基于特征编码的字符识别方法研究

本文在分析了常用模板匹配字符识别方法的问题之后,以车牌字符中常用的字母、数字为例,提出了一种新的基于数字字母特征的编码方法,解决了模板匹配法中的字符图像与模板尺寸不符等问题,提高了识别率。     

基于小波包分析和BP神经网络的字符识别方法

利用小波包分析具有提取图像时、频两域细节和局部特征的能力,提出了将字符图像的小波包分析和BP神经网络相结合以达到识别字符的新方法。该方法首先对字符图像进行小波包分解,然后对分解系数进行重构,求得重构图像的能量;然后提取了不同字符图像的能量构造成能量特征向量,作为神经网络的输入;然后通过选取初始权值、隐层节点数和权值学习算法,创建BP神经网络;最后通过神经网络模型进行训练。实验证实该方法具有识别正确率高、速度快等优点。     

新型自适应字符检测系统研究

目的 为解决现有字符检测系统出错率高、自适应能力较差的问题,提出一种新型自适应字符检测系统。方法 针对某国内大型方便面生产企业产品研发生产批号检测系统过程中,遇到的光照变化和多种产品规格变化对图像采集质量的影响问题,分别提出相应的自适应解决方案;通过改进局部阈值算法,增强算法鲁棒性,并进一步提出基于实时采集图像的自适应采集矫正算法。结果 通过实验测试和现场验证,该检测系统的自适应能力和鲁棒性较强,检测速度为10个/s,误剔率小于0.005%,漏剔率为0。结论 该系统具有较强适应性,相比传统字符检测系统更加稳定可靠,具有良好的应用前景。     

基于神经网络方法的噪声字符识别研究

文献【1】提出了一种基于布尔神经网络的字符识别方法．本丈采用离散型Hopfield神经网络进行字符识别．该模型与前者相比在信息处理的并行性和实时性等方面更接近实际生物神经网络．仿真结果表明，该方法可以有效地对噪声字符进行识别．     

一种基于改进模板匹配的车牌字符识别方法

提出了一种改进的模板匹配方法．该方法是在传统的模板匹配方法的基础上，通过对字符特征区域的扩大和加强注意设计了一种改进的模板，以达到更有效的匹配结果．将该方法应用于沪宁高速公路收费口处实拍的车牌图像库中，其平均识别率达到97．1％．实验结果表明本文所提出的改进的模板匹配方法具有较高的识别率和鲁棒性．     

汽车牌照自动识别系统

汽车牌照自动识别系统在智能交通系统（ITS）中占据重要地位，有着广阔的发展前景，本文介绍了汽车牌照识别系统，该系统包括了牌照的抓拍、牌照定位，识别等内容，最后给出了现场实验结果。     

车牌识别技术研究

利用图像处理技术以及神经网络技术对汽车牌照自动识别系统进行研究.在所摄的含有车牌的汽车照片中,先获取车牌位置,再把车牌的各个字符分割,提取出各个字符的特征,再利用BP神经网络进行识别,从而获取车牌号码.     

车牌字符识别的混合特征提取方法

分析了特征维数与分类错误概率的关系，提出了增加新特征，采用混合特征提取方法进行分类器设计。结果表明增加的新特征可以提高分类器的性能，并能使识别率明显提高。在问题的概率结构完全已知的情况下，增添新特征不会增加Bayes风险。     

基于RBF核的SVM的模型选择及其应用

使用RBF核的SVM(支持向量机)被广泛应用于模式识别中。此类SVM的模型选择取决于两个参数,其一是惩罚因子C,其二是核参数σ2。该文使用了网格搜索和双线性搜索两种方法进行参数选择,并将两者的优点综合,应用于脱机手写体英文字符识别。实验在NIST数据集上进行了验证,对搜索效率和推广识别率进行了比较。实验结果还表明使用最优参数的SVM在识别率上比使用ANN(人工神经元网络)的分类器有较大提高。     

交互技术在手写公式编辑中的应用

遵循泛化计算理论，设计实现了一个联机手写公式编辑系统，以提高识别率和交互(效)率．该系统采用上下文感知技术来辅助切分、解决符号的二义性；采用备选择优、直接指定技术来修正字符的识别结果；采用局部放大解决笔画交叉时的分割问题；最后还给出一个补笔算法．实验表明，这些技术的应用使得数学公式的识别率和系统交互(效)率得到有效的提高，同时使该系统具有自然、隐式交互的特点。