基于单程分裂与归并图像分割的集装箱号识别

集装箱号自动识别在海关物流管理等领域有着重要的实用价值。为了快速准确的地进行集装箱号识别,提出了一种基于图像分割和区域特征分析的集装箱号字符定位和识别方法。该方法首先基于灰度相似性运用改进的单程分裂与归并算法对图像进行自适应阈值分割,同时统计各个区域的灰度、形状、边缘强度等特征;然后根据字符区域特征,利用一定规则来滤除非字符区域;最后,对于定位出的字符区域,再依据区域特征进行二值化,并采用神经网络与模板匹配相结合的方法进行识别。在包含1 804幅图像的集装箱号识别实验中,整箱号识别正确的为1 750幅,准确率为97.01%,这充分说明了算法的有效性。     

面向集装箱字符识别的预处理算法

由于光照,油污,采集图像受天气影响等原因,使集装箱箱号图像背景复杂,给分割识别带来困难.为解决这些问题,主要研究集装箱箱号图像预处理算法.根据原始图像特点,先利用形态学腐蚀运算、膨胀运算滤除噪声,在此基础上运用简单统计法结合Prewitt边缘检测算子的方法对具有复杂背景的集装箱箱号图像二值化,使用基于特征值公式的集装箱箱号字符分割方法准确分割字符.试验结果表明,此方法较好完成对集装箱箱号原始图像的预处理.     

改进YOLOv3算法在集装箱箱号定位中的应用

针对传统集装箱箱号定位精度差,效率低等问题,提出一种基于YOLOv3算法改进的深度神经网络,实现对集装箱箱号的快速定位。在对采集到的集装箱图片进行预处理后,通过聚类得到网络训练所需要的初始先验框尺寸,并针对集装箱号码定位的特点,简化了网络模型的输出和网络训练的损失函数,实现更加高效、精确的集装箱箱号定位。实验结果表明:基于改进YOLOv3算法的集装箱箱号的定位方法,具有高准确率与强实时性,定位的准确率高达98. 5%,同时可达26. 23 fps的定位速率,整体的实时性和准确率均可满足实际应用的需求。     

摄像头阅卷系统图像预处理算法研究

本文讨论了摄像头自动阅卷系统中的图像预处理算法，对答题卡图像预处理过程中的图像灰度化、二值化、光学畸变校正和图像偏斜纠正等关键步骤进行了描述。在灰度化过程中采用彩色模型转换的方法获得灰度图，在二值化过程中采用由用户指定阈值的方法，在畸变变换中采用二元多项式法，在偏斜纠正中使用Hough变换检测倾斜角度。     

基于图像OMR的预处理技术研究

阐述了信息填涂卡文档图像标记识别系统中的预处理算法，并提出一种新的信息卡填写方式。对信息填涂卡文档图像预处理中的利用计算机图像处理技术将彩色图像转化成灰度图像、二值化以及图像平滑等关键步骤进行了描述。在图像二值化过程中采用全局阈值法，在图像平滑过程中采用改进的邻域平均算法。结果表明这些算法能有效地解决信息填涂卡文档图像预处理问题。     

摄像头阅卷系统图像预处理算法研究

本文讨论了摄像头自动阅卷系统中的图像预处理算法,对答题卡图像预处理过程中的图像灰度化、二值化、光学畸变校正和图像偏斜纠正等关键步骤进行了描述。在灰度化过程中采用彩色模型转换的方法获得灰度图,在二值化过程中采用由用户指定阈值的方法,在畸变变换中采用二元多项式法,在偏斜纠正中使用Hough变换检测倾斜角度。     

改进SIFT算法在文字图像匹配中的应用

使用SIFT算法对文字图像进行特征提取时,产生的特征点数目较少,且不同文字产生的特征向量存在强干扰性,导致匹配准确率较低。为此,提出一种改进的SIFT算法。该算法利用二值化图像代替灰度图像,增加特征点数目,并取消SIFT的旋转不变性。实验结果证明,与标准SIFT算法相比,改进SIFT算法能有效提高文字图像匹配的准确率。     

一种基于直方图的可逆数字水印算法

3C中提出一种可逆数字图像水印算法的改进方案，防止了原有算法中可能出现的像素值溢出情况。改进后的算法利用图像的灰度直方图，在图像进行分块的基础上进行像素灰度值的修改，实现在图像的空间域中嵌入较为充沛的水印信息。其中标志点的设定，可以有效防止灰度值在修改过程中出现上溢和下溢的情况，而密钥的使用不仅加强了水印信息的安全性，同时简化原有算法，减少了繁琐的记录信息。实验结果表明，算法在嵌入大量水印信息的情况下仍能取得满意的PSNR值。     

基于数学形态学的集装箱箱号分割改进算法

提出了基于数学形态学和直方图投影的集装箱箱号分割改进算法。在箱号定位阶段,运用基于边缘检测和数学形态学的改进算法,能自适应确定形态学结构元素的大小,将箱号区域连通成一个区域,并能解决集装箱文字纵向排列的问题。字符分割阶段用数学形态学方法消除干扰边缘和噪声,通过投影直方图法完成行与列分割。实验表明,该算法简单可行,只需较少的集装箱先验信息,并且整箱分割正确率达到93.33%,证明了算法的有效性。     

结合Canny算子的图像二值化

对经典的二值化方法Ostu算法和Bernsen算法中存在的缺点进行了分析,提出一种结合Canny算子的图像二值化方法,该方法综合考虑了边缘信息和灰度信息,通过边缘附近种子点在高阈值二值化图像中的填充和低阈值图像对它的修补而得到二值化结果图像,较好地解决了经典二值化方法中存在的抗噪能力差、边缘粗糙、伪影现象等缺点,实验结果证明,该方法能够较好地解决低对比度图像和目标像素灰度不均匀图像的二值化问题。     

纸币号码快速识别系统

开发了一种快速的纸币号自动识别系统,能在捆钞的同时自动识别并记录下通过捆钞机上的纸币号码。该系统首先通过CCD摄像头采集24位彩色图像,经过逻辑脊谷判断法分割、投影法定位、结构法识别几个过程输出号码串。实验结果表明,该系统组织设计的逻辑脊谷判断算法有效提取了号码图像,穿越号码体距离法定位号码准确,提出的号码识别系统取得了较高的识别率。     

基于特征匹配的集装箱识别与定位技术研究

集装箱识别与定位是实现港口自动化的关键技术之一。模板匹配是一种较常用的 图像识别方法,但传统的模板匹配算法仅基于像素的灰度信息进行对比匹配,当外部环境稍有 变化时,算法的鲁棒性会大幅下降,且存在匹配效率不高,适应性不强等问题。提出基于目标 颜色模板预定位与变步长图像块匹配分割相结合的算法,将具有形状不变性的特征向量作为集 装箱实时识别与定位的重要依据,实验结果显示该识别方法能有效提高图像分割效率,同时对 目标平移、旋转、尺度变化具有适应性。     

集装箱箱号字符识别算法研究

针对集装箱箱号图像中存在的光照不均、箱号的偏转和倾斜等因素,着重研究箱号字符识别中的关键技术问题。对于箱号图像光照不均问题,采用一种改进型的差分边缘检测粗定位算法;利用改进的最小二乘法有效地解决箱号偏转难以精确定位问题;运用基于梯度下降投影字符矫正及分割算法,实现对倾斜箱号的校正与分割;采用BP神经网络进行字符识别。对1?050幅不同条件的拍摄图像进行实验,结果表明上述算法相对于传统算法与深度学习算法,综合识别率明显提高,且符合实时性要求。     

基于DP-DBNet和MHA-CRNN的船牌号检测与识别

船牌号的检测和识别对于港口的智能化管理和解决传统人工方式监管渔船中存在的耗时耗力的问题具有重要意义. 针对船牌悬挂位置, 背景颜色和字符个数不统一等特点, 本文提出两阶段双模型的检测和识别方法. 首先, 提出将双路径网络(dual path networks, DPN)与可微二值化网络(differentiable binarization network, DBNet)相结合的DP-DBNet船牌号位置检测模型. 其次, 提出将多头注意力机制(multi-head-attention mechanism, MHA)与改进的卷积循环神经网络(convolutional recurrent neural network, CRNN)相结合的MHA-CRNN船牌号文字识别模型. 最后, 以烟台芝罘区新型现代化智慧渔港项目为数据来源, 并进行算法对比实验分析; 实验结果表明, 两种模型结合的两阶段识别方法可以使船牌号的识别准确率达到76.39%, 充分证明了该模型的有效性和在海洋港口管理方面的应用价值.     

基于QNN的图像特征提取字符识别系统设计

为提高字符识别的正确率与可靠性,将图像处理技术与量子神经网络（QNN）相结合,对基于QNN的字符识别系统进行了研究。采用粗网格特征法对图像的特征量进行提取,同时,为了增强粗网格特征法抗位置变化的能力,在特征提取前,对字符图像进行了定位,并将其平移至模板中心,再进行特征提取,然后采用基于多层激励函数的量子神经网络对字符进行识别。采用matlab进行仿真实验,结果表明量子神经网络具有较好的识别效率,准确率可达90%以上,抗噪能力强,可以更好的分类。这说明系统的确可以从一定程度上达到提高识别正确率的效果,达到了预期效果。     

医学图像配准中基于图像梯度的灰度压缩

基于互信息的医学图像配准,其配准精度可以达到亚像素水平,精度高且鲁棒性好,但互信息的巨大计算量使配准速度较慢,不能达到临床使用要求,而互信息的计算速度与图像的灰度阶数有关。为此,针对互信息由于图像灰度级数过多造成互信息计算量大的问题,提出一种基于图像梯度的灰度压缩算法。算法采用图像的梯度信息,根据图像梯度对图像进行非线性灰度映射,同时利用小波对差异图像进行分解和重构。实验结果证明,该算法能减少图像灰度阶数,同时较好地保留图像的细节信息,在保持配准精度的前提下减少配准时间。     

基于灰度跳变的车牌定位算法及其实现

研究车牌识别定位算法问题。传统的车牌设识别定位算法的识别精确度难以满足现实在交通管理和流量监测中的应用,存在车牌图像定位的精度的不高等问题。为解决上述问题,在对车辆图像预处理基础上,提出了一种基于图像灰度跳变特性的车辆牌照定位算法。主要给出了粗定位和细定位两种定位算法,并用VC++设计实现定位算法。通过实验对实际交通中多幅车牌图像进行处理,对不同的车牌图像进行定位。实验结果表明,新算法能够对车牌图像进行高精度定位,并且具有较强的鲁棒性,为车牌字符的识别与分割奠定了一定的基础。     

All-content text recognition method for financial ticket images

With the development of the economy, the number of financial tickets is increasing. The traditional invoice reimbursement and entry work bring more and more burden to financial accountants. However, standard OCR technology weakly supports financial tickets with various layouts and mixed Chinese and English characters. In view of this problem, this paper designs a method of financial ticket all-content text information detection and recognition based on deep learning. This method can effectively suppress the common noise of ticket image and extract financial information from ticket image in batch. At the same time, aiming at the problem of multi-character mixed character recognition, we propose a financial ticket character recognition framework (FTCRF), which can improve the accuracy of multi-character mixed character recognition and make the detection and recognition of financial ticket surface information more efficient. The experimental results show that the average recognition accuracy of the character sequence is 91.75%. The average recognition accuracy of the whole ticket is 87%, which significantly improves the efficiency of the financial accounting system.

     

基于HOG与改进的SVM的手掌静脉识别算法

手掌静脉识别是一种新兴的生物特征识别技术,随着时代的进步,在各种安全领域中起着越来越重要的影响和应用。提出了一种改进的手掌静脉图像预处理方法,采用对像素灰度值映射来增强图像中的静脉纹理以去除其他干扰。针对手掌静脉纹理的特征提取和识别,提出了一种基于方向梯度直方图（HOG）与改进的阈值支持向量机（T-SVM）的算法,以更好适应手掌静脉识别的特点。通过大量实验证明,该方法不仅可以较为迅速地进行身份识别,而且达到了较高的识别率。