隐形条码

在现今广泛应用的条形码基础上，采用微细加工技术制作微型条码，并用普通可见光不透明的物质将其遮蔽，只有用一定波长的阅读器才能透射阅读，因此，它具有更好的可靠性和防伪性。本文介绍了这种新颖隐形条码的原理、构造和应用前景。     

标牌粘连字符自适应定位分割重建与识别

目的 针对仪表、电梯等标牌上一些字符间距较小,传统分割方法分割不准确,字符识别率不高的问题,提出了一种标牌粘连字符自适应定位分割重建识别算法。方法 首先对标牌图像进行中值滤波、二值化等预处理;其次运用数学形态学方法对预处理后的图像进行开运算及腐蚀,将字符间一些无用的信息去掉,增大字符间距;继而通过形心算法找出每个字符的几何中心,并通过Sobel边缘检测算子根据几何中心获取每个字符边框,建立ROI（region of interest）,再返回标牌原图利用已经建立的ROI从中分割字符,依据国家字符间距相关标准,在分割的每个字符后加一定像素宽的矩形间隔条后重建字符图像,再进行OCR（optical character recognition）字符识别。结果 经过对993块标牌进行字符识别实验,算法的识别率达到95.7%。结论 实验结果表明本文算法是对标牌字符识别的一种有效算法。     

轴承压印字符自动识别算法的研究

为了方便轴承的生产和管理,针对轴承上字符的特点,提出了一种自动识别轴承压印字符的方法。首先借助环形光源,利用"反光差"产生并采集字符图像;然后利用随机Hough变换定位轴承圆心,并确定目标字符的位置;通过对单个字符进行仿射变换矫正字符区域;最后提取轮廓层次特征,并使用支持向量机识别。实验表明,该方法能够实现轴承字符的自动识别,并能满足实时性和识别率的要求。     

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。     

基于序列图像的复杂背景下字符识别技术研究

针对舰船模型其横摆度与纵摆度量的检测问题,研究了一种基于序列图像的复杂背景下字符识别方法用以检测舰船模型的摆度量。首先利用背景图像相邻区域灰度值变化缓慢的特性,采用高斯低通滤波算法对图像背景进行实时更新;其次提出了一种基于差分图像统计信息的自适应阈值分割算法,用以消除光线和环境的变化对背景的影响;最后研究了基于改进扫描线算法与模板匹配算法的字符识别算法。实验结果表明,研究的算法可以在不同光照情况下完整、快速地识别出舰船模型上印刷的字符,完全可以用于摆度量的检测,具有较大的实用价值。     

基于Gabor变换的中文字符特征提取方法研究

针对传统汉字字符特征提取方法的不足,提出了一种基于Gabor变换,对图像纹理特征的方向性敏感的字符特征提取方法。先将灰度字体图像进行二值化、归一化处理,再利用Gabor滤波器进行滤波,获取图像的内部纹理特征和边缘信息,进而从不同方向进行特征提取。实验证明利用gabor变换计算中文字符图像的笔画方向特征,对中文字符具有较好的分类效果。     

基于伪zernike矩的车牌字符识别

基于伪zernike矩的不变性,提出了基于伪zernike矩特征提取的车牌字符识别方法。在车牌区域定位的基础上,通过对图像的二值化过程和字符图像分割等一系列处理,在进行归一化处理后分别提取伪zernike的高阶矩。将提取的伪zernike矩作为字符的特征描述输入到BP神经网络进行训练,最后进行车牌字符分类识别。通过实验证明了该方法的的可行性。测试结果表明,这种方法实用有效,识别效果优于HU矩和zernike矩。而且可以计算出错误率和可识别的最佳矩,减小了计算量且增强了字符识别的实时性。     

中英文混合识别的利器—ABBYY FineReader

我们在日常的信息化办公过程当中,经常利用OCR（光学字符识别）技术,通过扫描仪或数码相机检查纸上打印的字符,并通过检测暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机数字化的文档。     

基于BP神经网络的字符自动识别研究

针对传统识别方法的盲目性和低效率,采用BP神经网络进行字符识别,具有较高的准确性,经过训练可有效地提取信号、图像等感知模式的特征,对档案管理档案号的数字识剐进行研究与应用.实验表明,在图像识别中,尤其是否图像的字符识别中,BP神经网络在识别准确率和先验知识等方面有着明显的优势.     

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。