一种改进的数字图像定位识别方法研究

针对图像视频中数字自动识别处理的需求,提出了一种改进的数字区域定位及读数识别方法。该方法使用自适应阈值进行图像整体二值化,然后设计改进的笔画宽度变化算法(SWT)来确定仪表数字显示的大体位置,再根据数字的颜色、宽高比以及空间排列等特征来过滤得到准确位置,并使用多层次扩展合并处理方法去除遮挡粘连影响,实现读数区域的精确定位,效果理想。最后对数字区域提取多种高区分度特征,通过训练好的多分类模型即可准确识别得到对应数字值,实现图像视频中读数的自动识别。实验结果表明,该方法具有很高的准确度及较强的鲁棒性,能避免光照、倾斜、部分遮挡的影响,准确找到读数区域,并据此识别出其中的数字,适用于自动巡检、远程抄表等多种应用。

车载遥感高速公路广告影像的文本信息提取研究与应用

针对现有高速公路广告牌人工巡检成本高、效率低且危险性大等问题,提出了一种以车载遥感影像的文本信息识别为技术支持的高速公路广告牌巡检新方法。该方法以车载遥感高速公路广告牌影像为研究数据,建立了一种融合最大稳定极值区域(maximally stable extremal regions,MSER)检测的高精度筛选算法和基于边缘像素点的笔划宽度变换(stroke width transform,SWT)字符识别优化算法,并基于文本信息提取实现广告牌问题的自动化甄别。研究结果表明:倡导的通过车载遥感技术与信息提取所结合的高速公路广告牌智能巡检方法可行且效率高,并且很好地解决了现行作业方式中施工人员的安全问题;提出的广告牌文本信息提取方法准确率高于80%。研究成果为我国高速公路管理及相关部门及时有效地识别、更新、维护高速公路广告牌提供了一种新的原创性技术支撑。

基于深度学习的车牌识别

车牌识别是现代智能交通系统中的重要组成部分之一,对于交通安全、城市治安和实现交通自动化管理有重要意义。目前的车牌识别面临着光线、气候和车速不一的挑战,因此本文提出一种车牌检测的方法。该方法笔画宽度变换算法与深度置信网络进行结合,利用笔画宽度变换法计算图像中每一个像素的笔画宽度,将笔画宽度大致相等的相邻像素合并形成字符候选区域,并将合并形成的候选字符区域输入到深度置信网络中进行特征提取,由Softmax分类器对提取的特征进行分类。实验结果表明,本文方法提高车牌识别率。