基于结构特征的快递单手机号码识别算法研究

对基于结构特征的数字识别方法进行了改进,首先根据投影法准确定位出数字区域,接着对图像进行预处理、二值化、区域定位及字符分割等操作,最后根据数字结构特征对字符进行分类和识别.该方法不需要对图像进行倾斜校正、亮度调整、去噪等操作,节省了大量时间.实验结果表明,该算法准确率达到98%,耗时仅为5.52ms,满足实时性要求.     

文本区域字符颜色极性判断方法

文本区域的字符存在着不同的颜色极性.为了能够正确地把文本区域的灰度图像转换成OCR识别软件可以识别的二值图像,提出了一种判断文本区域字符颜色极性的方法.首先计算文本区域的灰度-梯度共生矩阵,并根据目标函数快速地找到分割的灰度和梯度最佳阈值;然后在此基础上提取特征向量,送入神经网络进行分类;最后根据颜色极性判断的结果,分割出字符.实验结果表明,提出的方法在复杂度不同的背景下,正确地识别出了不同类别的字符颜色极性.     

基于轮廓结构和统计特征的字符识别研究

车牌识别系统是智能交通不可缺少的一部分,在车牌识别系统中,字符的特征提取和字符识别是这一系统的关键技术.文章利用字符的轮廓结构特征和统计特征对字符进行识别,根据字符外部轮廓的上、下、左、右4个方向的特点和一些统计特征,如字符最大宽度,垂直方向笔画数等作为识别特征,形成判别树,再利用判别树对汽车牌照中的数字和字母进行识别.此方法识别的准确率比较高,并提高了识别速度,还适用于其他不同字体的数字和字母识别.     

基于车牌识别技术的双车道一体化智能道闸系统设计

对基于车牌识别技术的双车道一体化智能道闸管理系统的软硬件进行了设计.系统采用地感线圈检测车辆并对监控相机进行触发,使获取到的车辆图像清晰、牌照位置突出;然后通过对车辆图像的预处理、牌照定位和提取、校正、车牌字符分割、归一化处理,实现汉字、字母和数字字符的识别;最后将识别结果和数据库中的预存信息进行比对并根据比对结果输出反馈控制信号,实现道闸的全自动智能控制.系统采用单主机双车道同步监控,同时具备车型预识别功能,并根据车型识别的结果进行车辆图像的分类存储和查询,进一步提高了系统的实用性,具有很重要的现实意义.     

城市环境中箭头型交通信号灯的实时识别算法

提出一种检测和识别城市环境中箭头型交通信号灯的新方法.首先,用图像颜色分割和形态滤波来定位交通信号灯的灯板位置;其次,将交通信号灯的灯板区域彩色图像转换到YCbCr空间,对Cb和Cr通道进行阈值分割,判断形态及交通信号灯与灯板的相对位置来确定红色、黄色和绿色交通信号灯候选区域.然后,用二维Gabor小波变换和二维独立分量分析来提取交通信号灯候选区域的特征;最后,用最近邻分类器识别交通信号灯的箭头方向.实验结果表明:该算法的总体识别率超过91％,每帧图像的处理时间为152 ms,能够为行驶的车辆提供实时、稳定和准确箭头型交通信号灯信息.     

融合多元特征信息的前方车辆图像识别

为了进一步降低虚假目标车辆的检测风险,提出了一种基于多元特征信息匹配的前方车辆图像识别方法。首先依据路面灰度均值突变搜索车辆候选区域,然后利用双通道Gabor滤波器提取车辆样本图像的多尺度方向特征,联合AdaBoost分类器与Cascade级联分类器形成一系列强分类器,对产生的5尺度8方向高维特征向量实施降维处理,同时分类筛选特征样本,最后结合灰度信息熵对称性测度辨识目标车辆存在性,完成了前方目标车辆的检测定位。研究结果表明:所提方法的检测准确率为96.7%,比经典算法提高了1.6%;整个检测过程最长耗时35 ms,最短耗时15ms,平均耗时25ms,检测耗时主要受车辆的大小以及背景复杂程度的影响;避免了单一特征下局部有效鉴别信息的损失,具有较好的识别精度和处理速度,车辆误检率仅为3.2%,优于其他车辆识别算法的误检率,提高了虚假目标检测的辨识度。     

基于独立分量分析的车牌字符识别

利用独立分量分析提取字符特征,以信息理论中负熵作为估计输出分量之间独立性的目标函数,并在此基础上对待识别字符进行重建,通过对重建模型的误差分析进行字符识别.对3000个车牌字符的识别实验,取得了较高的识别率,证明其算法的有效性和鲁棒性.     

关于高速公路收费系统车牌识别技术的研究

车牌识别是指通过计算机视觉、图像处理与模式识别等方法从车辆图像中提取车牌字符信息。从而确定车辆身份的技术。车牌识别分为车牌定位、字符分割、字符识别三大部分。车牌定位是一个难题：车牌区域在整幅图像中所占比例很小,车牌的颜色、大小、位置也不确定,并且定位算法要能够克服不同光照和复杂背景的影响,还要兼顾准确性和实时性,因此快速准确的定位车牌是比较困难的。本文通过车牌的纹理和颜色特征采用粗定位和细定位相结合的方法进行识别。     

自动判别基坑支撑位置的图像识别方法

提出了一种基于设计信息的基坑支撑位置图像识别方法.首先,在室内相机标定的基础上对采集到的基坑图像进行镜头畸变校正;然后,利用控制点法确定相机在真实世界坐标系中的位置和姿态(以下简称位姿);根据针孔摄像机模型成像原理将支撑区域投影到图像上;再对形成的支撑图像区域进行特征提取,使用颜色分量关系对图像特征进行分析,以达到判断支撑是否施工完毕的目的;对基坑的所有支撑进行循环判断,最终得到当前基坑施工的支撑位置.与传统数字照相识别方法相比,能有效避免复杂施工现场环境的干扰;最后,给出了一个基坑支撑位置识别的工程实例.结果表明,基于设计信息的识别基坑施工过程支撑位置的方法是有效可行的.     

基于OpenCV手机拍照快递单文字识别的研究

基于Open CV在Android手机上设计了快递单文字识别机制,识别内容主要分为电话和姓名识别.手机拍摄快递单后,在屏幕上画出两个矩形框,根据矩形框的周长面积特征,判定电话和姓名区域并提取这两部分图片;对这两个图片进行灰度化、二值化、形态学处理,再进行字符分割、归一化处理.为了提高数字分割速度提出一种基于轮廓检测的分割方法.根据数字和汉字的不同特征选取不同的识别方法进行字符识别.     

一种新的票据自动识别系统

设计了一种基于主曲线和粗糙集方法相结合的新颖的票据自动识别系统．首先提出一种高效的数字框定位技术、边框处理方法，并用于从票据中提取待识别数字串；然后建立有效的数字串分割算法来分割数字串；最后利用主曲线和知识约简算法进行数字特征提取和分类器设计．实验结果表明，该方法在实践中是可行的，为各种票据自动识别提供了一条新途径．     

基于关键数字和HMM的数字串说话人身份确认系统

为了建立一个数字串说话人身份确认系统 ,采用了基于数字HMM的与文本有关的身份确认方式 ;使用限定在数字范围内的任意数字串为语音文本 ,并内嵌能较好反映说话人特征的关键数字来提高确认性能 ;最终对多个关键数字的确认子系统进行综合判决 ,以提高HMM识别性能鲁棒性 .文中重点研究了基于关键数字HMM的身份确认 ,提出了以模型间的距离测度为准则来选择说话人的关键数字 ,并通过对比实验表明了用计算KLD上限的方法进行模型间距离测度的有效性 .     

基于SVM的车牌字符识别算法研究

SVM可在训练样本很少的情况下获得很好的分类推广能力。首先分析了用多类SVM算法对车牌中的字符进行识别时存在不可区分的区域问题和采用模糊SVM算法解决该问题的办法,然后讨论了字符特征的提取方法,并根据我国车牌字符的特点分别设计了汉字、字母、数字、字母/数字4个基于模糊多类SVM的字符分类器。最后在MATLAB环境下,采用径向基核函数对算法进行学习训练。实验测试结果表明,该方法可以很好的提高字符识别的速率和效率。     

非特定人普通话孤立数字音识别系统

通过分析汉语语音及非特定人语音特点，选择过零率、能量、基音周期和前两个共振峰作为语音特征，用音素分类的方法构造判决树，在此基础上，给出了一个非特定人普通话孤立数字音（０～９）识别系统，识别率大约为９６．６％。     

一种基于流形学习重建的脱机手写数字识别算法研究

本文针对在手写字符识别中由于书写习惯和风格的不同造成字符模式不稳定的问题,提出了一种基于流形学习重建的手写体数字识别方法。该方法与传统的流行学习识别方法不同,传统的方法是先对待识别模式进行降维,然后再对降维后的特征进行分类识别;本文提出基于重建的LLE算法（简称RLLE）。该算法首先分别对每一类字符训练样本进行LLE降维,得到每一类字符降维后的向量。然后将待识别字符分别在每一类字符中进行降维,并依据该降维后的矢量在每一类中对字符进行重建。最后选取重建误差最小的为待识别的所属的类。通过对MINST字库的一系列实验表明该算法具有较高的识别率,同时该方法为手写体数字识别的研究提供了一条有效的新途径。     

基于AP和BP神经网络算法的手写数字识别

针对现有的手写数字识别技术不适合大规模应用的问题,提出了一种基于AP和BP神经网络的快速手写数字识别算法。首先对预处理后的样本通过AP算法(affinity propagation)聚类消除冗余,重新构造样本空间;然后构造BP(误差反向传播)神经网络模型,学习测试集合样本。采用UCI机器学习数据库中的数据进行实验,结果表明,算法的识别正确率可达96.10%,高于BP神经网络算法的识别正确率94.88%,且执行时间约为后者的10%,具有较高的实用价值。     

手写数字识别实验系统的研究

以无限制手写数字的机器自动识别系统的研究对象，旨在达到对书写人员、笔墨、纸张、字体大小、取向、位置不作限制，对常见书写风格均能识别。     

印刷体数字识别系统的 FPGA 实现

为提高处理速度,构建了一种基于现场可编程门阵列(field programmable gate array,FPGA)的印刷体数字识别系统.该系统采用基于投影特征的字符分割和基于统计特征的字符识别原理,在Nexys-3硬件平台上完成了OV7670摄像头数据采集、图像预处理、字符分割与识别和结果显示的功能.在设计中,采取仅存储二值化图像的方法来降低系统对存储资源的需求,并使用乒乓操作进行存储从而达到实时处理的目的.为更合理地使用FPGA器件的内部资源,调用了片内数字时钟管理单元(digital clock manager,DCM)、乘法器、双端口RAM以及先入先出队列(first input first output,FIFO)等IP核(intellectual property core).最后在Modelsim中进行时序仿真,验证各个子模块的功能,并将各模块集成在开发板上进行硬件实现.通过对实验结果分析可知,该系统使用了较少的逻辑资源,在摄像头的帧速率为30 f/s的情况下,可以成功实时识别印刷体数字并将识别结果输出.     

基于数字结构的中长跑比赛自动计圈技术研究

为了识别号码布图像中的三个数字,基于数字结构特征建立了数字0～9的Fisher线性判别模型.基于图像处理从号码布图像中提取数字二值图像.用直线切割数字区域获取切割区域特征和切割线特征简单、稳定、不重复,可以代表数字的基本形状,对数字的区分度较好.Bayes判别分析结果表明:所建模型经内部验证对数字0～9的识别率达100%.基于数字的结构识别运动员号码是可行的,为研制中长跑自动计圈系统提供了方法.