基于Sherlock的光学字符识别

产品外包装上印刷字符的自动识别是自动化生产线的一项重要功能,能够大幅度提高 检测的自动化水平,提高生产效率。本文介绍基于Sherlock的光学字符识别系统的构成,说明Sherlock 软件中的光学字符识别模块的功能,并结合实例说明在识别产品外包装上的点阵列和分段字符以及退 化字符等方面的应用。     

不定长车牌字符分割算法

车牌号码识别包括牌照定位,字符分割,字符识别三个主要过程。字符分割是在牌照定位后把字符从牌照中分割出来的过程,然后送到字符识别系统识别。本文提出的字符分割算法在传统的垂直投影法字符分割的基础上进行了改进,对于字符个数不定、车牌字符之间有大间隔的车牌也取得了理想的字符分割效果。     

基于神经网络的分阶车牌字符识别算法研究

为了提高复杂环境下车牌字符的识别率和识别速度,提出了一种基于BP神经网络和卷积神经网络(CNN)的分阶车牌字符识别算法。该算法第一阶段采用BP神经网络对车牌中的汉字、非相似字符进行识别;并在第二阶段用改进的CNN对车牌中的相似字符进行识别。最后通过实验横向、纵向对比,验证了该神经网络算法的有效性。实验结果表明,相对于传统的BP神经网络算法,明显提高了车牌字符的识别率,同时减少了车牌的识别时间。     

基于构成模式的煤气表读数字符识别技术研究

对煤气表检定装置中的表值读数字符识别进行了研究,应用图像处理和模式识别技术来完成煤气表读数识别,设计编制了相应软件.针对煤气表读数滚动变化特点而形成的不同区域字符构成模式,采用不同识别策略与算法.对完整型字符采用结构特征判别法识别,对不完整型字符采用模板匹配法进行识别.     

基于喷点融合特征的点阵字符分割方法

针对点阵字符因光照不均、字符弯曲等因素导致分割准确率低的问题,提出了一种基于喷点融合特征的点阵字符分割方法。首先利用喷点的几何先验获取字符的跳变特征和投影特征,然后将两者级联得到融合特征,以此搭建基于SVM的字符分割模型,最后将分割得到的字符送入ANN分类器进行识别。实验结果表明,该方法与传统的分割方法相比,有效的提高了字符分割的准确率,并促进了字符识别率的提升。对点阵字符分割和识别的准确率分别达到了99.92%和98.97%。     

基于OpenCV的数码管字符识别

为实现摄像机采集的电梯主板数码管字符图像的识别,研究一种针对数码管字符图像自动识别的方法.数码管图像经过预处理,包括图像灰度化、图像降噪、图像二值化等,并对图像进行字符定位和分割,最后采用穿线识别法对字符进行识别,可有效提高电梯故障识别率.实验结果表明,穿线识别法对数码管字符识别正确率高、效率高、实时性好.     

车牌识别系统中字符分割技术研究

车牌识别LPR是智能交通中关键技术之一.字符分割是车牌识别的基础.但是,现实应用中,复杂背景、字符断裂或字符粘连等因素容易导致车牌字符分割失败.本文提出了一种新的字符分割方法--基于全局约束的字符分割算法,有效的解决了这些复杂的问题.本算法已在软件平台上成功实现,并使用大量从各种不同环境下采集的具有代表性的车辆图像作为算法测试数据源对算法进行测试,结果证明这种车牌字符分割算法的准确率得到了很大的提高.     

基于HALCON的车牌识别技术研究

结合机器视觉与计算机技术对车牌识别技术进行研究,以HALCON机器视觉软件为核心,采用局部阈值法根据车牌的形状特征对车牌进行定位;其次使用模板匹配对连通域的字符与车牌图像字符进行匹配,解决了汉字字符不连通的问题;最后采用多层感知器的OCR分类器对字符进行识别。实验结果表明,所提出的车牌识别方法成功率达90%以上,具有一定的实用价值。     

损毁字符的磁光成像复原识别

铁磁材料表面压刻、划刻的重要字符被损毁后,无法被正常识别,本文基于滑移感生磁各向异性和磁光效应,提出了一种高分辨率、无损的磁光成像复原方法。论文分析了由铁磁材料塑性变形引起的滑移感生磁各向异性导致的磁场分布变化规律,建立了基于磁光效应的损毁字符复原系统模型,研究了影响磁光成像分辨率的因素,根据建立的系统模型构建了实验系统,实现了损毁字符的复原识别,并对复原图像进行灰度分析。实验结果表明,随着起偏器与检偏器夹角φ的增大,图像亮度减小,而分辨率先增大后减小,且φ在75°附近时,成像结果相对理想;不同的字符成型方法中,字模压刻型的复原图像最清晰;随着字符损毁深度增大,灰度突变和灰度梯度最大值均减小,分辨率降低,字符越难复原识别,对于0.4 mm压刻深度的字模压刻型字符,有效复原的最大损毁深度为0.6 mm。本文证明了滑移感生磁各向异性理论的正确性,并为构建高效便携、高分辨率、无损的损毁字符磁光成像复原识别设备提供了理论基础。     

小波变换在图像处理中的应用

分析了小波变换的特点,引入方向小波来实现图像的特征提取,并给出方向小波变换在字符图形识别的结果.实验证明,由于这种特征提取方法有很好的局部方向特性,使得它对于字符的典型噪声笔划丢失、笔划断裂、机械抖动、笔划的粘连有很好的识别作用,十分适用于字符的识别工作.