一种图像汉字智能识别机的研究

文章将智能控制与模式识别方法相结合，提出了一种仿人识字行为的图像汉字智能识别机。采用决策控制级、模式识别级和反馈校正并行式结构。决策控制级选择最佳的识别策略和参数．模式识别级进行多分类器结果融合识别，并根据对模式识别级输出的可信度判断结果进行反馈，校正识别方法和参数，最终提高汉字的识别效率。     

模式识别统一熵理论

本文提出的模式识别统一熵理论包括;对模式识别中存在着两种信息源的分析、利用信息熵概念定义模式识别信息熵系统、论述学习和识别过程中信息熵的变化和传递以及提出模式识别信息熵三定理.统一熵理论揭示了模式识别信息过程中特征选择和模式识别性能极限间的内在连系,对模式识别理论研究和系统设计都具有一定指导意义,这一理论在汉字识别的研究和实践中得到了验证.     

脱机手写体汉字识别综述

脱机手写体汉字识别是模式识别领域最具挑战性的课题之一。本文分析了近年来脱机手写体汉字识别的最新进展,讨论了脱机手写体汉字分割、特征提取和分类器设计等关键技术的各种主流方法,介绍了3种典型的汉字识别数据库,并提出了脱机手写体汉字识别的难点问题和今后发展的趋势,为该领域的研究者指明研究方向,共同促进脱机手写体汉字识别技术的发展。     

基于模糊模式和BP算法的手写数字识别

通过对多种手写数字识别算法的研究和分析，提出了一种基于模糊模式识别和BP神经网络寸亏写数字进行识别的新算法。首先应用BP神经网络对手写数字样本进行学习，然后再结合模糊模式识别的思想进行手写数字识别。实验证明：该算法与传统的手写数字识别算法相比，识别率明显提高。经过推广，该算法可应用于汉字识别、人脸识别等领域。     

一种基于运动图像的在线手写汉字识别方法

在分析传统联机与脱机手写汉字识别系统基础上,本文提出了一种基于运动图像的在线手写汉字识别新方法.该方法利用普通摄像头,实时地采集手写汉字墨迹的运动图像,通过图像处理技术提取手写汉字,并进行在线识别.文中给出了笔尖匹配的快速算法和基于数学形态学的汉字提取方法.最后,通过实验验证了本文方法的有效性.     

发展中的文字识别理论与技术

文字识别的理论与技术在强大社会需求的推动下发展，以功能实现为目标的理论已初步形成，技术成果已开始走向实用，尽管理论和技术仍不太成熟，但无论是脑机能研究的进展还是计算机性能的提高都会不断促进文字识别理论与技术的发展并最终达到理想目标。     

电商平台图片中文字的识别

本文提出了一个针对电商平台低质量图片进行文字分割的算法.汉字的主流识别方法主要为特征识别,结合置信度的词语句子识别和字库匹配识别.本文采用卷积神经网络进行识别单字,使用tesseract识别句子,结合两者修正字符,同时利用识别出的字符,对文字分割进行辅助分割,从而达到了极高的文字定位率.     

文字识别中的图象自适应预处理

为了提高文字识别的正确率，本文比较详细地探讨了手写文字图象在归一化、细化过程中存在的复杂的随机变形，提出了一些有特色的自适应性较强的预处理方法来解决诸如手写文字图象的总尺寸与其构成的笔划宽度一般不成正比等难题，我们还研究出比较符合人眼视觉效果的快速自适应细化算法（375字／秒），这些处理的结果能很稳定地保持原始文字的结构信息，为识别手写的汉字、字母、数字带来了方便。     

基于ARM平台的车牌识别系统的设计与实现

针对车辆出入库管理中存在的问题,提出了基于ARM嵌入式平台的车牌识别系统的设计和实现方案,论述了从车辆图像抓取、图像预处理、车牌区域识别、文字分割、文字识别等过程中所涉及的理论和技术问题,提出了基于POSIX规范多进程技术进行系统整合的方案。     

基于汉字拆分嵌入和二部图的残损碑文识别

古籍碑刻承载着丰富的历史文化信息,但是由于自然风化浸蚀和人为破坏使得碑石上的文字信息残缺不全。古碑文语义信息多样化且样例不足,使得学习行文语义补全识别残损文字变得十分困难。该文试图从字形空间语义建模解决补全残损汉字进行识别理解这一挑战性任务。该文在层级拆分嵌入(HDE)编码方法的基础上使用动态图修补嵌入(DynamicGrape),对待识别汉字的图像进行特征映射并判别是否残损。如未残损直接转化为层级拆分编码,输入二部图推理字节点到部件节点的边权重,比对字库编码识别理解;如残损需要在字库里检索可能字和部件,对汉字编码的特征维度进行选择,输入二部图推理预测可能的汉字结果。在自建的数据集以及中文自然文本(CTW)数据集中进行验证,结果表明二部图网络可以有效迁移和推理出残损文字字形信息,该文方法可以有效对残损汉字进行识别理解,为残损结构信息处理开拓出了新的思路和途径。     

基于神经网络的图像识别

神经网络图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发展起来的一种新型图像识别技术。在进行图像识别之前需要利用数字图像处理技术进行图像预处理以及特征提取。本文选取字符图像0~9作为识别目标,对图像预处理过程进行了叙述,并在此基础上选取字符图像矩阵每行的与每列的黑色像素点之和以及图像欧拉数这两个特征作为BP神经网络的输入样本。经实验仿真表明图像的平均识别率为89%,这表明图像预处理的结果和提取的特征是合适的、有效的,设计的BP网络也较好的完成了模式分类识别工作。     

基于Gabor变换的高鲁棒汉字识别新方法

本文提出了针对字符图像的基于Gabor变换的汉字识别新方法.在对Gabor变换深入分析的基础上,本文针对汉字图像的统计信息,提出了一种有效的Gabor滤波器组参数优化方法;同时,对Gabor滤波器组的输出进行非线性变换,使其适应不同亮度和低质量灰度字符图像的识别.本文还改进了分块特征的抽取算法,提高了对字符细节的分辨能力.实验表明,这种特征抽取方法大大加强了识别系统抵御图像噪声、干扰、亮度变化、笔画模糊、笔画断裂以及字符形变的能力,在应用于各种低质量的二值或者灰度的印刷和脱机手写字符图像识别时,能获得较其他算法更良好的识别性能.     

变形网格及其在图像识别中的应用

网格特征是图像识别中一类重要特征,而变形模板对于复杂的图像识别问题如字符识别、数字识别、图标识别等表现出很好的性能,但变形模板很费时。该文针对网格特征提出了变形网格,并分析了变形模板与变形网格之间的近似等价性。所提方法对网格进行变形而不是对图像变形,因而速度比变形模板快得多,而且性能相差不大。把这种方法分别应用于图标识别和脱机手写汉字识别。图标识别实验中变形模板使识别率提高了7.5%,而变形网格使识别率提高了7.3%、手写汉字识别实验中变形模板使识别率提高了6.1%,而变形网格使识别率提高了5.8%。考虑到变形网格比变形模板快得多,所以这种方法是有优势的。     

基于模糊模式识别红外成像系统TOD 参数测量

介绍了用于红外热成像系统性能评估的三角方向辨别阈值(TOD)法。通过对TOD参数测试理论的分析，探讨基于模糊模式识别的客观法红外热成像系统TOD测试的基本方法和硬件组成，给出实现客观法TOD测量的图像处理、特征提取和模糊综合评判方法。     

局部放电信号试验模拟及统计特征提取

模式识别中,特征是决定相似性与分类的关键.对于局部放电模式识别,如何找到合适的局部放电特征量成为认知与识别的核心问题.在参阅大量国内外现有的局部放电模式识别文献基础上,依据局部放电产生机理,设计了电极模型.通过对放电信号进行统计特征提取,为电力系统运行中的故障预测和诊断提供重要依据.     

基于多重卷积神经网络的大模式联机手写文字识别

联机手写识别在日常生产生活中有着广阔的应用,模式识别也一直把其作为研究的重点。传统的识别方法是利用普通卷积神经网络技术,该方法在对小规模字符集联机手写文字识别时有着较高识别率,总体性能高,但在对大规模字符集识别时,识别率则大大降低。提出一种基于多重卷积神经网络的识别方法,旨在克服以往方法对大规模字符集识别时识别效率不高的问题,提高大规模字符集联机手写文字的识别率。系统使用随机对角Levenberg-Marquardt方法来优化训练,通过使用UNIPEN训练集测试该方法识别准确率可达89%,是一个有良好前景的联机手写识别方法。     

电子电路图的自动输入和识别

在这篇文章中，我们将介绍一种新型电子电路图纸自动读入系统的构成与实现。这是一个已被我们研制成功的实验系统。下面将扼要介绍其中的模式分离与图象识别技术。对于前者，我们着重介绍基于Ｆｒｅｅｍａｎ链码边缘跟踪技术的字符分离方法；而后者则包括两方面的内容：实现字符识别的人工神经网络方法与实现符号识别的决策树方法，最后给出了经识别后的输出图形。     

应用SVM算法进行TM多光谱图像地物分类

SVM算法是近年来统计模式识别领域流行的算法。因为有统计学习理论（SLT）作为基础,SVM算法具有良好的计算有效性、健壮性和统计稳定性,被广泛地应用在图像识别、语音识别、文字识别等多种模式识别领域。TM多光谱遥感图像的地物分类一直是遥感图像处理领域比较困难的问题。现尝试应用SVM算法对北京市怀柔水库附近地区的地物进行分类,收到了较好的效果。     

基于小波和矩的图像字符特征提取方法研究

提取稳定而有代表性的特征是视频图像字符识别的核心问题之一。文章提出了一种基于小波和矩的图像字符特征向量提取方法。通过对字符图像的不同小波分解子图求取不同的矩特征，构造出字符的特征向量。该方法将小波对图像结构精细特征的把握能力强的优点与矩所具有的平移，缩放和旋转不变及抗噪性强的特性有机地结合起来，特征向量稳定、识别准确率高、算法快、抗噪性能强，且特征提取方法具有类人视觉特点。     

License Plate Recognition System Using Artificial Neural Networks

A high performance license plate recognition system (LPRS) is proposed in this work. The proposed LPRS is composed of the following three main stages: (i) plate region determination, (ii) character segmentation, and (iii) character recognition. During the plate region determination stage, the image is enhanced by image processing algorithms to increase system performance. The rectangular license plate region is obtained using edge‐based image processing methods on the binarized image. With the help of skew correction, the plate region is prepared for the character segmentation stage. Characters are separated from each other using vertical projections on the plate region. Segmented characters are prepared for the character recognition stage by a thinning process. At the character recognition stage, a three‐layer feedforward artificial neural network using a backpropagation learning algorithm is constructed and the characters are determined.