基于多结构特征的纸币字符识别算法

针对现有人民币冠字号字符识别算法对严重污染磨损的人民币冠字号字符识别率低的难题,提出了一种将模板匹配法与多种字符结构特征(字符轮廓、区域密度)相结合的人民币冠字号字符识别算法.通过定位分割、分类识别、验证纠错3个步骤完成字符的识别,实验结果表明,该算法具有较高的识别率和较强的鲁棒性.     

一种改进的集装箱箱号自动识别系统

针对已有集装箱箱号字符定位、分割、识别算法上的不足,分别提出了基于逆向扫描的箱号区域提取法,基于区域重心的字符定位分割法和基于概率神经网络的字符识别法。用Matlab编程,实现了对集装箱箱号的自动识别,识别正确率可达95%。本文提出的方法具有识别正确率高、算法简单、可靠性好等优点,有望提高码头道口通勤率,降低运营成本。     

一种改进的集装箱箱号自动识别系统

针对已有集装箱箱号字符定位、分割、识别算法上的不足,分别提出了基于逆向扫描的箱号区域提取法,基于区域重心的字符定位分割法和基于概率神经网络的字符识别法。用Matlab编程,实现了对集装箱箱号的自动识别,识别正确率可达95%。本文提出的方法具有识别正确率高、算法简单、可靠性好等优点,有望提高码头道口通勤率,降低运营成本。     

基于模板匹配的车牌汉字识别方法及判别函数

利用预先设计好的标准车牌汉字模板与待识别字符进行逻辑‘与’运算,通过判别函数得出识别结果。文中提出两个判别函数,求取模板、待识别字符与匹配结果三者标准差最小值,求取匹配结果矩阵元素和最大值,并对它们的识别结果进行对比和分析,最后将两个函数联合使用。结果表明,在一些字符的识别上文中方法较以往的识别方法有所提高     

车牌识别系统设计与实现

通过对车牌定位、车牌字符分割和车牌字符识别进行研究,提出了一种车牌识别系统的设计和实验方法。车牌定位模块中,提出了采用基于小波变换的车牌边缘提取和数学形态学相结合的方法定位出车牌,进行二值化、滤波后使用垂直投影法分割出车牌字符,最后使用多模板匹配和二次细分识别相结合的方法识别出车牌字符。经实验验证,基于该算法的车牌识别系统能够达到较高的车牌识别率。     

基于权系数标识符矩阵的车牌字符识别方法

为了提高对车牌字符的准确识别能力,提出了一种基于权系数标识符矩阵的模板匹配车牌字符识别方法。具体方法是在进行字符识别前为每一个车牌字符制定一个标准化的模板,再将每一个模板字符的像素依据像素区域、像素边缘区域和非像素及非像素边缘区域等标记成不同的区域,并依此为基准生成一个模板矩阵。根据车牌字符闭合区域个数及字符二值图像中间行、中间列黑白跳变次数,可将字符分为10类。进行字符识别时,首先判定待识别字符属于哪一类,然后与所在类的每一个字符的标准模板进行匹配,统计待识别字符落在每一个标准模板矩阵的不同区域的像素数,并根据不同区域的不同权值计算相似度值,相似度值最大的即为识别结果。该方法采用两级分类法对车牌字符图像进行分类,再采用基于权系数标识符矩阵的模板匹配法对车牌字符进行识别。实验结果表明,该方法提高了识别结果的准确度,对于存在字符断裂以及形状相似而容易混淆的字符有较好的识别效果。     

基于深度学习的集装箱编号识别

针对集装箱编号图像存在光照不均、背景复杂、模糊、污损、断裂等问题,本文提出,先采用基于深度学习的目标检测算法(YOLOv4)来实现集装箱编号区域定位,接着对定位后的集装箱编号图像进行预处理,采用连通域分割法分割字符,然后把一个个的字符送入模板匹配算法中进行字符识别.通过理论分析以及实验证明了本文方法的有效性,识别准确率相比其他方法明显提高.     

基于模板匹配算法的字符识别研究

文中提出了一种基于模板匹配的字符识别算法。该算法在对输入的字符进行预处理的基础上对字符进行特征量提取,预先将字符分成若干个集合;然后再对各集合中的字符进行模板匹配,最终对字符做出判决。试验结果表明,模板匹配算法保证了字符识别的正确率,而对字符进行预分类,则缩小了模板匹配的字符对象范围,弥补了模板匹配算法对于大量字符耗时多的缺点。     

集装箱箱号字符的粗定位方法

提出了—种集装箱箱号字符粗定位方法。诙方法利用了字符的固有特性和精号字符的摊列特性，先对图像进行边缘提取，过滤明显的非字符边缘，再利用数学形态学中的闭运算和开运算使字符区域粘连，对连通区域进行处理．剔除非字符区域，从而得到箱号字符的大概位置。     

集成电路印字的定位和字符分割技术研究

提出一种基于数学形态学定位和模糊模板匹配及垂直投影相结合的字符分割算法。先通过形态学运算得到一系列候选区域,根据先验知识从中找出封装体所在区域,再利用模糊模疲匹配的方法找到字符区域,通过字符垂直投影进行单个字符分割。通过大量的实验表明,该算法能够有效解决集成电路印字定位和字符分割的问题,并具有较好的鲁棒性。