基于轻量级UNet的复杂背景字符语义分割网络

针对传统复杂背景字符分割算法的不足,提出了一种基于轻量级UNet的复杂背景字符语义分割网络.网络结构基于UNet,在特征提取模块中,将传统卷积变为深度可分离卷积,减少了网络特征提取模块的参数量以及计算量,并引入残差学习模块解决网络退化问题.在自制数据集以及H-DIBCO2018公开数据集上展开实验,并与FCN8s、AttationUNet和UNet进行比较.实验结果表明:所提出的网络可同时兼顾计算效率与分割精度,具有实用性.

多状况药品标签日期定位及字符分割方法

药品生产日期和有效期的检测对病人的安全用药有重要影响,而日期字符定位和分割处理直接决定着药品日期自动识别效果。针对含有粘连、断裂等特殊情况的印刷日期字符,提出了一种理想与特殊情况的药品标签日期定位及字符分割方法。首先通过统计行像素灰度变化和列向量距离最大值对日期区域进行定位分割,接着通过投影法判断字符是否有粘连、断裂情况,然后重复投影分割和区域宽度统计对有粘连、断裂的特殊字符进行分割。实验结果表明,文中方法能够有效地对特殊情况的药品标签进行精确的日期定位及字符分割。

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0.15 ms,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。

基于改进滴水算法的芯片图像粘连字符分割

为克服粘连字符对芯片字符识别的影响,提出一种基于改进滴水算法的粘连字符分割方法。在芯片图像进行必要的预处理后,提取单张芯片的标准字符信息,利用水平投影和连通域分析提取粘连区域。通过垂直投影和上下轮廓得到上下轮廓极值点;分别以粘连区域左右两端为起点,利用标准字符信息对极值点进行筛选,选取方差较小的一组作为候选分割点;通过分割点对应关系补齐遗漏的有效分割点;上下有效分割点分别作为水滴起始点和终止点,定义新的滴落路径对粘连字符进行分割。实验结果表明,该算法可有效解决芯片图像的字符粘连问题,并且在分割精准度上拥有良好的表现。

一种基于模板匹配的车牌字符自动识别算法

针对现有车牌识别算法存在的环境适应性差,识别正确率低和识别时间过长的问题,提出了一种基于模板匹配的车牌字符自动识别算法。将所采集的车牌图像进行车牌定位、车牌预处理、车牌分割,实现车牌准确识别。车牌定位采用基于颜色的定位方式,并搜索区域内有效像素,保证定位成功。为了提升去噪性能,车牌预处理过程中采用了离散余弦变换和形态学处理技术。为了提高分割精度,利用水平投影获取上下边界,再利用垂直投影获取字符宽度后分割。最后采用模板匹配法识别车牌字符,缩短了识别时间。实验表明该算法运行时间短,识别正确率达到100%。

一种快速的车牌定位及字符分割方法

该文提出一种快速的车牌定位及字符分割方法。首先对采集的图像进行降分辨率,在降分辨率后的图像中进行车牌区域粗定位,在进行字符分割时再将车牌位置映射回原图中,提高算法的时间效率。车牌定位时基于颜色信息进行定位,最后基于垂直投影和排序方法对车牌中的字符进行分割。

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。

质量退化的车牌字符分割方法

提出一种车牌字符分割方法 首先 ,进行光照不均校正、对比度增强和倾斜校正 ;其次 ,对字符外轮廓垂直距离采用尺度自适应三次B样条小波变换进行字符的粗分割 ;最后 ,应用基于目标占有率模板匹配的字符识别反馈进行字符的精分割 实验结果表明 ,文中方法对光照不均、对比度较小、倾斜、污迹。

基于差分投影与优割字符的车牌字符分割

针对车牌字符分割提出一种基于差分投影与优割字符的车牌字符分割算法.该方法利用水平差分投影图进行倾斜校正和水平切割,使得倾斜校正和水平切割同时进行,在降低算法的复杂度的同时提高了水平定位精确度.然后,结合垂直投影和连通域算法寻找车牌的优割字符,生成滑动的分割模板进行字符的垂直分割,有效地解决了字符粘连、断裂情况下字符识别问题.实验证明该方法分割速度快,分割质量好,对于模糊车牌识别具有自学习品质和很强的抗干扰性能.

复杂背景下的车牌定位和字符分割研究

提出了一种综合边缘检测、投影特征的车牌定位方法和基于垂直投影及模板匹配的字符分割方法,提取车牌灰度图像边缘,实验结果显示该算法检测边缘的速度快,车牌区域轮廓清晰,采用投影法确定车牌区域,用HOUGH变换检测倾斜角度进而对倾斜的车牌进行矫正,通过字符分割算法对车牌字符进行切割,有效地解决了复杂环境的干扰、车牌尺寸变化等问题。对不同背景下的光照车牌进行了大量实验,结果表明该算法能准确地进行车牌定位以及字符分割,具有较好的鲁棒性。

车牌识别中先验知识的嵌入及字符分割方法

针对车牌字符分割过程中先验知识嵌入困难,分割过程对于前期车牌定位依赖较强的问题,提出了一种新的先验知识嵌入方法及其对应的字符分割算法。给定一种类型的车牌,利用字符的可能排列方式定义马尔可夫链中的状态,可以将车牌字符分割转化为一组马尔可夫链的前向识别过程。结合连通分量提取及垂直投影分割算法,可以有效地获取车牌的最优分割结果及其置信度。在实际应用中,该算法不依赖于前期的精确定位,对粗定位后的图像即可进行快速有效地分割。该方法统一了不同类型车牌的先验知识嵌入方法,降低了编码复杂度。在中国车牌及马来西亚车牌上的实验结果均证明,该方法有效地提高了车牌字符分割的性能。

一种新的面向字符分割的车牌图像预处理方法

首先进行图像增强以滤除噪声、校正不均匀光照 ,增强对比度 ,然后分析了车牌的倾斜模式 ,提出了一种新的车牌倾斜校正方法。该方法采用水平和垂直边缘检测结合旋转投影求取车牌的水平和垂直倾斜角度并通过垂直边缘检测进行上下位置精定位 ,对水平倾斜的车牌进行双线性插值旋转校正 ,对垂直倾斜的车牌进行双线性插值错位偏移校正。实验结果表明 ,该方法简单实用 ,对光照不均、低对比度。

复杂背景下彩色图像车牌提取与字符分割技术

车牌图像分割是车辆牌照自动识别系统的关键部分 .本文提出和提取了车牌标准模式的多种重要特征 ,综合利用数学形态学运算、连通域形状测量和彩色图像分析 ,有效地解决了复杂背景下提取车牌的问题 ,并实现了牌照的倾斜校正和边框线与铆钉去除 ,最后分离出牌照的各个字符 .实验表明该技术方案在实时性、鲁棒性和正确率都达到实用技术指标 .

一种基于汉字结构特征的车牌照字符分割方法

提出了一种基于汉字结构特征的车牌照字符分割方法。该方法首先找到汉字的主体部件,然后根据汉字上下、左右、包围结构找到组成汉字的其它部件,并结合汉字识别结果对分割得到的汉字进行确定。最后,根据车牌字符串的结构特征找到其它字符。特殊车牌图像,要对字符和字符、字符和边界粘连的情况进行分裂,对部分字符进行合并。而且本方法还可以对定位出现车牌字符丢失情况进行重新定位,找到丢掉的字符。对大量车牌图像字符的分割,试验结果证明,该方法能够达到准确分割出车牌图像中字符的目的。

基于投影特征值的车牌字符分割算法

在车牌先验知识的基础上提出了一种基于垂直投影特征值的分割方法。大量实验表明,该算法能够快速找到字符之间的最优分割点,并自动去除车牌垂直边框和其他噪声点的干扰,适用于各种质量的车牌图像,分割准确率较高。

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 .

投影和模板匹配相结合分割车牌字符

提出了一种解决断裂、粘连、污损和部分遮挡车牌字符的分割算法。结合字符牌照的特征,对校正后的车牌图像进行投影,处理断裂和粘连的字符,实现字符初次分割。在初次分割的基础上,设计匹配模板对初次分割下来的车牌图像进行模板匹配,寻求误差最小的模板对字符重新分割。实验结果表明,该方法自适应性强,有很强的鲁棒性,可以获得最优的分割效果。

利用Hough变换和先验知识的车牌字符分割算法

随着科技的发展 ,车牌识别系统得到了很多应用 .车牌识别系统包含三个部分 :车牌定位、字符分割和字符识别 .车牌字符分割是车牌自动识别系统中的重要步骤 .车牌字符分割中存在噪声干扰、边框影响、铆钉和间隔符影响、车牌旋转、光照不均等问题 .这些问题容易造成分割不准确 ,甚至分割错误 .针对这些问题 ,该文提出了一种先分段 ,再利用Hough变换拟合直线的水平分割方法和基于先验知识约束的垂直分割方法 ,同时提出目标增强的预处理方法 .大量实验表明 ,该算法较好地解决了以上问题 ,适用于各种质量的车牌图像 。

基于多尺度模板匹配和部件模型的车牌字符分割方法

为提高车牌字符分割的准确率,提出了一种基于多尺度模板匹配和部件模型的车牌字符分割方法.对单层车牌,根据车牌结构特征建立多尺度模板作用于车牌候选区域,通过投影得分估计出最佳模板对应的尺度和位置信息;对双层车牌,使用部件模型对双层车牌进行建模,双层车牌的上层字符区域和下层字符区域分别对应部件模型的一个部件,通过多尺度的模板匹配得到上下层部件的候选集合,利用部件模型中部件之间的几何约束得到最终的车牌字符分割结果.实验结果表明,所提出的方法可以有效进行单/双层车牌的字符分割.

车牌字符分割算法的研究

车辆牌照的自动识别是智能交通系统中一项非常重要的技术。本文对车牌识别系统中的字符分割技术进行了深入的研究 ,利用字符的连通性原理进行字符的精确切分 ,试验证明该方法准确度高 ,实时性能好 。