一种基于改进EAST网络和改进CRNN网络的火车票站名识别系统

为实现火车票图像中火车站站名的实时检测与准确识别,提出一种EAST网络和改进CRNN网络相结合的火车票站名识别系统。首先,利用canny算子和霍夫变换进行火车票边缘检测,通过透视变换校正火车票图像,使其水平摆放且尺寸统一;接着,采用改进的EAST网络检测火车票中的文本区域,并从中提取出站名拼音区域及车次区域;进而,应用改进的CRNN网络识别出站名拼音及车次信息,最后通过匹对数据库,将站名拼音匹配度最高的站名汉字作为最终的火车票站名识别结果。实验证明,本文的识别方法识别准确率为98.3%,单张图片平均处理时间为1.24ms,能够在不同光照、阴影和图像抖动的情况下,准确地实时地识别出火车票站名。     

一种离线自适应OCR识别系统设计

光学字符的自适应离线识别对于包装分拣等特殊应用场景意义重大。笔者设计了一套基于离线自适应OCR识别技术的包装箱标识字符识别系统。该系统主要由镜头、相机、环形光源、支撑台、工业PC机组成。当生产线特定触发信号到来,相机抓拍大致区域,拍摄图像经过分割、角度校正得出字符区域图像,通过OCR算法对相应区域进行识别得出最终标识符并输出以待后续应用。实验结果显示单张图片的完整校正识别时间900 ms左右,标识图像完整处在相机视野区域并且倾角正负45°内识别准确率达97%以上。整个系统在保证一定准确率的前提下,能离线自适应识别大区域、大倾角的小标识符图像,具有很高的实用价值。     

基于Zernike矩与网格特征的两级神经网络字符识别系统

从待识别字符中分别提取网格与Zernike矩特征,并将两种特征输入改进的BP神经网络进行比较,得知网格特征对随机噪声及笔划粗细变化不敏感,而Zernike矩特征对旋转不敏感,针对两种字符特征的缺点与优点,把以上两个神经网络进行联合,设计了一个两级神经网络字符识别系统,实验表明,基于不同特征输入的神经网络识别结果之间存在互补现象,上述两级神经网络分类器串级集成字符识别系统正确识别率达98%.     

MATLAB在汽车牌照识别系统中的应用

汽车牌照识别系统是交通管理领域和数字图像处理领域里的热点问题。本文介绍了MATLAB在汽车牌照图像处理识别系统中的应用。该系统通过调用MATLAB函数,综合使用多种方法提高系统的有效识别能力。运用该系统识别出汽车牌照其整个处理过程分为图像预处理、边缘提取、车牌定位、宇符分割、字符识别。     

智能车辆的交叉口数字信号灯检测与识别

为了保证智能车辆在交叉口内的诱导行驶,提出了一种交叉口信号灯检测与识别方法．首先利用Hough变换检测交叉口内的停车线,然后采用颜色空间变换检测红、黄、绿三色信号灯,最后建立自联想存储器以识别切分出来的信号灯时间字符．通过20个实际交叉口场景测试数据验证,采用所提出的方法,停车线检测正确率达90％,信号灯检测正确率为85％,在信号灯字符正确分割出来的基础上,字符的识别率达97％．结果表明提出的方法能够十分有效地进行数字信号灯的检测,并具有足够的鲁棒性识别“破损”及带噪声的字符．     

基于BP神经网络的含噪字符识别系统及MATLAB实现

运用BP神经网络的原理,在MATLAB的平台上,对含噪与不含噪的印刷体英语字符进行识别和误差统计,经大量样本测试,结果达到设计目标,辨认出错率较低。     

一种基于OpenCV的车牌识别方法

研究了一种基于OpenCV的车牌识别方法。在车牌定位阶段,提出一种综合边缘信息和颜色信息,并结合车牌几何特征定位方法,通过SVM机器学习实现车牌精确定位。在车牌字符分割阶段,通过设定像素跳变阈值去除边框,提出一种结合垂直投影法和字符特征的字符分割算法。在字符识别阶段,提出结合投影和网格的字符特征提取方法,并利用4个BP神经网络进行字符识别。实验表明,该方法定位率高,字符识别快速准确,具有较强的鲁棒性和实用性。     

手写体数字识别

字符识别（OCR）是模式识别最为成功的应用之一,自五十年代开始,OCR一直是一个相当活跃的领域,手写体字符识别是OCR的分支,国际上有相当多的学者研究它,该课题包含了模式识别领域中一些最基本的问题,因而CR的研究具有重要的理论意义,同时市场的需求也促进了OCR技术的发展。     

基于DSP车牌识别系统的设计

文章设计了一种车牌识别系统,采用基于DSP构建的硬件平台,运用数字图像处理的相关基础知识来实现车牌识别的功能。该系统主要包括图像采集与预处理、车牌定位、字符切分以及字符识别等四个部分。通过对采集到的图像进行分析处理,分别得到边缘检测、直方图统计、中值滤波、锐化、灰度阈值处理等实验结果。