基于字典学习的模糊车牌中文字符识别

车牌识别技术已经是一项非常成熟的技术。而车牌当中的中文字符由于笔画比较复杂且位置较偏导致拍摄条件受限,得到的车牌中文字符图像质量不佳,往往较难辨认,从而给车牌识别工作尤其是车牌中文字符识别带来了极大困难。文中采用基于费希尔判别准则的字典学习方法来提取中文字符的特征,为了从不同的角度对中文字符提取特征,用不同的训练样本训练三个字典学习模型,将车牌中文字符样本分别通过训练好的三个字典学习模型,从而形成三种残差信息,用Softmax对三种残差信息进行整合,最终得到识别结果。通过实际测试表明,由于文中采用了更加具有区分能力的基于费希尔判别准则的字典模型,且采用三种不同的字典学习模型同时对同一个中文字符进行特征提取,与传统的中文识别方法相比,该方法对模糊车牌中文字符具有较好的识别效果。

高性能的车牌识别系统(英文)

描述了一个车辆牌照识别系统 .该系统首先利用车辆位置传感器和图像采集卡来自动获取车辆图像并传输至计算机 ,然后识别车牌字符 .结合网络技术 ,特定车牌信息和车辆图像可以很方便地从远端检索到 .文中介绍了该系统的结构及工作流程 ,以及两种字符的识别方法 :基于PCA LSM的有限中文字符识别方法和基于结构特征分析的字母及数字字符识别方法 .在实际应用环境下 ,该系统的日间整体识别率超过 97% ,夜间整体识别率超过 95 %

基于深度学习的电子物流票据信息分割与识别

针对中文电子物流票据中存在大量含有左右结构的中文字体,无法采用目前投影分割算法实现准确分割,提出了结合深度学习的电子物流票据分割和识别方法.首先,通过投影分割计算出每一个字符的宽度数据;然后针对所有的宽度数据进行聚簇为2的K-Means聚合,计算出正常与非正常字符的宽度范围;再使用卷积网络对非正常字符集进行识别,并对其中的偏旁进行准确组合,最后将完整的中文字符送进VGG16深度网络模型中进行识别.通过实验证明,我们提出的方法有效提高了整体字符分割的准确率,在识别方面,VGG16网络对于中文字体的识别准确率达99.9%.

Information Moment for Chinese Character Recognition

Moment invariants firstly introduced by M. K Hu in 1962, has some shortcomings. After counting a large number of statistical distribution information of Chinese characters,the authors put forward the concept of information moments and demonstrate its invariance to translation,rotation and scaling.Also they perform the experiment in which information moments compared with moment invaiants for the effects of similar Chinese characters and font recognition.At last they show the recognition rate of 88% by information moments,with 70% by moment inariants.