字符識(shí)別
- 基于OpenCV和Tesseract-OCR的表帶字符識(shí)別算法研究
能穿戴中表帶字符識(shí)別，提出了利用OpenCV和Tesseract-OCR（Google開源光學(xué)文字識(shí)別引擎）的方法。經(jīng)過一系列圖像預(yù)處理、圖像降噪、定位等操作，再通過Pyteseract模塊的處理，達(dá)到了快速、準(zhǔn)確的文字識(shí)別目的。關(guān)鍵詞 OpenCV 字符識(shí)別 Tesseract-OCR技術(shù)中圖分類號(hào)：TP3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-0745（2022）05-0016-031 研究背景及理論基礎(chǔ)當(dāng)下智能穿戴在人群中非常流行，專屬化以及個(gè)性化的服
科海故事博覽·上旬刊 2022年5期2022-05-17
- 基于 CRNN 的自然場景多語言文本檢測方法
同于傳統(tǒng)文本字符識(shí)別。自然場景圖像中的文字經(jīng)常面臨著視角變化，多字體文本以及場景圖像曝光嚴(yán)重等多種因素的影響，因此，難以準(zhǔn)確地獲取自然場景圖像中字符信息。該文利用可微分二值化函數(shù)對(duì)自然場景圖像進(jìn)行處理，得到一張易處理二值化圖像，并對(duì)二值化圖像進(jìn)行文本檢測以便機(jī)器處理識(shí)別，最后利用卷積遞歸神經(jīng)網(wǎng)絡(luò)（CRNN）[1]進(jìn)行文本識(shí)別。該方法不僅提高了自然場景圖像字符識(shí)別的準(zhǔn)確度，而且解決了生活中多字體文字識(shí)別的難點(diǎn)。關(guān)鍵詞：場景圖像;字符識(shí)別;二值化圖像;文本檢測
電腦知識(shí)與技術(shù) 2022年1期2022-03-11
- 基于深度學(xué)習(xí)的集裝箱編號(hào)識(shí)別
配算法中進(jìn)行字符識(shí)別。通過理論分析以及實(shí)驗(yàn)證明了本文方法的有效性，識(shí)別準(zhǔn)確率相比其他方法明顯提高。關(guān)鍵詞： 集裝箱編號(hào); 字符識(shí)別; 深度學(xué)習(xí); 模板匹配; 編號(hào)區(qū)域定位文章編號(hào)： 2095-2163（2021）07-0095-07中圖分類號(hào)：TP391文獻(xiàn)標(biāo)志碼： AContainer number recognition based on deep learningYAO Li， LI Lili，? WAN Yan（School of Computer
智能計(jì)算機(jī)與應(yīng)用 2021年7期2021-12-07
- 基于深度學(xué)習(xí)的熱軋鋼坯表面不同字體的字符識(shí)別研究
好，但對(duì)噴印字符識(shí)別區(qū)域沒有針對(duì)性。為解決以上問題，根據(jù)噴印字符相對(duì)較小且沒有大小形態(tài)變化的特性，改進(jìn)了YOLOv3模型結(jié)構(gòu)，僅保留預(yù)測小、中目標(biāo)的網(wǎng)絡(luò)結(jié)構(gòu)，在保證較高檢測精度的同時(shí)，縮小模型容量;采用對(duì)不同字體字符分開訓(xùn)練的識(shí)別方式，得出針對(duì)性分開訓(xùn)練比混合字體整體訓(xùn)練的識(shí)別準(zhǔn)確率高的結(jié)論。結(jié)果表明，本方法比不同字體整體訓(xùn)練的識(shí)別準(zhǔn)確率提高了7%以上，可在工程上進(jìn)行應(yīng)用。關(guān)鍵詞：深度學(xué)習(xí);字符識(shí)別;熱軋鋼坯;YOLOv3中圖分類號(hào)：TP301.6? ?
軟件工程 2021年10期2021-10-09
- 基于 OpenCV的數(shù)碼管字符識(shí)別
別法對(duì)數(shù)碼管字符識(shí)別正確率高、效率高、實(shí)時(shí)性好。關(guān)鍵詞：圖像處理;字符識(shí)別;穿線識(shí)別法;OpenCV中圖分類號(hào)：TP391.41文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1009-9492（2021）11-0196-03Character Recognition of Digital Tube Based on OpenCVYe Na（Heyuan Technician Institute， Heyuan， Guangdong 517000， China）Abstract：
機(jī)電工程技術(shù) 2021年11期2021-08-20
- 基于卷積神經(jīng)網(wǎng)絡(luò)多特征融合的復(fù)雜背景字符識(shí)別
合的復(fù)雜背景字符識(shí)別方法。該方法對(duì)測試集進(jìn)行分組實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明該方法對(duì)復(fù)雜背景字符識(shí)別有較高的正確率。關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò);多特征融合;復(fù)雜背景;字符識(shí)別中圖分類號(hào)：TP391? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2021）10-0192-02Abstract： In recent years， the text recognition based on deep learning is one of the hot spots in
電腦知識(shí)與技術(shù) 2021年10期2021-06-28
- 基于BP神經(jīng)網(wǎng)絡(luò)的智能車牌識(shí)別系統(tǒng)
;邊緣檢測;字符識(shí)別;特征提取中圖分類號(hào)： TP391? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2021）03-0019-04Abstract： License plate recognition is an important part of information management of vehicles in intelligent transportation， and is very important for the co
電腦知識(shí)與技術(shù) 2021年3期2021-03-15
- 成捆特鋼棒材端面字符識(shí)別算法研究
特鋼棒材端面字符識(shí)別，并將成捆特鋼棒材端面字符識(shí)別結(jié)果輸出保存。結(jié)果表明，新算法可以滿足成捆特鋼棒材生產(chǎn)過程中字符識(shí)別要求，字符識(shí)別準(zhǔn)確率可達(dá)到97.35%。新算法將Hough變換、基于小波變換的圖像增強(qiáng)算法、MSER算法、邊緣檢測算法、投影法及SVM分類器等算法融合到特鋼棒材端面字符識(shí)別過程中，為特鋼棒材生產(chǎn)過程中的信息獲取、信息傳遞及信息追溯的技術(shù)實(shí)現(xiàn)提供了參考。關(guān)鍵詞：計(jì)算機(jī)圖像處理;特鋼棒材;信息標(biāo)記;圖像增強(qiáng);字符分割;字符識(shí)別中圖分類號(hào)：TP3
河北科技大學(xué)學(xué)報(bào) 2021年5期2021-01-07
- 探索基于EAST與CNN的鋼材表面字符檢測與識(shí)別方法
像質(zhì)量，傳統(tǒng)字符識(shí)別和文本區(qū)域檢測方法效果會(huì)因此下降?；诖?，本文將基于EAST深度學(xué)習(xí)文本檢測器與卷積神經(jīng)網(wǎng)絡(luò)（CNN）開展研究，并介紹一種實(shí)用的鋼材表面字符檢測與識(shí)別方法，希望研究內(nèi)容能夠給相關(guān)從業(yè)人員帶來一定啟發(fā)。關(guān)鍵詞：鋼材表面;卷積神經(jīng)網(wǎng)絡(luò);字符識(shí)別前言：自動(dòng)化操作正逐漸取代鋼材生產(chǎn)企業(yè)生產(chǎn)環(huán)節(jié)中的一些人工操作，對(duì)應(yīng)保存鋼材編號(hào)與測試數(shù)據(jù)便屬于其中代表。但結(jié)合實(shí)際調(diào)研可以發(fā)現(xiàn)，現(xiàn)階段的計(jì)算機(jī)視覺方法在很多時(shí)候無法較好滿足鋼材表面字符檢測與識(shí)別需要
裝備維修技術(shù) 2020年13期2020-12-23
- 車牌字符分割與識(shí)別技術(shù)研究
字符分割; 字符識(shí)別; Radon變換; 垂直投影中圖分類號(hào)： TN911.73?34? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）19?0065?05Abstract： In view that the traditional vertical projection segmentation algorithm has the problem of
現(xiàn)代電子技術(shù) 2020年19期2020-10-13
- 車牌識(shí)別算法的設(shè)計(jì)與實(shí)現(xiàn)
圖像的定位及字符識(shí)別，實(shí)現(xiàn)對(duì)車牌的識(shí)別，從而加快社會(huì)車輛進(jìn)出場速度，避免出現(xiàn)擁堵，并在一定程度上輔助安全管理，及時(shí)發(fā)現(xiàn)違法車輛，協(xié)助安全管理。關(guān)鍵詞：深度學(xué)習(xí) ?車牌定位 ?字符識(shí)別1 引言由于計(jì)算機(jī)技術(shù)不斷發(fā)展，大數(shù)據(jù)和計(jì)算機(jī)能力等也在不斷的提升，傳統(tǒng)機(jī)器學(xué)習(xí)的模型不能很好的適應(yīng)，同時(shí)，隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展，更多層次的神經(jīng)網(wǎng)絡(luò)——深度學(xué)習(xí)被研究及應(yīng)用，所以本文選用深度學(xué)習(xí)來完成車牌圖像的識(shí)別。自動(dòng)車牌識(shí)別是一項(xiàng)具有挑戰(zhàn)性的重要任務(wù)，可用于交通管理、數(shù)字安全
數(shù)碼世界 2020年9期2020-10-12
- 基于機(jī)器視覺的輸電線路桿塔編號(hào)識(shí)別方法研究
于機(jī)器視覺的字符識(shí)別方法，先對(duì)編號(hào)圖像預(yù)處理，隨后對(duì)編號(hào)定位，提取出單個(gè)字符，最后利用BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)對(duì)提取的字符進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明，識(shí)別精度為80.6%，可以滿足特定條件下的巡檢任務(wù)，為后續(xù)輸電桿塔檢測工作的開展提供有效參考。Abstract： This paper adopts the character recognition method which is based on machine vision to i
價(jià)值工程 2020年23期2020-08-31
- 基于Qt與Arm NN的嵌入式噴碼檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
e框架的噴碼字符識(shí)別模型訓(xùn)練、利用Arm NN將識(shí)別模型引入到ARM端實(shí)現(xiàn)噴碼字符識(shí)別、識(shí)別結(jié)果處理等過程組成的噴碼檢測算法來實(shí)現(xiàn)對(duì)噴碼內(nèi)容的檢測。該系統(tǒng)還基于Qt多線程技術(shù)開發(fā)了具有完善系統(tǒng)功能的圖形應(yīng)用程序，便于現(xiàn)場生產(chǎn)人員使用。經(jīng)相關(guān)測試表明該系統(tǒng)有效可行、正檢率高，能夠滿足包裝生產(chǎn)流水線噴碼檢測的實(shí)際需求。關(guān)鍵詞：嵌入式;區(qū)域提取;字符分割;卷積神經(jīng)網(wǎng)絡(luò);Arm NN;字符識(shí)別中圖分類號(hào)：TP752? ? ? ? ? ? ? ? ? ? ? ? ?
計(jì)算技術(shù)與自動(dòng)化 2020年1期2020-04-09
- 基于卷積神經(jīng)網(wǎng)絡(luò)的水表字符識(shí)別方法研究
積神經(jīng)網(wǎng)絡(luò)的字符識(shí)別方法。傳統(tǒng)識(shí)別方法需要構(gòu)建大量模板，工作量大且容易受到外界的光線和雜物的干擾，識(shí)別準(zhǔn)確率較低?；谏疃染矸e神經(jīng)網(wǎng)絡(luò)的字符識(shí)別方法，改進(jìn)了經(jīng)典的CNN網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)造一個(gè)同時(shí)能識(shí)別字符和表盤的卷積神經(jīng)網(wǎng)絡(luò)模型。在自建的訓(xùn)練集和測試集上訓(xùn)練測試，結(jié)果表明，該方法有效地提高了水表字輪圖像識(shí)別率。關(guān)鍵詞： 卷積神經(jīng)網(wǎng)絡(luò); 智能識(shí)表; 圖像識(shí)別; 字符識(shí)別; 半字識(shí)別中圖分類號(hào)：TP389.1? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：10
計(jì)算機(jī)時(shí)代 2020年2期2020-04-05
- 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在字符識(shí)別中的應(yīng)用
行改進(jìn)并用于字符識(shí)別研究。首先采集來自互聯(lián)網(wǎng)數(shù)據(jù)集建立樣本庫，選擇合適的BP網(wǎng)絡(luò)參數(shù)，并對(duì)樣本庫數(shù)據(jù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練;接著，對(duì)待測樣本進(jìn)行預(yù)處理操作;最后，采用訓(xùn)練好的網(wǎng)絡(luò)對(duì)待測樣本進(jìn)行識(shí)別。實(shí)驗(yàn)表明：改進(jìn)算法對(duì)字符識(shí)別正確率達(dá)到了95%以上?！娟P(guān)鍵詞】預(yù)處理;字符識(shí)別;BP神經(jīng)網(wǎng)絡(luò);改進(jìn)BP神經(jīng)網(wǎng)絡(luò)中國分類號(hào)：TP301????????文獻(xiàn)標(biāo)志碼：A0?引言在人們的日常生活中，有很多的數(shù)字化信息需要進(jìn)行人工錄入，由于耗時(shí)較長并且長時(shí)間工作會(huì)引起疲勞而
- 車牌識(shí)別系統(tǒng)研究綜述
、字符分割和字符識(shí)別五部分組成。本文結(jié)合現(xiàn)實(shí)中光照、天氣等因素造成的干擾，針對(duì)每項(xiàng)技術(shù)在識(shí)別過程中經(jīng)常采用的方法展開了論述，并在此基礎(chǔ)上分析了當(dāng)前技術(shù)仍存在的一些問題以及車牌識(shí)別的未來趨勢，希望智能交通系統(tǒng)的發(fā)展有所助益。關(guān)鍵詞：智能交通;車牌定位;字符分割;字符識(shí)別Abstract：A complete license plate recognition system consists of five parts：license plate image
現(xiàn)代信息科技 2019年11期2019-10-21
- 基于彩色圖像信息的車牌自動(dòng)識(shí)別系統(tǒng)仿真研究
、字符分割及字符識(shí)別幾部分。對(duì)采集好的車牌圖像進(jìn)行圖像預(yù)處理，采用統(tǒng)計(jì)像素法對(duì)車牌圖像進(jìn)行定位，二值化已定位好的車牌圖像，對(duì)處理過的車牌圖像字符進(jìn)行分割，并采用模板匹配法對(duì)分割好的車牌字符進(jìn)行識(shí)別，同時(shí)選用100張不同場景、不同省份、不同品牌的汽車牌照，采用Matlab軟件進(jìn)行仿真實(shí)驗(yàn)。仿真結(jié)果表明，有79張汽車牌照識(shí)別正確，說明本文可以實(shí)現(xiàn)較為準(zhǔn)確的車牌識(shí)別。該研究具有一定的實(shí)際應(yīng)用參考價(jià)值。關(guān)鍵詞：車牌識(shí)別; 車牌定位; 字符切割; 字符識(shí)別汽車牌照自
- 基于OCR技術(shù)的金屬閥門表面字符識(shí)別
張忍摘要：字符識(shí)別技術(shù)作為自動(dòng)化領(lǐng)域的熱門話題，在很多行業(yè)都發(fā)揮著重要的作用。OCR技術(shù)的一般由圖像預(yù)處理，字符分割，識(shí)別三個(gè)主要部分組成。然而，此技術(shù)在金屬閥門表面的字符識(shí)別的應(yīng)用還很少。對(duì)于金屬閥門而言，表面字符的作用是用來標(biāo)識(shí)閥門型號(hào)，序列號(hào)等重要信息;在生產(chǎn)過程中，對(duì)表面字符的檢測構(gòu)成其生產(chǎn)制造的重要環(huán)節(jié)。本文中使用圖像處理和OCR技術(shù)相結(jié)合的方法，實(shí)現(xiàn)了金屬閥門表面的字符識(shí)別。首先使用工業(yè)相機(jī)和光源搭建光學(xué)系統(tǒng)來拍攝閥門原圖像。之后對(duì)獲取的圖像進(jìn)
- 基于模板匹配和SVM的車牌字符識(shí)別研究
識(shí)別過程中的字符識(shí)別問題，提出了基于模板匹配和SVM（支持向量機(jī)）的方法，這兩種方法各自有自己的特點(diǎn)，識(shí)別率都比較高。本文給出了這兩種方法的性能比較，可以在具有不同需求的情況下采用不同算法。關(guān)鍵詞：模板匹配;SVM;字符識(shí)別;性能對(duì)比1 引言隨著生活水平的提高的汽車行業(yè)的發(fā)展，家用汽車和其他類型的汽車越來越多，在很多方面造成了監(jiān)管不便的問題。汽車的車牌號(hào)就猶如人的身份證件號(hào)一樣是汽車唯一的身份識(shí)別信息，在交通系統(tǒng)，住宅小區(qū)，事業(yè)單位和學(xué)校等等許多地方為了信
汽車世界·車輛工程技術(shù)（上） 2019年4期2019-10-19
- 車輛牌照識(shí)別技術(shù)現(xiàn)狀
、字符分割和字符識(shí)別等部分，每個(gè)部分均有若干方式可以實(shí)現(xiàn)，本文先介紹了車輛牌照技術(shù)中常用的方法，再對(duì)比了各種方法之間的優(yōu)點(diǎn)和缺陷。關(guān)鍵詞：車牌識(shí)別;圖像預(yù)處理;車牌定位;字符分割;字符識(shí)別中圖分類號(hào)：TP391.41 ? ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2019）16-0078-06Abstract：Vehicle License Plate Recognition （VLPR） technology，which has the adva
現(xiàn)代信息科技 2019年16期2019-09-10
- 集裝箱箱號(hào)字符識(shí)別關(guān)鍵技術(shù)的研究
裝箱箱號(hào); 字符識(shí)別; 加權(quán)模板匹配法; 字符結(jié)構(gòu); 權(quán)值分配模板; 字符定位中圖分類號(hào)： TN919.3+2?34; TP391.41 ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2019）14?0131?04Research on key technologies for character recognition of container numbersMA Xinxin， LI Xiaop
現(xiàn)代電子技術(shù) 2019年14期2019-08-12
- 車輛管理中的車牌識(shí)別問題
;字符分割;字符識(shí)別;卷積神經(jīng)網(wǎng)絡(luò)（CNN）一、問題重述隨著智能技術(shù)的發(fā)展和成熟，很多場合開始使用智能識(shí)別技術(shù)代替人工操作，車牌自動(dòng)識(shí)別系統(tǒng)就是一種智能識(shí)別技術(shù)，該技術(shù)是一種基于計(jì)算機(jī)圖像處理的技術(shù)，在各種車輛管理系統(tǒng)中有著廣泛的應(yīng)用。試建立數(shù)學(xué)模型解決以下兩個(gè)問題。問題1：識(shí)別下圖中的車牌或其他汽車車牌。問題2：試識(shí)別附件圖片包中的汽車車牌，討論所建模型的合理性、效率。二、模型的建立與求解車輛拍照識(shí)別（License Plate Recognition，
天工 2019年2期2019-06-11
- 基于模板匹配和特征匹配的集裝箱箱號(hào)識(shí)別算法
學(xué)形態(tài)學(xué); 字符識(shí)別中圖分類號(hào)： ?U695.22;TP391.4文獻(xiàn)標(biāo)志碼： ?AAbstract：In order to achieve correct recognition of container code， a recognition algorithm based on template matching and feature matching is proposed. The collected container pictures ar
上海海事大學(xué)學(xué)報(bào) 2019年1期2019-06-10
- 基于MATLAB和升維投影法的手寫字符識(shí)別輸入系統(tǒng)
：升維投影 字符識(shí)別 MATLAB 電子白板中圖分類號(hào)：TP183 ?文獻(xiàn)標(biāo)識(shí)碼：A ?文章編號(hào)：1009-5349（2019）06-0256-02一、現(xiàn)狀及背景隨著科技時(shí)代的發(fā)展以及人們的需求，字符識(shí)別技術(shù)正在被廣泛應(yīng)用于各種領(lǐng)域，而領(lǐng)域的發(fā)展也帶動(dòng)了技術(shù)的革新?，F(xiàn)如今，與字符識(shí)別相關(guān)的技術(shù)與算法層出不窮，比如SVM、OCR、CSG等。但是這些技術(shù)在應(yīng)用上各有千秋，但我們認(rèn)為基于MATLAB與升維投影所開發(fā)出的，適用于電子白板等電子設(shè)備的的字符識(shí)別算法在
現(xiàn)代交際 2019年6期2019-05-21
- 基于機(jī)器視覺的汽車剎車片自動(dòng)檢測系統(tǒng)
、缺陷標(biāo)示、字符識(shí)別等任務(wù)。實(shí)驗(yàn)結(jié)果表明，系統(tǒng)可快速、準(zhǔn)確地識(shí)別出工件的尺寸、表面缺陷和字符。關(guān)鍵詞：機(jī)器視覺； 可編程邏輯控制器（PLC）； 尺寸測量； 缺陷檢測； 字符識(shí)別中圖分類號(hào)： TP 23 文獻(xiàn)標(biāo)志碼： A doi： 10.3969/j.issn.1005 5630.2018.03.014Abstract：In order to improve the detection efficiency and accuracy of automobil
光學(xué)儀器 2018年3期2018-10-10
- ETC系統(tǒng)中的車牌識(shí)別技術(shù)研究
、字符分割和字符識(shí)別3個(gè)部分。本文首先根據(jù)車牌的水平和垂直投影，找出一個(gè)長方形區(qū)域，定位出車牌的真實(shí)位置；然后將字符二值化為可識(shí)別的黑白圖像，采用字符間距對(duì)車牌號(hào)進(jìn)行字符分割并歸一化；最后識(shí)別字符，將取出的字符與事先建立的字符模板庫做差，為0就表示兩者之間完成了匹配。把每一個(gè)相減為0的字符保存，也即為所求的車牌。關(guān)鍵詞：車牌識(shí)別技術(shù) 字符分割 字符識(shí)別 字符模式匹配中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2018）02（a）-
科技資訊 2018年4期2018-08-07
- 基于深度學(xué)習(xí)的車牌字符識(shí)別的設(shè)計(jì)與實(shí)現(xiàn)
中，傳統(tǒng)車牌字符識(shí)別方法存在諸多不足與困難。將深度學(xué)習(xí)運(yùn)用到車牌字符識(shí)別技術(shù)中，通過大量樣本訓(xùn)練，讓深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）學(xué)習(xí)車牌字符的圖像特征，進(jìn)而自動(dòng)識(shí)別出其中的車牌字符。由于深度學(xué)習(xí)模型具有很強(qiáng)的學(xué)習(xí)能力，可克服實(shí)際應(yīng)用中諸多困難，從而提高車牌字符的識(shí)別率?！娟P(guān)鍵詞】車牌號(hào)碼識(shí)別 字符識(shí)別 深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)1 引言隨著我國現(xiàn)代化和城市化水平的不斷進(jìn)步，人們的生活水平日益提高。近年來，我國機(jī)動(dòng)車的保有量得到快速增長。這些車輛給我們的日常生活提供
電子技術(shù)與軟件工程 2018年16期2018-02-26
- 基于顏色特征與模板匹配的車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
；模板匹配；字符識(shí)別DOIDOI：10.11907/rjdk.171996中圖分類號(hào)：TP317.4文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：1672-7800（2018）001-0212-04Abstract：In order to realize the fast recognition of domestic blue and white plate， the license plate recognition method based on the colo
軟件導(dǎo)刊 2018年1期2018-02-01
- 基于OCR的字符識(shí)別的研究與實(shí)現(xiàn)
的原理、并對(duì)字符識(shí)別作了解釋與研究，提出一種基于OCR識(shí)別的文字識(shí)別方法，在對(duì)文字信息、圖像顯示以及校正過程提出了自己的算法，對(duì)文字結(jié)構(gòu)及讀寫方法進(jìn)行了分析。試驗(yàn)表明該方法具有很快的計(jì)算速率，透過試驗(yàn)可以使差錯(cuò)率控制在很低?！娟P(guān)鍵詞】OCR；文字處理；字符識(shí)別Research and Implementation of Character Recognition Based on OCR【Abstract】This paper introduces the
科技視界 2017年14期2017-10-09
- 基于LabVIEW的人民幣冠字號(hào)識(shí)別系統(tǒng)研究
bVIEW；字符識(shí)別；匹配；冠字號(hào)人民幣紙幣上的冠字號(hào)具有唯一性，對(duì)人民幣冠字號(hào)進(jìn)行識(shí)別并統(tǒng)一管理可以用于人民幣的真?zhèn)舞b別，從而在某種程度上有效打擊偽鈔犯罪。如今，在人民幣冠字號(hào)識(shí)別技術(shù)領(lǐng)域存在著神經(jīng)網(wǎng)絡(luò)、二值化法及模板匹配等識(shí)別技術(shù)，人們大都利用這些技術(shù)基于visual C++或MATLAB平臺(tái)進(jìn)行研究，設(shè)計(jì)出的系統(tǒng)具有一定的穩(wěn)定性及準(zhǔn)確率，但是過程大都比較復(fù)雜，對(duì)于用戶來說操作不是很方便。為此本文基于LabVIEW圖形化編程語言及其可視化用戶操作界面的
無線互聯(lián)科技 2017年5期2017-06-21
- 基于嵌入式的車牌識(shí)別系統(tǒng)設(shè)計(jì)
字符分割法和字符識(shí)別算法。最后對(duì)嵌入式的車牌識(shí)別系統(tǒng)的硬件功能進(jìn)行了劃分和闡述。【關(guān)鍵詞】嵌入式 車牌識(shí)別系統(tǒng) 圖像處理 字符識(shí)別1 引言隨著經(jīng)濟(jì)的發(fā)展和城市化速度的加快，汽車的數(shù)量每天都在以指數(shù)倍數(shù)遞增，同時(shí)交通事故也在與日遞增。智能交通系統(tǒng)是解決這一問題的關(guān)鍵措施之一，智能交通系統(tǒng)涵蓋了交通信息服務(wù)、交通管理、公共交通、車輛控制、貨運(yùn)管理、緊急救援等等一系列內(nèi)容。其中車牌識(shí)別系統(tǒng)是智能交通系統(tǒng)中一項(xiàng)很重要的內(nèi)容，對(duì)它的研究可以維護(hù)我國交通的順暢和安全，
電子技術(shù)與軟件工程 2017年9期2017-06-03
- 基于機(jī)器視覺的SD卡包裝字符識(shí)別系統(tǒng)研究
的SD卡包裝字符識(shí)別系統(tǒng)。設(shè)計(jì)了圖像處理與圖像識(shí)別方法，提出了基于對(duì)角線中點(diǎn)的區(qū)域定位方法，利用投影直方圖進(jìn)行特征提取，通過計(jì)算巴氏距離相似度對(duì)區(qū)域內(nèi)數(shù)字字符進(jìn)行識(shí)別。搭建了SD卡包裝視覺檢測系統(tǒng)平臺(tái)。實(shí)驗(yàn)表明，本系統(tǒng)能有效對(duì)不同容量大小的SD卡包裝進(jìn)行識(shí)別與分類，并有較高的準(zhǔn)確率。關(guān)鍵詞：機(jī)器視覺；邊緣檢測；投影直方圖；字符識(shí)別中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）03-0170-02Research on SD
電腦知識(shí)與技術(shù) 2017年3期2017-03-27
- 基于Hadoop平臺(tái)的圖像識(shí)別
oop平臺(tái)以字符識(shí)別為例建立圖像識(shí)別系統(tǒng)。所設(shè)計(jì)的系統(tǒng)在借鑒云平臺(tái)高擴(kuò)展性以及高效性等優(yōu)勢的基礎(chǔ)上，有效地解決了傳統(tǒng)字符識(shí)別系統(tǒng)在計(jì)算效率以及數(shù)據(jù)處理方面所存在的不足。通過實(shí)例驗(yàn)證了基于Hadoop平臺(tái)進(jìn)行圖像識(shí)別相比單機(jī)圖像識(shí)別系統(tǒng)具有更高的效率：在僅具有2個(gè)節(jié)點(diǎn)的Hadoop圖像識(shí)別平臺(tái)上進(jìn)行字符圖像的識(shí)別時(shí)，由于節(jié)點(diǎn)數(shù)較少，在2臺(tái)計(jì)算機(jī)中消耗的數(shù)據(jù)交換時(shí)間使得Hadoop圖像識(shí)別平臺(tái)進(jìn)行圖像識(shí)別的總時(shí)間甚至超過了單臺(tái)計(jì)算機(jī)所使用的時(shí)間，而在具有4個(gè)節(jié)
現(xiàn)代電子技術(shù) 2017年4期2017-03-23
- 基于MATLAB的車牌識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)
；車牌分割；字符識(shí)別；MATLAB仿真Research and Implementation of License Plate Recognition System Based on MATLABWANG Hai-tao CHEN Yan-li PENG Hao（School of Information Science and Engineering，Hunan International Economics University，Changsha Hu
科技視界 2016年27期2017-03-14
- 車牌識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
、字符分割和字符識(shí)別是車牌識(shí)別系統(tǒng)的五大環(huán)節(jié)也是該文研究的重點(diǎn)。其中，車牌字符分割模塊、車牌定位模塊、字符分割模塊，這三大模塊是該課題重點(diǎn)研究的內(nèi)容。該文通過系統(tǒng)交通圖像的特點(diǎn)對(duì)這3部分的技術(shù)進(jìn)行了深入研究。車牌的定位是指在圖像中提取車輛車牌范圍內(nèi)的圖像，一旦車牌的定位系統(tǒng)有誤差將直接影響到后面字符的分割與字符的識(shí)別，這是車牌定位系統(tǒng)的關(guān)鍵所在。字符的分割，每個(gè)字符的分割位置都需要通過相關(guān)的投影信息來確定位置。字符的識(shí)別是將字符進(jìn)行分類，把漢字、數(shù)字字母及
科技創(chuàng)新導(dǎo)報(bào) 2016年25期2017-03-13
- 基于深度學(xué)習(xí)法的視頻文本區(qū)域定位與區(qū)別
算法與形態(tài)學(xué)字符識(shí)別方法相結(jié)合，不但能夠?qū)崿F(xiàn)對(duì)視頻圖像文本區(qū)域的準(zhǔn)確定位，還有利于提高字符識(shí)別的效率和準(zhǔn)確率。關(guān)鍵詞：深度學(xué)習(xí)算法；視頻圖像；文本區(qū)域定位；形態(tài)學(xué)去噪；字符識(shí)別DoI：10.15938/j.jhust.2016.06.012中圖分類號(hào)：TP391.43文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1007-2683（2016）06-0061-060.引言視頻中的文字檢測與識(shí)別是視頻圖像檢測領(lǐng)域的一項(xiàng)重要研究內(nèi)容.在復(fù)雜背景下，視頻文本的準(zhǔn)確定位與識(shí)別有利于進(jìn)行視
哈爾濱理工大學(xué)學(xué)報(bào) 2016年6期2017-02-21
- 基于深度學(xué)習(xí)法的視頻文本區(qū)域定位與區(qū)別
算法與形態(tài)學(xué)字符識(shí)別方法相結(jié)合，不但能夠?qū)崿F(xiàn)對(duì)視頻圖像文本區(qū)域的準(zhǔn)確定位，還有利于提高字符識(shí)別的效率和準(zhǔn)確率。關(guān)鍵詞：深度學(xué)習(xí)算法；視頻圖像；文本區(qū)域定位；形態(tài)學(xué)去噪；字符識(shí)別DoI：10.15938/j.jhust.2016.06.012中圖分類號(hào)：TP391.43文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1007-2683（2016）06-0061-060.引言視頻中的文字檢測與識(shí)別是視頻圖像檢測領(lǐng)域的一項(xiàng)重要研究內(nèi)容.在復(fù)雜背景下，視頻文本的準(zhǔn)確定位與識(shí)別有利于進(jìn)行視
哈爾濱理工大學(xué)學(xué)報(bào) 2016年6期2017-02-21
- 徑向基神經(jīng)網(wǎng)絡(luò)算法在車牌字符識(shí)別中的應(yīng)用
絡(luò)算法在車牌字符識(shí)別中的應(yīng)用劉智(廣西科技大學(xué) 網(wǎng)絡(luò)與現(xiàn)代教育技術(shù)中心， 廣西 柳州 545006)提出一種基于徑向基網(wǎng)絡(luò)的汽車車牌字符識(shí)別算法.在預(yù)處理階段，采用灰度化、自適應(yīng)閾值分割去除圖像噪聲并增強(qiáng)圖像對(duì)比度；在字符分割階段，采用極限元素位置確定法實(shí)現(xiàn)獨(dú)立字符分割；在字符識(shí)別階段，利用自行構(gòu)建的字符子塊圖像庫對(duì)徑向基神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練.選取基于反向傳播(BP)神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法和基于支持向量機(jī)(SVM)的字符識(shí)別算法與文中方法進(jìn)行比較.實(shí)驗(yàn)結(jié)果表明
- 融合字符及字符排列特征的銘牌識(shí)別方法
： 傳統(tǒng)銘牌字符識(shí)別主要通過計(jì)算銘牌字符圖片的灰度平均值來判定，由于銘牌字符具有筆畫方向特征、輪廓特征，同時(shí)字符之間存在著一定的排列特征。提出融合字符及字符排列特征的銘牌識(shí)別方法，首先對(duì)銘牌字符圖片分別進(jìn)行橫、豎、撇三個(gè)方向上的小波變換，求出三個(gè)方向上的小波平均能量，再提取出字符的邊緣方向直方圖，以小波平均能量和邊緣方向直方圖構(gòu)成特征向量，用支持向量機(jī)分類器訓(xùn)練并構(gòu)建候選字符識(shí)別模型，得到候選字符，然后利用銘牌字符排列特點(diǎn)和銘牌的樣本數(shù)據(jù)訓(xùn)練構(gòu)建N階馬爾科
現(xiàn)代電子技術(shù) 2016年22期2016-12-26
- 基于自動(dòng)智能分類器的圖書館亂架圖書檢測
脊定位分割、字符識(shí)別、語義特征提取以及分類判決等環(huán)節(jié)，實(shí)現(xiàn)了自動(dòng)高效的圖書亂架檢測。實(shí)驗(yàn)數(shù)據(jù)表明本文提出的檢測算法能達(dá)到近98%的檢測準(zhǔn)確率，并且還具備速度快、幾乎不需要人工干預(yù)等優(yōu)勢，能大大降低圖書館日常圖書清點(diǎn)工作的勞動(dòng)強(qiáng)度。關(guān)鍵詞：圖書館；亂架檢測；圖像分割；字符識(shí)別；深度學(xué)習(xí)中圖分類號(hào)：TB文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.19311/j.cnki.16723198.2016.25.0871概述利用現(xiàn)代智能處理技術(shù)特別是用計(jì)算機(jī)代替人們自動(dòng)的去處理大量的
現(xiàn)代商貿(mào)工業(yè) 2016年25期2016-12-26
- 一種基于OpenCV的車牌識(shí)別方法
分割算法。在字符識(shí)別階段，提出結(jié)合投影和網(wǎng)格的字符特征提取方法，并利用4個(gè)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行字符識(shí)別。實(shí)驗(yàn)表明，該方法定位率高，字符識(shí)別快速準(zhǔn)確，具有較強(qiáng)的魯棒性和實(shí)用性。關(guān)鍵詞：車牌定位；字符分割；字符識(shí)別；BP神經(jīng)網(wǎng)絡(luò)DOIDOI：10.11907/rjdk.161821中圖分類號(hào)：TP317.4文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)文章編號(hào)：16727800（2016）0110193030 引言隨著汽車工業(yè)的迅猛發(fā)展，人們?cè)谙硎苘囕v帶來便利的同時(shí)，也面臨著日益嚴(yán)重的
軟件導(dǎo)刊 2016年11期2016-12-22
- 一種實(shí)用的金融票據(jù)框線去除算法
除表格框線對(duì)字符識(shí)別的干擾。隨著計(jì)算機(jī)運(yùn)算速度和存儲(chǔ)容量的迅速提高，表格識(shí)別系統(tǒng)的掃描輸入圖像開始采用灰度圖像和彩色圖像。該文提出了一種基于彩色圖像的表格框線去除算法，由于利用了圖像中的彩色和灰度信息，能更好地排除表格框線對(duì)字符識(shí)別的干擾。該方法目前已成功地應(yīng)用于銀行票據(jù)識(shí)別系統(tǒng)中。關(guān)鍵詞：字符識(shí)別； 金融票據(jù)； 框線去除； 色差中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）23-0148-03Abstract： Char
電腦知識(shí)與技術(shù) 2016年23期2016-11-02
- 視頻圖像中文本檢測和提取技術(shù)研究
應(yīng)閾值分割；字符識(shí)別；模板匹配一. 引言近些年來，科學(xué)技術(shù)的更新速度不斷加快，科學(xué)方法日益創(chuàng)新。與此同時(shí)，多媒體數(shù)據(jù)庫和多媒體信息檢索的發(fā)展使得視頻、音頻和圖像在我們的生活中扮演著越來越重要的角色。面對(duì)海量的視頻和圖像資源，有效快速的在海量的數(shù)據(jù)中檢索和訪問[1]到我們所需要的信息變得十分有意義。正在此背景下，解決上述問題產(chǎn)生的視頻圖像文本檢測成為熱點(diǎn)，因此本文開始對(duì)此展開研究。二. 視頻圖像中文本分類視頻圖像中的文本根據(jù)是否進(jìn)行過后期制作所嵌入的文本或者
科學(xué)與財(cái)富 2016年9期2016-10-21
- 基于MATLAB的圖片中字符的分割與識(shí)別
本文主要介紹字符識(shí)別的基本原理，并且利用MATLAB工具軟件實(shí)現(xiàn)圖片中字符的分割和識(shí)別，對(duì)于滿足一定要求的圖片可以實(shí)現(xiàn)字符的分割與識(shí)別 ，通過圖像讀取，圖像預(yù)處理，圖像投影，字符分割，字符識(shí)別五個(gè)步驟實(shí)現(xiàn).關(guān)鍵詞：圖像預(yù)處理；字符分割；字符識(shí)別Abstract：this paper mainly introduces the basic principle of character recognition， and using MATLAB tool so
科學(xué)與財(cái)富 2016年28期2016-10-14
- 基于字典學(xué)習(xí)與稀疏表達(dá)分類的低質(zhì)量字符識(shí)別*
分類的低質(zhì)量字符識(shí)別*郝寧波1,2廖海斌3?楊杰1(1.武漢理工大學(xué) 信息工程學(xué)院, 湖北 武漢 430070; 2.黃淮學(xué)院 國際學(xué)院, 河南 駐馬店 463000;3.湖北科技學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院, 湖北 咸寧 437100)摘要:為解決低質(zhì)量字符中的斷筆、噪聲和模糊問題,以及不同字體與字號(hào)的字符識(shí)別問題,提出了基于字典學(xué)習(xí)與稀疏表達(dá)分類的低質(zhì)量字符識(shí)別方法.首先,收集不同字體和字號(hào)的字符樣本構(gòu)建字符超完備字典;然后,對(duì)測試字符進(jìn)行稀疏表達(dá)建模,
- 基于人工神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別探究
；模糊著色；字符識(shí)別0 引言隨著科技的進(jìn)步人們生活水平的提高，私家車的數(shù)量也正在日益增加。在城市車輛管理中對(duì)車輛及其車牌的識(shí)別要求越來越多，為了能夠快速準(zhǔn)確的識(shí)別車牌號(hào)碼，多數(shù)學(xué)者將目光轉(zhuǎn)向以計(jì)算機(jī)為基礎(chǔ)的自動(dòng)車牌識(shí)別系統(tǒng)的開發(fā)［1］。在這項(xiàng)研究中，本文提出了一個(gè)較為高效的基于人工神經(jīng)網(wǎng)絡(luò)的自動(dòng)車牌牌照識(shí)別系統(tǒng)，系統(tǒng)由三部分組成，首先從車牌圖像中對(duì)車牌區(qū)域進(jìn)行定位，然后從車牌圖像中分割出車牌圖像，最后識(shí)別出車牌圖像的分割特征。1 板塊區(qū)域定位車牌識(shí)別系統(tǒng)的
山東工業(yè)技術(shù) 2016年13期2016-06-29
- 基于DM642的車牌識(shí)別系統(tǒng)
；字符分割；字符識(shí)別車牌自動(dòng)識(shí)別系統(tǒng)在城市智能交通管理系統(tǒng)中發(fā)揮著重要作用。車牌識(shí)別技術(shù)主要有兩種模式：一是以射頻識(shí)別(RadioFrequencyIdentification,RFID)為基礎(chǔ)的無接觸式智能卡識(shí)別[1]，一是基于圖像的車牌智能識(shí)別[2-4]。以RFID為基礎(chǔ)的車牌識(shí)別方式，識(shí)別準(zhǔn)確度高，運(yùn)行可靠，但設(shè)備價(jià)格較為昂貴，硬件較為復(fù)雜，每輛車需安裝車上單元，實(shí)施成本較高?；趫D像的車牌識(shí)別技術(shù)，無需要安裝車上單元，價(jià)格優(yōu)勢明顯，實(shí)施簡單，另外，
西安郵電大學(xué)學(xué)報(bào) 2016年3期2016-06-29
- 紙幣冠字號(hào)提取的方法研究
提取作為光學(xué)字符識(shí)別的一個(gè)重要研究方向，能夠準(zhǔn)確地識(shí)別出紙幣中的冠字號(hào)具有重要意義，本文主要利用HALCON軟件對(duì)紙幣冠字號(hào)的提取方法進(jìn)行探究，實(shí)驗(yàn)結(jié)果表明本文方法能夠準(zhǔn)確提取出紙幣冠字號(hào)。關(guān)鍵詞 冠字號(hào) HALCON 字符識(shí)別中圖分類號(hào)：TP391.43 文獻(xiàn)標(biāo)識(shí)碼：A0引言人民幣上的冠字號(hào)是指紙幣左下角的一串編碼，冠字號(hào)可以作為每張紙幣的“身份”信息。目前大多數(shù)銀行的ATM機(jī)上，可以實(shí)現(xiàn)對(duì)100元面額人民幣冠字號(hào)的查詢，通過自動(dòng)識(shí)別檢測對(duì)紙幣進(jìn)行判定，
科教導(dǎo)刊·電子版 2016年15期2016-06-25
- 基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的車號(hào)識(shí)別算法
高。關(guān)鍵詞：字符識(shí)別 卷積神經(jīng)網(wǎng)絡(luò) 復(fù)雜光照 深度學(xué)中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2016）07-0126-011 相關(guān)背景近兩年，深度網(wǎng)絡(luò)[1]正成為模式識(shí)別與人工智能領(lǐng)域的一個(gè)重要方向，其中又以卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks， CNN）[2]等為熱點(diǎn)，應(yīng)用于目標(biāo)檢測、人臉識(shí)別等領(lǐng)域。它通過卷積層和下采樣層兩個(gè)特殊結(jié)構(gòu)來實(shí)現(xiàn)特征提取過程。能解決傳統(tǒng)算法對(duì)夜間車號(hào)圖像識(shí)別
數(shù)字技術(shù)與應(yīng)用 2016年7期2016-05-14
- 基于圖像處理的水位信息自動(dòng)提取技術(shù)
板匹配法實(shí)現(xiàn)字符識(shí)別，并運(yùn)用最長等差數(shù)列法對(duì)識(shí)別結(jié)果進(jìn)行優(yōu)化校正；最后根據(jù)識(shí)別結(jié)果，分不同情況計(jì)算出水尺讀數(shù)。實(shí)驗(yàn)結(jié)果表明，該方法識(shí)別信息的正確性和精確性較高，可滿足實(shí)際應(yīng)用需求。關(guān)鍵詞：圖像處理；字符識(shí)別；水尺圖像；水位信息；matlab；自動(dòng)提取0 引言通過安裝水尺進(jìn)行水位量測，具有讀數(shù)穩(wěn)，抗干擾，費(fèi)用低，壽命長等優(yōu)點(diǎn)，因而得到廣泛應(yīng)用。但這種方法需要人工讀數(shù)，受環(huán)境和人為因素的影響較大，在環(huán)境惡劣的情況下，觀測不便，水位監(jiān)測實(shí)時(shí)性和觀測人員的人身安全
水利信息化 2016年1期2016-03-25
- 基于圖像處理技術(shù)的車牌識(shí)別研究
圖像分割； 字符識(shí)別中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-2163（2016）01-Abstract：This paper discusses the application of license plate recognition during image processing technology，including image preprocessing gray processing， binarization process
智能計(jì)算機(jī)與應(yīng)用 2016年1期2016-03-02
- 基于HALCON的車牌識(shí)別技術(shù)研究
ALCON；字符識(shí)別收稿日期：2014-11-03;修改稿收到日期:2015-02-24E-mail:lijinlong0217@126.com基金項(xiàng)目:甘肅省科技支撐計(jì)劃資助項(xiàng)目(1104GKCA032)；甘肅省自然科學(xué)基金資助項(xiàng)目(096RJZA084)；蘭州工業(yè)學(xué)院青年科技創(chuàng)新計(jì)劃資助項(xiàng)目(14K-010)作者簡介：李錦瓏(1986—)，女，甘肅慶陽人，講師，碩士.主要研究方向?yàn)橹悄苄畔⑻幚?中圖分類號(hào)：TP 391.41文獻(xiàn)標(biāo)志碼：標(biāo)志碼：A文章編
- 淺談“小波分析及其應(yīng)用”課程中教學(xué)案例的設(shè)計(jì)與實(shí)施
稀疏表示進(jìn)行字符識(shí)別的教學(xué)案例.除案例框架之外，文中還介紹了案例教學(xué)的實(shí)施，包括課堂內(nèi)容的選擇、課后擴(kuò)展研討及組織形式等，以期能為其他研究生數(shù)學(xué)公共課程教學(xué)提供有益參考.[關(guān)鍵詞]案例教學(xué)； 小波分析； 稀疏表示； 字符識(shí)別[收稿日期]2014-09-21[基金項(xiàng)目]國防科技大學(xué)研究生數(shù)學(xué)公共課一流課程體系建設(shè)項(xiàng)目;國防科技大學(xué)研究生教育教學(xué)改革研究課題(yjsy2014023)[中圖分類號(hào)]O174；G642[文獻(xiàn)標(biāo)識(shí)碼]C1案例教學(xué)在研究生數(shù)學(xué)公共課程
大學(xué)數(shù)學(xué) 2015年3期2016-01-06
- 圖像處理實(shí)踐課競賽式教學(xué)軟件平臺(tái)構(gòu)建研究
：圖像處理；字符識(shí)別；競賽式教學(xué)中圖分類號(hào)：G642.0 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-9324（2015）09-0254-02一、引言競賽式教學(xué)模式是指在課堂上按照一定的比賽規(guī)則，借鑒體育比賽的方法，組織課堂教學(xué)的一種形式。目前已有許多專家、學(xué)者、一線教師開展過競賽式教學(xué)的研究，國內(nèi)已開展過電工電子綜合設(shè)計(jì)、電機(jī)、數(shù)據(jù)結(jié)構(gòu)等課程的競賽式教學(xué)。但是圖像處理方面的競賽式教學(xué)目前尚未發(fā)現(xiàn)有人開展過。數(shù)字圖像處理實(shí)踐課是作者所在單位的專業(yè)碩士的一門實(shí)踐課。
教育教學(xué)論壇 2015年9期2015-12-09
- 基于MATLAB的車牌識(shí)別系統(tǒng)的研究
；字符分割；字符識(shí)別；MATLAB；第一章圖像讀取及車牌區(qū)域提取1.1圖像的采集與轉(zhuǎn)換考慮到現(xiàn)有牌照的字符與背景的顏色搭配一般有藍(lán)底白字、黃底黑字等，利用不同的色彩通道就可以將區(qū)域與背景明顯地區(qū)分出來。例如，對(duì)藍(lán)底白字這種最常見的牌照，采用藍(lán)色B通道時(shí)牌照區(qū)域?yàn)橐涣恋木匦危普兆址趨^(qū)域中并不呈現(xiàn)。因?yàn)樗{(lán)色（255，0，0）與白色（255，255，255）在B通道中并無區(qū)分，而在G、R通道或是灰度圖像中并無此便利?；叶葓D見圖1-1。對(duì)于將彩色圖像轉(zhuǎn)換成灰
中學(xué)生導(dǎo)報(bào)·教學(xué)研究 2015年1期2015-10-21
- 字符識(shí)別算法在車牌識(shí)別系統(tǒng)中的應(yīng)用研究
定位后的車牌字符識(shí)別算法為研究對(duì)象，分析基于模板匹配的字符識(shí)別算法和基于神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法，將車牌字符進(jìn)行分割處理，詮釋字符識(shí)別算法在車牌識(shí)別系統(tǒng)中的應(yīng)用。關(guān)鍵詞：車牌識(shí)別；字符識(shí)別算法；字符分割；字符識(shí)別中圖分類號(hào)：TP391.4車牌識(shí)別系統(tǒng)是根據(jù)車牌特征進(jìn)行信息采集的一種自動(dòng)化應(yīng)用系統(tǒng)，在車牌識(shí)別系統(tǒng)識(shí)別車牌過程中需要經(jīng)歷圖像采集、預(yù)處理、二值化、車牌定位、字符定位、字符分割和字符識(shí)別等過程，本文對(duì)車牌識(shí)別系統(tǒng)定位后的字符識(shí)別算法在車牌識(shí)別系統(tǒng)中的
計(jì)算機(jī)光盤軟件與應(yīng)用 2014年24期2014-10-21