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。     

复杂字符干扰场景下铁路集装箱箱号快速定位方法研究

针对铁路集装箱箱号快速定位由于存在复杂的字符干扰,采用图像识别方法存在定位速度慢、精度低的问题,文中提出一种基于改进YOLOv3的集装箱箱号定位算法,该算法将主干网络替换为EfficientNetv2轻型网络,并根据数据特点改进了损失函数,利用规整通道剪枝实现了模型剪枝,增加了SPPF模块。实验结果表明：基于改进的YOLOv3算法模型大小仅有18.6 MB,相比YOLOv3模型而言减小了92%;定位准确率为97.4%,定位精度较YOLOv3提升了3.1%,同时能达到21.3 ms的定位速度。相较于YOLOv3和YOLOv3-Tiny模型,该模型更加适用于铁路集装箱箱号的快速智能识别。     

集装箱箱号字符识别关键技术的研究

文中主要以集装箱箱号识别为研究对象,在对现有的集装箱照片进行预处理以及定位的基础上,实现箱号的准确识别。主要论述影响字符识别各种关键因素,并且在传统模板匹配的基础上,提出全新的加权模板匹配法和字符结构相结合的识别方法。该方法并不是将36个字符用统一的模板进行匹配识别,而是根据字符结构进行分类,每类都会予以不同的权值分配模板。字符结构是一种二级识别,两种方法相结合很好地实现了对断裂、粘连以及倾斜字符的识别。最后通过理论分析和实验证明了该方法的有效性,并给出了需要进一步研究的问题。     

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.     

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。     

基于HALCON的车牌识别研究

为了实现车牌字符快速准确的识别,基于Halcon软件提出了一种二次阈值的车牌定位方法,根据车牌在HSV颜色模式中S通道的纹理特征进行一次阈值,获取车牌候选区域,其次校正车牌候选区域,最后进行第二次阈值,通过字符区域的最大(小)行(列)值确定出精确的车牌区域;在字符分割模块提出了一种汉字分割与其他字符连通域法相结合的方法。实验结果表明,这两种方法简单快捷、识别正确率高。     

基于Android平台的视频字符实时识别研究

针对移动终端处理能力低、内存小等影响系统效率的问题,提出了三阶段视频字符实时识别方法：视频采集及图像预处理、字符区域定位和字符识别。对于字符区域定位,提出了基于感兴趣区域（ROI,Region of Interesting）运动检测的相似帧过滤算法,并通过数学形态学与连通区域相结合的方法进行字符定位;对于字符识别,提出了基于误差阈值筛选的多模板字符识别算法,保证较高识别率。算法均采用NDK开发框架实现。实验结果表明,该方法在每个阶段都提高了处理效率,达到了对视频字符实时识别的效果。     

基于边缘检测的车牌识别算法的实现

针对传统车牌识别的不足,本文提出了基于边缘检测的车牌识别的算法.该算法首先对摄像头获取的车牌图像预处理,去除图像无用信息,然后运用Robert算子检测车牌边缘,并对车牌区域进行图像较正,用高斯滤波法去除噪声并且提取车牌信息特征,接着对车牌区域水平和竖直方向运用触点定位法分割字符,对车牌分割后与相应字符模版匹配,利用预测模型预测识别结果,最后识别出车牌字符.     

基于计算机视觉的集装箱号码识别系统

对基于计算机视觉的集装箱号码识别系统进行研究.针对光照不均带来的系统识别率急剧下降这一问题,提出了基于小波变换的集装箱号码定位方法.该方法使用小波变换的垂直边缘方法来过滤光照不均的干扰;同时在字符分割处理中研究了差分二值算法,根据字符边缘特性与光照影响的密集度的关系来消除光照影响.实验结果表明,该方法更有效,拓展了集装箱识别的研究与应用.     

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.     

复杂车辆图像中的车牌定位与字符分割方法

车牌定位和字符分割是车牌照自动识别系统中的关键步骤。提出了一个综合多种特征的车牌定位算法和一个基于模板匹配的字符分割算法,有效地解决了背景复杂的彩色图像中车牌定位和字符分割的问题。综合这些算法并结合字符识别核心,实现了一个完整的车牌照自动识别系统。该系统对不同背景、光照条件下采集到的车辆图像进行了大量实验,实验结果证明算法准确率高、鲁棒性好。     

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.     

基于多信息融合的中文手写地址字符串切分与识别

该文提出了一种有效的中文手写地址字符串的切分与识别方法。首先,利用笔划提取与笔划合并将字符串图像进行过切分,得到字根图像序列;然后综合利用几何信息、识别信息和语义信息挑选最优的字根合并路径,得到最优的切分结果及对应的最优识别结果。其中,几何信息是根据当前字符串自身的特点统计得到,因此可适应不同书写风格的字符串。识别信息由单字分类器给出,包括10个候选识别结果及其相应的置信度;单字分类器采用MQDF分类器。语义信息用基于字的bi-gram模型进行描述,模型参数是从包含18万条地址数据的数据库中统计得到的。用3000个实际的手写地址样本做试验,单字识别正确率达到88.28%。     

维汉英混排文档识别

维、汉、英是特点完全不同的文字。该文依据多层次语言判断和适当干预的多语言字符识别系统设计原则首次实现了维、汉、英混排文本识别系统。识别系统首先根据维、汉、英文字的各自特点实现字符块语言属性的初步判断,然后针对每种文字设计不同的字符切割算法。字符识别可信度用来判断字符语言属性和字符切分结果是否正确。实验结果表明,各种维、汉、英混排文本识别率达到96.4%以上。     

一种新的车牌图像字符分割与识别算法

提出了一种新的字符分割算法,该算法利用由中间向两端搜索的方法确定字符的上下边界,且利用一维循环清零法及先验知识垂直分割得到单个的字符。实验结果表明,该算法较好的解决了以上问题,适用于各种质量的车牌图像,分割的正确率较高。     

基于数字形态学的车牌字符分割算法

随着科技的发展,车牌识别系统得到了很多应用。车牌识别系统包含三个部分;车牌定位、字符分割 和字符识别。车牌字符分割是车牌自动识别系统中的重要步骤。车牌字符分割中存在噪声干扰、边框影响、铆钉和 间隔符影响、车牌旋转、光照不均等问题。这些问题容易造成分割不准确,甚至分割错误。针对这些问题,提出一 种新的字符分割方法,采用基于数字形态学的连通区域法进行字符的分割,并结合现有方法提出一个完整的、行之 有效的字符分割方案,取得较好的实验效果。     

一种基于笔画特征的车牌前景背景分割新方法

车牌前景背景分割是车牌识别过程中的一个重要环节,其直接影响着其后的车牌识别过程的正确率.在以往的传统算法中,区分车牌前景背景的方法是基于字符面积小于背景面积的先验知识,其不适用于一些实际应用场景.本文提出了一种新的区分车牌前景背景的方法,不再基于传统的面积假设,而是利用了车牌图像中包含的笔画特征,文中实验论证了使用该方...     

基于Hough变换的倾斜文本图像的检测

在OCR图像扫描输入的过程中,扫描图像经常会出现某种程度的倾斜,这种倾斜会给下一个字符的切割造成困难,影响字符识别的精度。正是出于检测倾斜文本图像角度的目的,提出了一种基于Hough变换的检测图像倾斜度的方法,可以有效地克服几何失真对文字识别系统的影响,为了克服Hough变换计算量大的缺点,该方法采用了提取图像特征点的方法。实验结果表明,该方法能快速准确地测出各类文本图像的倾斜角度,并且具有很好的适应性。     

Automatic Container Code Recognition from Multiple Views

Automatic container code recognition from a captured image is used for tracking and monitoring containers, but often fails when the code is not captured clearly. In this paper, we increase the accuracy of container code recognition using multiple views. A character‐level integration method combines recognized codes from different single views to generate a new code. A decision‐level integration selects the most probable results from the codes from single views and the new integrated code. The experiment confirmed that the proposed integration works successfully. The recognition from single views achieved an accuracy of around 70% for the test images collected on a working pier, whereas the proposed integration method showed an accuracy of 96%.