基于字符分割和LeNet-5网络的字符验证码识别

为了解决传统验证码识别方法效率低,精度差的问题,设计了一种先分割后识别的验证码处理方案。该方案在预处理阶段用中值滤波去噪,再利用霍夫变换对图像字符进行矫正;在字符分割阶段,利用垂直投影算法确定验证码字符块个数,以及字符坐标点,再用颜色填充算法对验证码进行初步分割,根据分割后的字符块数量对粘连字符进行二次分割;在识别阶段,我们对LeNet-5网络进行了改进,修改了输入层,并用全连接层替换了LeNet-5网络中的C5层,以此来对验证码字符进行识别;实验表明,对于非粘连验证码和粘连验证码,单张图片分割时间为0.14和0.15ms,分割准确率为98.75%和97.25%,识别准确率为99.99%和97.7%;结果表明,该算法对验证码分割和识别都有着很好的效果。     

一种基于前端预测识别的粘连字符分割方法

在字符识别领域,对粘连字符的识别是一个被广泛关注的技术难点,未能准确分割粘连字符是产生识别错误的主要原因之一。在总结已有方法的特点及不足的基础上,提出了基于前端预测识别来分割粘连字符的方法。首先根据粘连字符图像的特征初步确定前端字符的候选字符集,并通过验证候选字符与前端字符图像匹配的必要条件进一步对其筛选,然后使用候选字符的屏蔽码自适应地提取前端字符图像,最后由分类器对提取结果加以验证,达到分割和识别粘连字符的目的。该方法可以适应多种类型的粘连字符,准确性高,且在字符图像质量较差时具有较强的鲁棒性。     

基于图像的车牌识别

基于图像的车牌识别是图像识别领域的重要研究课题之一。本论文采用MATLAB编程实现该车牌识别系统,综合使用多种方法提高系统的有效识别能力。首先,对图像进行预处理。其次,采用了一种结合字符边缘和形态学的车牌定位算法。接着,根据分割出的车牌区域,采用一种水平和垂直投影相结合的车牌字符分割法,完成单个字符的分割。最后,运用模板匹配的方法实现字符识别。     

汽车牌照的字符分割与识别

根据汽车牌照字符与背景的特点，提出了一种自适应的二值化方法，这种方法首先把图像分割成块，进而根据每小块中的前景的灰度更加接近小块中灰度最大值的特点，选取一个比较高的域值，然后根据原图像的灰度值对得到的图像进行区域增长，最后得到的二值图像既可以完整再现字符，同时可以消除背景中亮度较高的点；另外讨论了结合汽车牌照的几何尺寸的字符分割办法，详细阐述了横向穿越变化数和字符的横竖编码这两个新的特征的提取过程，最后给出了一种新的多级分类的规则，讨论了这种多级分类的实现算法，实验表明这是一种行之有效的分类方法。     

多图书图像标签字符的分割识别

字符识别应用于图书系统能有效提高图书馆的数字化和自动化程度,设计了多图书图像标签字符的分割识别,达到了一次操作识别多本图书的功能。首先根据图像边缘连接后的统计值分割出单本图书,然后基于RGB颜色特征提取字符区,并根据轮廓分割字符,最后设计BP网络识别字符。通过matlab仿真了处理流程,仿真结果表明该算法能基本识别图书标签,有较好的实用价值和应用前景。     

数显数字字符图像特征提取算法的研究与实现

由于数显数字字符有其自身特点，相对于其它类型字符识别存在着新的难点，针对此类数显数字字符采用将细化后的字符图像看作是一幅连通图，选择闭合曲线作为其整体特征对十个数字字符进行初次分类，将笔画端点所处字符图像中四个子区域的位置作为主要的细节特征，对字符进行识别。测试结果表明该算法是可行、有效的。     

数显数字字符图像特征提取算法的研究与实现

由于数显数字字符有其自身特点,相对于其它类型字符识别存在着新的难点,针对此类数显数字字符采用将细化后的字符图像看作是一幅连通图,选择闭合曲线作为其整体特征对十个数字字符进行初次分类,将笔画端点所处字符图像中四个子区域的位置作为主要的细节特征,对字符进行识别。测试结果表明该算法是可行、有效的。     

基于聚类分析的车牌字符分割方法

文章提出了一种基于聚类分析分割车牌字符的方法。即按照属于同一个字符的象素构成一个连通域的原则,再结合牌照的先验知识,较好解决了汽车牌照在复杂背景条件下的字符切分问题。     

基于字符图像分割的打印文件识别方法

针对目前的打印文件识别方法受限于样本中必须有相同字符的问题,提出一种基于字符图像分割的打印文件识别方法。通过k-means算法对字符图像进行分割,分别对不同区域提取局部二值模式纹理特征,从而消除字符结构对识别结果的影响。研究了单一区域的特征集和组合特征集的分类识别效果,实验结果表明,该方法在样本中无相同字符的情况下,能够得到较高的识别准确率。     

探索51单片机直接驱动段式液晶的简单化

51单片机IO口直接驱动段式液晶无论是在电路结构和程序编写上都是比较复杂的。文章通过利用单片机IO口内部上拉电阻和外接电阻分压的方法，实现1／2电平，运用循环将相应的编码赋给P1和P3口的方法实现动态驱动，仅需6只电阻接在液晶屏和单片机之间就可实现一位“8．”字的显示，使电路和编程都非常简单。     

基于CAN总线的混合动力汽车LCD仪表系统

研究设计了基于CAN总线的混合动力汽车LCD仪表系统的硬件电路和软件流程。该系统具有仪表显示、故障诊断显示、车辆行驶参数记录与分析、数据保存与回放等功能,实现了汽车仪表的数字化与智能化。     

印刷体藏文文字识别技术研究

藏文字因其结构的特殊性,在应用传统文字识别方法进行识别时正确识别率较低,识别效果较差。在深入分析以印刷体藏文文字特征的基础上,提出了一系列可以在干扰情况下提高识别率的方法,包括局部自适应二值化算法、基于连通域的切分、基于网格的模糊笔划特征提取等。实验结果说明,这些方法可提高印刷体藏文文字识别系统的正确识别率和抗干扰能力。     

基于字符识别的实验报告自动打分系统的设计

针对实验教学中实验报告成绩的录入耗时耗力以及出错率高的问题,开发了基于字符识别［1］的实验报告自动打分系统,大幅提高了数据输入的工作效率和准确率。根据图像识别原理对成绩进行特征提取,采用BP神经网络系统,改进BP算法,识别出成绩,并利用Access数据库进行存储。系统经过测试,可以应用到实验报告中学号、成绩的快速录入与存储。     

基于几何特征的IC芯片字符分割与识别方法

针对IC芯片字符的分割与识别问题,提出了一种基于字符几何特征的分割方法和一种基于字符最小外接圆的归一化与重定位方法,使用基于像素差分的模板匹配完成识别。首先,对芯片图像进行直方图均衡化处理,并利用辅助圆进行中线定位和图像校正,定位得到ROI区域并进行均值二值化处理。随后,对二值化ROI图像进行字符分割,以字符的几何特征作为判断条件,从而完成了对缺陷字符的正确分割。之后,对单字符图像提取最大轮廓,利用其轮廓的最小外接圆进行字符的归一化与重定位。最后,对归一化的字符进行差分识别。通过采集4种芯片样本进行实验,结果表明,该方法能够实现芯片字符的准确分割,对于缺陷字符的分割准确率达90%;能够快速精准地识别芯片字符,单字符平均识别时间为4.6 ms,识别准确率达到99.4%。     

基于折线切分路径的粘连搭接字符切分算法的研究

针对粘连和搭接字符切分算法的不足,提出一种基于折线切分路径的字符切分算法。该算法利用投影法将粘连搭接字符与非粘连搭接字符分离开,而后结合粘连搭接字符独有的外形特征,通过引入惩罚权重的路径搜索算法快速而准确地得到粘连搭接字符间的折线切分路径;为了避免一些字符在以上的切分过程中被误切碎,利用识别反馈信息对一些字符子图像进行合并。实验结果表明,该算法对印刷体日英混排字符切分有很强的适应性,取得了较理想的切分效果。     

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。     

打印文件鉴别打印机型的文字图像模糊识别*

探索了一种以打印件鉴别打印机型的文字图像计算机模糊识别方法.该方法收集标准常用字号和字体,以及常用打印机打印的文字,扫描采集,用改进的直方图波形分析法处理图像,提取文字的笔画总面积和笔画轮廓总周长等特征指标;再选定一种机型为参照,对各种机型相同字上述指标测量值及其几种组合的计算值,形成相对差值指标序列,建立信息数据库.在此基础上,建立对应指标的统计均值波动区间的值域表,并确定各指标的权重和建立权重系数矩阵.判断未知机型时,先按照前述方法任测100个常用字,利用OCR汉字识别模块和前述指标,自动辨识文字,进入模糊识别过程.根据相应检测字在值域表区间出现的概率,建立模糊关系矩阵.通过两个矩阵乘积的模糊变换产生判别矩阵.以最大隶属性确定打印机类型.按照数学模型,设计并实现打印机智能鉴别程序.应用实例测试,结果显示判别准确,符合设计预期.     

液晶字符识别的CNN和SVM组合分类器

针对仪表液晶显示字符识别问题,提出一种结合了卷积神经网络(CNN)和支持向量机(SVM)的字符识别方法.分别采用具有并联结构的CNN模型和基于梯度方向直方图(HOG)特征的SVM方法构建基本分类器,当2个分类器的结果存在冲突时,利用CNN的softmax输出最大值判决最终结果,当其大于设定阈值时采用CNN分类器的结果,...