和自适应学习速率对其改进.MATLAB仿真结果表明改进算法能够有效的提高车牌字符的识别率,识别率达到了98.5％.     

印刷表格文本分析识别系统的研究

本文介绍了一个印刷表格文本分析识别系统。提出了表格特征点分析方法。在表格图象处理的基础上, 对表格线进行分析, 在考虑表格线和字符块粘连的情况下提取字符块, 判别汉字串和数英串后分别识别, 生成表格。实验表明本方法的有效性。     

基于透射变换的印刷品图像归一化研究

印刷品图像归一化在其质量检验中是极其重要的。针对获取的印刷品图像存在一定程度的畸变,提出一种改进的透视变换的归一化方法。为了准确获取图像的直线边缘信息,改进传统Canny检测中阈值自适应能力差的问题,用迭代法获取阈值参数,并加入滤波器有效滤除过于贴近图像边缘的平行直线;针对传统透视变换特征点无法获取问题,首次提出将图像分为三类状态下分别获取图像的特征点信息,求解得出透视变换矩阵对图像进行归一化。实验结果表明,对采集的印刷品图像该算法相对不准率下降了41.2%,可有效解决图像存在的畸变问题。     

机器视觉在印刷缺陷在线检测中的应用与研究

为了提高印刷缺陷检测准确性与效率,满足缺陷检测的实时性,提出了机器视觉技术应用于印刷缺陷在线检测并研究检测过程中的相关问题.设计印刷缺陷在线检测的方案及以数字信号处理器DSP为核心的视觉在线检测系统的硬件结构组成.研究图像预处理、图像匹配与缺陷检测的算法并加以改进使其满足缺陷检测的实时性.开发印刷品缺陷视觉检测软件,对缺陷检测流程进行仿真,验证检测方案与图像处理算法的可行性.     

汉字笔段形成规律及其提取方法

该文从点阵图像行(列)连通像素段出发，研究汉字图像的笔段构成，发现汉字点阵图像仅由阶梯型笔段和平行长笔段两种类型的笔段构成，并归纳出阶梯型笔段和平行长笔段的形成规律．以笔段形成规律为基础提出了汉字笔段的提取方法，该方法将像素级汉字图像转变为以笔段为单位的图像，有利于汉字识别、汉字细化及汉字字体的自动生成．最后该文给出了印刷体和手写体汉字笔段提取的实验结果．     

抗倾斜的中文文本图像文件识别技术

针对实际应用场景中如何在大批量图像文件中快速找到中文印刷体文本图像文件进行OCR （Optical Character Recognition）识别的问题，本文在笔画宽度变换算法（SWT）的基础上，设计了针对中文文本固有特点的启发式规则，并将水平投影技术与离散傅里叶变换相结合，提出了一种适合倾斜角度在-90至90°之间的中文印刷体文本图像文件识别技术.实验结果显示，在1606张测试集图像文件的识别中，本文算法针对文本图像文件整体识别F值（F-Measure）为0.95，平均识别耗时为0.65 s.     

基于汉字连通分量的印刷图像版面分割方法

针对彩色印刷图像背景色彩丰富和汉字存在多个连通分量,连通域文字分割算法不能精确提取文字,提出基于汉字连通分量的彩色印刷图像版面分割方法。利用金字塔变换逆半调算法对图像进行预处理,通过颜色采样和均值偏移分割图像颜色,标记文字连通分量,根据汉字结构和连通分量特性重建汉字连通分量,分析文字连通分量连接关系确定文字排列方向实现文字分割。实验结果表明,该方法能够有效地重建汉字连通分量,在彩色印刷图像中实现对不同字体、字号、颜色的文字分割。     

一种适用于PCB检测的彩色图像分割算法

针对光学检测印刷电路板(PCB)需要进行图像分割的问题,提出一种结合K-均值聚类算法的分水岭算法,用于PCB彩色图像分割。即首先将PCB彩色图像聚类,分成不同的颜色区域,按照不同区域进行分水岭分割,最后,将分割线透明地加在原始图像上,完成分割。实验表明,该算法可以分割PCB彩色图像,并且分割效果好。     

印刷品缺陷检测的初步方案

印刷品缺陷检测技术有着重要的实际意义。介绍了基于数字图像处理的印刷品缺陷检测系统的设计,并对主要模块即图像采集及预处理、模板制作、图像对准、缺陷检测进行了分析研究。实验结果表明,充分考虑人眼视觉特性,将动态阈值法引入缺陷检测,能够显著提高印刷质量检测系统的检测精度。     

DNA微阵列图象信息的自动提取

微阵列图象分析是分子生物学中DNA微阵列杂交实验数据测定过程的一个重要部分。其目的是将微阵列图象中大量象素灰度信息简化为微阵列靶点的信号值。该文介绍了一种对DNA微阵列图象信息进行自动提取的方法,使用此方法完全不需要人为操作,可避免操作者主观性对实验的影响,提高数据提取的效率和可重复性。其关键步骤包括:图象滤波,图象灰度信息提取,微阵列间距确定,靶点定位和靶点信号值计算。实验结果表明使用此算法提取DNA微阵列图象信息具有重复性好、效率高和分析准确的特点。