基于特征段的正交矢量化及其符号识别方法

文中提出一种使用特征段的工程图矢量化方法，通过抽取图像中部分具有显著特征的行段建立特征矢量线段，经过延伸、合并求交等运算获取完整准确的矢量线．为避免毛刺、小弯度直线矢量化产生的奇异性，该研究运用正交双向矢量化的方法分别在Ｘ和Ｙ方向对倾斜角小于４５°和大于４５°的直线分别进行特征段抽取．对粘连弯头短直线及端点符号识别也作了研究．

一种高效的基于约束网络的工程图符号识别方法

将工程图中所有符号的几何特征转换为一个约束网络 ,用结点记录判断条件、边指示判断次序 ,实现以层次化约束判断为核心的过滤式识别方法 .基于逐步简化的思想 ,该方法引入多层优先级和边属性的定义 ,通过优先级调整和边属性查询的配合 ,优化网络搜索 ;通过将已经过约束检查的图元编号记录在结点中而大幅度减少图元遍历和判断 .该方法应用在建筑工程图识别中效率较高 ,对符号种类多。

电气符号识别的HOG方法

目的为解决电气符号的大小、图纸背景的模糊、电气符号的旋转角度等各种干扰因素对计算机识别电气图纸造成的误差问题.方法笔者提出了一种基于HOG的电气符号识别方法.建立电气符号训练集,提取电气符号图像的HOG特征,计算出梯度方向向量个数加权图;使用这些HOG特征和分类信息对支持向量机进行训练;利用支持向量机进行识别.结果HOG算法对电气符号的识别率达到92.5%,与SIFT算法比较,识别效果更为准确.结论所提出的HOG算法克服了外界干扰因素对电气符号识别的影响,提高了识别的准确率,具有良好的检测效果,为将HOG算法应用到其他领域奠定理论基础.

统计与结构结合的工程图纸符号识别方法

提出一种统计识别与结构识别相结合的符号识别方法 ,以识别工程图纸中的各种符号 ,并达到了很好的识别效果 .

基于BP神经网络的工程图纸图形符号识别

本文提出一种应用 BP神经网络识别工程图纸扫描图象分割后的图形符号的方法。此方法先对二值图象进行特征提取 ,并提出了改进学习算法 ,以加快收敛速度 ,从而实现图象识别。

电视频道包装：从符号识别到品牌塑造

从符号识别到品牌塑造,电视频道包装完美地完成了自身的转变。在这个品牌至上的年代里,电视包装已不仅仅停留在美学层面,品牌的理念深深融入其中。Logo、宣传片、节目、主持人、颜色、声音等电视包装的元素都是稻草或杂物,每一个点点滴滴都是建立品牌印象的接触点,每个接触点都会建立并修正品牌印象,日积月累才能塑造一个有口皆碑的电视品牌。

基于旋转预处理的地图有向点符号识别方法

试从寻找符号旋转时有规律的变化量入手 ,提出了一种先进行旋转预处理 ,再提取图像的外接矩形面积、密集度以及近圆度作为特征参数的识别方法 ,为有向点符号的自动识别提供了一种可行的方案。

基于图形箭头符号识别的直线图形自动生成方法

提出了一种基于图形箭头符号识别的直线图形自动生成方法。在箭头识别的基础上 ,进行尺寸信息的提取 ,再以“尺寸标注线的箭头两端为中心的小区域内有尺寸界限线”为前提 ,根据尺寸信息 ,通过对尺寸界限线的识别、理解 ,形成对图形的约束及组织 ,从而实现标准图形的自动输出。

基于Krylov子空间的一种文字和符号识别算法

文字和符号的识别是当今人工智能与模式识别的一个重要研究方向。当前的识别技术主要问题之一是识别的速度不够高。本文采用雷达信号处理中的Krylov子空间方法FDR来识别文字和符号。该方法无需生成协方差矩阵的估计,也无需对样本协方差矩阵求逆,在保证识别正确率不变的情况下使算法的识别速度得到加快。本文用实测数据验证了该方法性能的有效性。

基于伪二维隐马尔科夫模型的图像符号识别算法

以伪二维隐马尔科夫模型(Pseudo two-dimensional hidden Markov model P2DHMM)为基础,通过构建参考图像与测试图像匹配模型,采用计算距离和方格表达变化过程,解决了两个技术问题:图像特征参量的构建;图像符号识别的二维非线性变形P2DHMM模型构建。介绍了图像符号识别的P2DHMM构建与初步应用。

基于贝叶斯网络的草图符号识别研究

针对草图识别算法大多通过限制用户绘制习惯来提高识别精确度的问题,提出一种动态构造贝叶斯网络模型的草图符号识别方法。该方法采用了从下而上与从上而下相结合的识别算法。从下而上实现笔画的分割,根据后验概率产生假设模板,继而产生图形模板。在从上而下的处理中,通过假设模板重构实现笔画重组、根据图形模板的空槽实现笔画识别的纠错处理。通过对UML领域中草图符号的识别,表明算法能在不限制用户绘制习惯的基础上取得较好的识别效果。

材料类型对发展性阅读障碍儿童符号识别的影响

目的:了解材料类型对发展性阅读障碍儿童符号识别事件相关电位的影响。方法:采用32导脑电仪和四种刺激材料,对发展性阅读障碍和正常儿童进行实验,分析四种刺激材料下额叶的LPP。结果:四种刺激材料下,阅读障碍儿童额叶的LPP波幅均明显不及正常儿童,尤其在汉字材料上差异显著。结论:发展性阅读障碍儿童存在明显的符号加工缺陷问题。

建筑平面图纸理解中关于符号识别的新方法

实现计算机图纸理解的关键在于对图纸中符号的识别,该文提出了一种建筑平面CAD图纸中符号识别的新方法,该方法首先由建筑符号中的几何图元构造出一种矩形网格结构,并用图元与网格之间的约束替换几何图元之间的约束来建立符号的几何特征描述。基于这种描述提出了一个统一的识别方法,最后给出了应用实例,取得了满意的识别效果。

基于多类支持向量机的印刷体数学表达式符号识别的研究

数学表达式符号识别是根据所提取的数学符号特征值,用恰当的分类器对符号进行分类识别,把未知类别的样本确定为类型空间中的某一种类型。本文运用多类支持向量机很好地解决了数学表达式符号识别问题。实验结果表明,该方法是比较成功的。

基于神经网络的手写电气元件符号识别系统

神经网络模式识别在现代数字图像处理中的应用，是数字图像处理技术的一次革 命．以神经网络模式识别技术在电气元件符号图形识别中的应用为对象，着重于手写电气元 件符号自动识别系统的研究，介绍了整个系统的结构和功能，给出了相应的数据流图和主要数 据结构，提出了一种基于神经网络的模式识别方法，并对系统的实际应用作了验证，为进一步 的研究奠定了基础．

基于双层结构的矢量工程图符号识别算法

为了从矢量工程图中自动提取零件种类和个数等信息,提出一种矢量工程图符号识别算法.首先定义矢量工程图中每个元素的3种共同抽象属性以及2个元素之间的关系描述子;然后提出描述符号的双层结构,其比传统的网状或树状结构简单;最后,通过关系描述子的匹配与双层结构的构造进行符号识别.另外,该算法利用四叉树、一次识别多种符号以及对关系描述子进行排序的方法加速符号识别.实验结果表明,文中算法比已有算法识别的符号种类更多,识别效率更高,而且在旋转和缩放变换条件下更加鲁棒.

智能像卡输入的手绘电气符号识别研究

电气符号的自动输入与识别是手绘电路图的数字化表示最为关键的技术之一,针对脱机手绘电气符号输入与识别,提出了一种特定输入方式下的手绘电气符号识别新方法,首次采用智能像卡作为手绘电路图图形输入设备;提出了一种称为扩展网格比较特征提取法来提取手绘电气元件符号的特征;构造三层BP神经网络作为识别器,实现了手绘电气符号的脱机识别,通过对典型电气符号的识别实验表明:智能像卡是一种可行的图形输入工具,所提方法对手绘电气符号识别具有较高的识别效果。

基于游程特征的选票符号识别方法

选票符号识别是基于图像理解的计票系统的关键技术,为提高选票符号识别的正确率,提出了一种基于游程特征的选票符号识别方法。首先给出了选票符号游程特征的定义,构建了选票符号的游程判定模型;然后利用三叉树结构描述了游程区域之间的相对位置关系;此外,通过游程区域的合并实现了噪声环境下主游程区域的提取,并对歧义符号的处理方法进行了研究;最后,实验结果表明,游程特征能够准确描述选票符号的几何特征,所给出的算法细分能力强,识别正确率高,比基于模板匹配的算法的正确率提高了6.07%。

一种基于图元结构关系的电气草图符号识别方法

针对手绘草图符号不规则以及模糊的特点造成对其识别难度较高的问题,对手绘电气草图符号的特点、符号的笔划分割、图元类型的判别、图元间的结构关系、符号间相似度的类型等方面进行了研究,提出了一种基于图元结构关系的手绘电气草图符号识别方法。根据手绘电气草图符号的特点,首先对手绘电气草图符号进行了笔画分割,将其分解成了若干基本图元;然后用属性关系图描述出了手绘电气草图符号单个图元的信息以及图元间的结构关系,提出了一种基于属性关系图的电气草图符号匹配相似度计算方法;最后通过计算待识别符号与模板库符号之间的相似度,达到了手绘电气草图符号识别的目的。研究结果表明:可以构建一个有效的、可训练的、多线条的符号识别器,并且不受符号方向、大小和笔画顺序的影响,能够取得良好的识别效果。

建筑图符号识别系统中的自学习机制研究

在建筑图识别中,由于图形符号表示的不确定性,完全基于先验知识手工构造模板后进行识别的方法适应能力较差。设计了包含自学习机制的符号识别方法来应对这种情况,该方法将自学习和识别两个过程融合在一起,针对漏识和误识切入不同的学习步骤,并完成模板的自动创建或更新,达到可以在不改动程序的基础上提高识别率的效果。基于此思想实现了一个具有自学习能力的建筑符号识别系统,并通过实验验证了效果。