带有手写干扰的印刷体数字识别

首先提出黑白特征分离（即黑白特征局部和整体分离提取特征的思想）和一种ＢＰ神经网络的快速收敛算法及训练策略，并在此基础上构造了５种独立的识别模块．应用加权表决方法设计了识别带有手写干扰的印刷体数字及一些特殊字符的综合方法，取得了理想的效果．

印刷体数字快速识别算法在身份证编号数字识别中的应用

探讨了一种印刷体数字快速识别的算法及该算法在身份证图像编号数字识别中的应用,该算法根据印刷体数字字符结构,抽取数字特征；然后根据这些特征构造编码器，进行编码识别。实验表明该算法速度快，精度高，抗干扰性强。

基于多特征的印刷体数字识别

采用特征识别的方法,提取数字的区域像素、水平过线、垂直过线三大方面的17个特征值对印刷体数字进行识别。利用MATLAB进行仿真实验,实验结果表明该识别方法简单,识别率高,速度快,抗干扰性强,对于不同字体、字形、字号的印刷体数字,能够快速准确识别,具有广泛的用途。

基于神经网络的印刷体数字字符的识别

提出了一种基于BP网络的印刷体数字字符的识别方法。通过对BP网络的研究与学习,设计了一种结构合理,收敛速率快的BP网络。实验结果表明,该方法对标准的印刷体数字字符的识别率达到了100%,对有1～3度倾斜角度的字符识别率也达到了96%以上。

一种基于交点特征的印刷体数字识别方法

为了进一步提高印刷体的数字识别准确率,提出了一种基于交点特征和径向基函数神经网络的数字识别方法。首先利用交点特征对数字进行特征提取,即提取某一数字的划水平线得到的交点数作为水平特征分量,提取划垂直线得到的交点数作为垂直特征分量,将水平特征向量与垂直特征向量组合成数字的交点特征向量;然后利用径向基函数神经网络学习不同模式类别中的学习样本,学习过程完成后,利用此网络对样本进行识别。实验结果表明,该数字识别方法在印刷体数字识别中正确率可达到100%,处理效果良好。

切线距离在印刷体数字识别中的应用

本文将切线距离(Tangent Distance)应用于印刷体数字识别,它比传统的欧氏距离方法更有效的解决了失真变形字符的识别问题。由于合理地选择切线向量的主向和数量,使切线距离的作用充分体现,取得了良好的识别效果。该方法在银行支票识别中得到实际应用。

基于弧向判别法的不规则数码脱机识别技术

文章从不规则数码的特征出发,提出了一种识别方法———弧向判别法,结合有圆和无圆两种情况,对有平滑特征的符号识别提出了一种可行的识别方法,对0～9十个数码的正确识别率达90～100%的水平。

基于胸卡识别的网络考勤系统

分析了现有考勤方式的不足,提出基于图像的非接触性考勤方法.文中给出基于胸卡识别的考勤系统的体系结构和功能,并详细论述了图像捕捉、胸卡和编号的分割、以及采用多特征抽取和编码器结合对编号进行识别的方法,进行职工身份识别,达到考勤的目的.

基于迁移学习的发票号码识别研究

财务系统中的发票管理长期以来严重依靠人力,并存在一定的失误率,且目前一些发票识别方法存在准确率不高、数字识别实时性不足等问题。鉴于此,基于已有较成熟的手写体数字识别工作,从迁移学习思想和方法入手,设计一种能准确快速识别发票号码的新方法。选取迁移学习的3种具体方法,即Tradaboost、微调和卷积神经网络提取特征并运用于SVM,分别应用于数字识别模块。通过大量测试和比对,结果表明,第3种方法即采用CNN结合SVM的算法在实验中能达到99.75%的准确率,且识别速度快,具有较好的稳定性、鲁棒性。