CN102663380A - 一种钢铁板坯编码图像中的字符识别方法 - Google Patents
一种钢铁板坯编码图像中的字符识别方法 Download PDFInfo
- Publication number
- CN102663380A CN102663380A CN2012100906816A CN201210090681A CN102663380A CN 102663380 A CN102663380 A CN 102663380A CN 2012100906816 A CN2012100906816 A CN 2012100906816A CN 201210090681 A CN201210090681 A CN 201210090681A CN 102663380 A CN102663380 A CN 102663380A
- Authority
- CN
- China
- Prior art keywords
- character
- monocase
- iron
- steel slab
- coded image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种钢铁板坯编码图像中的字符识别方法,包括以下步骤:步骤1:将获取的钢铁板坯编码图像切分为多个单字符图像;每一个单字符图像中包含有一个待识别的字符;步骤2:依次对每一个单字符图像进行字符识别,从而完成对钢铁板坯编码图像中的字符识别。该钢铁板坯编码图像中的字符识别方法具有运算简便、识别效率高的特点。
Description
技术领域
本发明涉及一种钢铁板坯编码图像中的字符识别方法。
背景技术
板坯编码是钢铁企业用来表示钢铁板坯信息的标识,通常喷涂在钢铁板坯的侧面。本发明提出一种钢铁板坯编码图像识别方法,用于钢铁板坯图像中板坯编码的识别。
字符特征提取是字符识别技术中的关键环节,也是一个难点,其需要根据识别方法的要求,对满足识别要求的模式进行特征提取,从而进行字符识别。字符特征提取的关键是特征选择,即如何从众多特征中找出有效的特征。目前,常用的字符特征主要分为两类:字符结构特征和字符统计与变换特征。字符结构特征,主要是提取字符的宽度、长度、水平特征,基于链码的结构特征等,该方法对字符的结构较敏感,能够很好的区分相似字符,但是结构特征很难抽取,而且不稳定,在对复杂的字符笔划进行分析与提取时,会产生很大的运算量,因此对计算机性能要求较高。字符结构特征和字符统计与变换特征中,通用的统计特征包括字符的投影特征,轮廓特征,网格特征等,通用的变换有小波变换、傅立叶变换等。统计方法鲁棒性强,抗干扰能力好、抗噪能力强,但是,可能会失去区分“敏感部位”的差异,因此很难区分相似字符。
钢铁板坯图像通常从钢铁工业现场获得,而钢铁工业现场存在环境复杂、光照环境变化,板坯侧面的板坯编码成像背景复杂等恶劣因素的影响,致使不同钢铁板坯图像之间的差异性较大,加大了选取恰当板坯编码字符特征的难度,此外,板坯编码通常是由工业涂料喷涂而成的,而工业涂料是颗粒状的,致使板坯字符编码连通性及规范性不佳。由于存在以上原因,现有的字符特征提取方法,均无法有效地提取板坯编码字符特征,从而降低了板坯字符编码的识别率。
发明内容
本发明所要解决的技术问题是提供一种钢铁板坯编码图像中的字符识别方法,该钢铁板坯编码图像中的字符识别方法具有运算简便、识别效率高的特点。
发明的技术解决方案如下:
一种钢铁板坯编码图像中的字符识别方法,包括以下步骤:
步骤1:将获取的钢铁板坯编码图像切分为多个单字符图像;每一个单字符图像中包含有一个待识别的字符;
步骤2:对每一个单字符图像都进行字符识别,从而完成对钢铁板坯编码图像中的字符识别。
根据权利要求1所述的钢铁板坯编码图像中的字符识别方法,其特征在于,步骤2中,所述的单字符图像进行字符识别包括以下步骤:
步骤a:对单字符图像进行灰度化,获得灰度图;
步骤b:对所述灰度图进行滤波处理,获得滤波后的灰度图;
步骤c:对所述滤波后的灰度图进行二值化处理,获得二值图;
步骤d:对所述二值图进行大小归一化处理,获得归一化单字符二值图;
步骤e:对所述的归一化单字符二值图进行逐像素点特征提取,得到特征向量矩阵;所述的逐像素点特征提取是指:对归一化单字符二值图逐行逐列扫描,对归一化单字符二值图中的白色像素点,取特征值为1,对归一化单字符二值图中的黑色像素点,取特征值为0,最后得到一个特征向量矩阵,特征向量矩阵的维数等于归一化单字符二值图中像素点的总数目;
步骤f:逐像素点模板匹配:
将所述的特征向量矩阵与多个字符模板进行匹配,获得多个相似度,相似度指元素数目占总元素数目的比例;以相似度最大的字符模板所对应的字符作为当前单字符图像的匹配结果;每一个字符模板中的元素数量与特征向量矩阵中包含的元素数量相同。
所述的步骤f中,所述字符模板的制作过程如下:首先获取板坯编码图像,以包含所有单个板坯编码为一组,选取一组板坯编码的单字符图像,经过步骤a至步骤e的处理,获得一组与板坯编码图像对应的特征向量矩阵,将该组特征存储为文件,即为一组与板坯编码图像对应的字符模板。
所述的步骤f中,所述特征向量矩阵与字符模板的特征向量的匹配方式为:依次比较特征向量矩阵中的每个元素与字符模版中的对应元素,判断是否相同,并统计相同元素的数目,将相同元素的数目占总元素数目的比例作为当前单字符图像与该当前字符模板的相似度。
所述的滤波是指用3×3窗口进行最小值滤波。
所述的二值化处理是指采用大津法进行自适应二值化处理。
所述的大小归一化处理是指将二值图转换为50×60像素尺寸大小的二值图。
所述的字符模板为多组。
所述的字符模板对应的字符组包含的字符为数字0-9、英文大写字母、英文小写字母、汉字中的至少一种。
有益效果:
本发明的钢铁板坯编码图像中的字符识别方法,针对板坯编码的特征,采用一种新方法进行特征提取,提高了字符特征信息提取的全面性,具有特征提取简单,运算方便,并能够有效地实现板坯编码的识别。
本发明采用有效的图像预处理技术,并提取恰当的板坯编码字符特征,结合板坯编码字符检验技术,实现对复杂工业环境中获取的钢铁板坯图像中板坯编码的有效识别。
由于板坯编码通常是由工业涂料喷涂而成的,而工业涂料是颗粒状的,致使板坯编码连通性及规范性不佳,从而导致现有的特征提取方法无法有效地提取板坯编码的字符特征。而本方法的特征提取过程,只是简单的变换过程,即将二值图中的黑(灰度值为0)像素点和白(灰度值为255)像素点,分别用特征值0和1来表示,从而获得特征向量。因而,本发明的方法能够全面的提取字符特征信息,特征提取过程简单,运算方便,容易实现。
附图说明
图1为本发明中板坯编码字符模板制作示意图;
图2为本发明字符识别流程图;
图3为某一钢铁板坯编码图像;
图4为将图3的钢铁板坯编码图像切分后的单字符图像;
图5为将图4的单字符图像进行处理后获得的单字符二值图;
图6为将图5的单字符二值图进行归一化处理后的获得的单字符二值图;
具体实施方式
以下将结合附图和具体实施例对本发明做进一步详细说明:
本发明的方法包括以下步骤:
1.对从钢铁板坯编码图像中切分获得的含有单个板坯编码字符的图像按顺序进行编号,并进行灰度化处理;
2.对单字符(含有单个板坯编码字符)灰度图进行滤波处理;
3.对滤波处理后图像采用自适应二值化分割技术,进行二值化处理;
4.对单字符二值图,进行大小归一化处理;
5.对归一化后单字符二值图,进行逐像素点特征提取。本专利的重点内容有两点:1、灰度化、滤波和二值化技术的恰当组合;(现有主要组合方式:灰度化、均值滤波和人工设定整体阈值法;)2、逐像素点特征提取。
逐像素点特征提取法选用字符图像的灰度特征作为字符特征,属于一种字符统计与变换特征,采用灰度变换及二值化处理获得单个字符图像的灰度特征向量矩阵。
与现有技术的相同之处是:通过变换算法提取字符的特征信息,变换算法是成熟的算法;
不同之处是:变换算法的合理搭配,及字符特征的选取,在已搜索到的文献中,并没有发现与本专利相同的字符特征;采用灰度变换及二值化处理获得单个字符图像的灰度特征向量矩阵。
6.对单字符二值图,进行逐像素点模板匹配;
7.重复步骤1到步骤6,直到识别完整个板坯编码图像中的所有单个字符;
8.对识别后获得的整个板坯编码图像中的所有单个字符,按照切分时的编号,按顺序组合,获得完整的板坯编码。对识别获得的完整板坯编码可根据自行定义的编码格式来进行校验处理。校验处理的作用:当图像中板坯编码存在缺损等情况,并造成识别结果出现违反编码规则的情形时,通过校验,可以发现此类问题,并输出警示信息,降低输出错误识别结果的概率。校验成功的标准,是指识别获得的编码字符串是否满足全部编码规则,若满足全部编码规则,则判断校验成功;否则校验失败。
若校验成功,证明识别成功,输出板坯编码识别结果;若校验失败,证明本次识别失败,并输出警示信息“识别失败!”;
进一步的:
在所述步骤1中,灰度化处理的变换公式如下:
f(i,j)=0.299R(i,j)+0.587G(i,j)+0.114B(i,j));
其中,i,j为正整数,(i,j)表示图像中像素点的坐标;f表示转换后像素点的灰度值;R,G,B是彩色图RGB模型的三分量,分别表示红,绿,蓝三分量的强度值。
在所述步骤2中,滤波算法采用3×3的窗口进行最小值滤波;
最小值滤波:原理是将图像中某一点的灰度值设置为该点邻域窗口内所有像素点灰度值的最小值。具体实现:通过对邻域窗口的像素灰度值进行排序,形成单调下降(或上升)的有序数据,获得其中像素点灰度值的最小值,并将当前像素点的灰度值置为该值。本专利采用3×3的邻域窗口。
在所述步骤3中,所述自适应二值化分割技术,是指大津(Ostu)法,即最大类间方差法。这是一种基于判别式分析的,动态计算最佳阈值的方法,自适应性较强,方法简单而实用,对单个字符的板坯编码图像具有很好的二值化分割效果;
在所述步骤4中,所述大小归一化处理,是指将字符的外边框按比例进行线性放大或缩小为50×60像素尺寸;
在所述步骤5中,所述逐像素点特征提取,是指对归一化单字符二值图进行逐行逐列的扫描,对图像中的白色像素点(像素值为255)取其特征值为1,对图像中的黑色像素(像素值为0)取其特征值为0,最后得到一个特征向量矩阵,其维数等于图像中像素点的总数目。
在所述步骤6中,所述逐像素点模板匹配,将提取到的单个板坯编码字符的特征,与0~9各个字符模板进行匹配,匹配方式只是简单的依次比较特征向量矩阵中的每个元素与字符模板中的对应元素,判断是否相同,并统计相同元素的数目,将相同元素的数目占总元素数目的比例作为当前单字符图像与该当前字符模板的相似度,比较样本与各个字符模板相似度的大小,将两者相似度最大的字符模板所对应的字符为匹配结果。上述字符模板的制作过程如下:首先获取板坯编码图像,以包含所有单个板坯编码(即0~9)为一组,选取一组分别为0~9的单个板坯编码字符图像,经过步骤1至步骤5的处理,获得一组0~9板坯编码字符图像对应的特征向量矩阵,将该组特征存储为文件,即为一组0~9板坯编码图像对应的字符模板;
所述步骤7中,所述完整的板坯编码图像,含有13个字符。
实施例1:
现有一副图像,如附图3所示,对图像经过灰度化、滤波和二值化等处理,获得图像的二值图,从图1中获得仅含有单个字符的图像如附图4所示,共可获得的13个单字符图像,依次展开字符图像的识别处理,首先对左起第一个字符进行识别,具体过程如下:
1.对字符图像进行灰度化处理,获得灰度图;
2.对灰度图,采用3×3窗口进行最小值滤波处理,获得滤波后的灰度图;
3.对滤波后的灰度图采用大津(Ostu)法,进行自适应二值化处理,获得二值图,如附图5所示;
4.对二值图进行大小归一化处理,获得50×60像素尺寸大小的二值图,如附图6所示;
5.对归一化后单字符二值图,进行逐像素点特征提取,即对图像逐行逐列的扫描,对图像中的白色像素点(像素值为255)取其特征值为1,对图像中的黑色像素(像素值为0)取其特征值为0,最后得到一个特征向量矩阵,其维数等于图像中像素点的总数目(3000);
6.对单字符二值图,进行逐像素点模板匹配,得到匹配结果为1。具体过程如下:将提取到的单个板坯编码字符的特征向量,与0~9各个字符模板进行匹配,匹配方式只是简单的依次匹配特征向量中的每个元素与特征向量字符模版中的对应元素,判断是否相同,并统计相同元素的数目,最终计算相同元素占总元素数目(3000)的比例,作为样本与该字符模板的相似度,比较样本与各个字符模板相似度的大小,两者相似度最大的字符模板所对应的字符为匹配结果。上述字符模板的制作过程如下:首先获取板坯编码图像,以包含所有单个板坯编码(即0~9)为一组,选取一组分别为0~9的单个板坯编码字符图像,经过步骤1至步骤5的处理,获得一组0~9板坯编码字符图像对应的特征向量矩阵,将该组特征存储为文件,即为一组0~9板坯编码图像对应的字符模板。此处,共有三组字符模板,即30个字符模板;进行模板匹配时,样本字符要与这三组字符模板中的30个字符模板一一匹配。
重复步骤1到步骤6,直到识别完整个板坯编码图像中的所有单个字符,依次得到的识别结果为5、0、1、2、8、3、1、0、3、0、2、0。将识别后的结果组合成字符串,即1501283103020,并予以显示。整个识别处理过程结束。
Claims (9)
1.一种钢铁板坯编码图像中的字符识别方法,其特征在于,包括以下步骤:
步骤1:将获取的钢铁板坯编码图像切分为多个单字符图像;每一个单字符图像中包含有一个待识别的字符;
步骤2:对每一个单字符图像都进行字符识别,从而完成对钢铁板坯编码图像中的字符识别。
2.根据权利要求1所述的钢铁板坯编码图像中的字符识别方法,其特征在于,步骤2中,所述的单字符图像进行字符识别包括以下步骤:
步骤a:对单字符图像进行灰度化,获得灰度图;
步骤b:对所述灰度图进行滤波处理,获得滤波后的灰度图;
步骤c:对所述滤波后的灰度图进行二值化处理,获得二值图;
步骤d:对所述二值图进行大小归一化处理,获得归一化单字符二值图;
步骤e:对所述的归一化单字符二值图进行逐像素点特征提取,得到特征向量矩阵;所述的逐像素点特征提取是指:对归一化单字符二值图逐行逐列扫描,对归一化单字符二值图中的白色像素点,取特征值为1,对归一化单字符二值图中的黑色像素点,取特征值为0,最后得到一个特征向量矩阵,特征向量矩阵的维数等于归一化单字符二值图中像素点的总数目;
步骤f:逐像素点模板匹配:
将所述的特征向量矩阵与多个字符模板进行匹配,获得多个相似度,相似度指相同元素数目占总元素数目的比例;以相似度最大的字符模板所对应的字符作为当前单字符图像的匹配结果;每一个字符模板中的元素数量与特征向量矩阵中包含的元素数量相同。
3.根据权利要求2所述的钢铁板坯编码图像中的字符识别方法,其特征在于,所述的步骤f中,所述字符模板的制作过程如下:首先获取板坯编码图像,以包含所有单个板坯编码为一组,选取一组板坯编码的单字符图像,经过步骤a至步骤e的处理,获得一组与板坯编码图像对应的特征向量矩阵,将该组特征存储为文件,即为一组与板坯编码图像对应的字符模板。
4.根据权利要求2所述的钢铁板坯编码图像中的字符识别方法,其特征在于,所述的步骤f中,所述特征向量矩阵与字符模板的匹配方式为:依次比较特征向量矩阵中的每个元素与字符模板中的对应元素,判断是否相同,并统计相同元素的数目,将相同元素的数目占总元素数目的比例作为当前单字符图像与该当前字符模板的相似度。
5.根据权利要求2所述的钢铁板坯编码图像中的字符识别方法,其特征在于,所述的滤波是指用3×3窗口进行最小值滤波。
6.根据权利要求2所述的钢铁板坯编码图像中的字符识别方法,其特征在于,所述的二值化处理是指采用大津法进行自适应二值化处理。
7.根据权利要求2所述的钢铁板坯编码图像中的字符识别方法,其特征在于,所述的大小归一化处理是指将二值图转换为50×60像素尺寸大小的二值图。
8.根据权利要求3所述的钢铁板坯编码图像中的字符识别方法,其特征在于,所述的字符模板为多组。
9.根据权利要求2-8所述的钢铁板坯编码图像中的字符识别方法,其特征在于,所述的字符模板对应的字符组包含的字符为数字0-9、英文大写字母、英文小写字母、汉字中的至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100906816A CN102663380A (zh) | 2012-03-30 | 2012-03-30 | 一种钢铁板坯编码图像中的字符识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100906816A CN102663380A (zh) | 2012-03-30 | 2012-03-30 | 一种钢铁板坯编码图像中的字符识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102663380A true CN102663380A (zh) | 2012-09-12 |
Family
ID=46772864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100906816A Pending CN102663380A (zh) | 2012-03-30 | 2012-03-30 | 一种钢铁板坯编码图像中的字符识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102663380A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881665A (zh) * | 2015-04-29 | 2015-09-02 | 华中科技大学 | 一种芯片字符识别与校验方法及装置 |
CN104915664A (zh) * | 2015-05-22 | 2015-09-16 | 腾讯科技(深圳)有限公司 | 联系对象标识获取方法和装置 |
CN106127202A (zh) * | 2016-06-21 | 2016-11-16 | 福建富士通信息软件有限公司 | 一种图片中字符识别的方法以及装置 |
CN103886294B (zh) * | 2014-03-24 | 2017-05-03 | 北京国网富达科技发展有限责任公司 | 基于图像的换流站用避雷器动作次数的识别方法以及系统 |
CN107392205A (zh) * | 2017-06-09 | 2017-11-24 | 广州视源电子科技股份有限公司 | 一种遥控器的码值表生成方法与装置 |
CN107688813A (zh) * | 2017-09-24 | 2018-02-13 | 中国航空工业集团公司洛阳电光设备研究所 | 一种字符识别方法 |
CN107766854A (zh) * | 2017-09-28 | 2018-03-06 | 电子科技大学 | 一种基于模板匹配实现快速页码识别的方法 |
CN108388898A (zh) * | 2018-01-31 | 2018-08-10 | 宁波市科技园区明天医网科技有限公司 | 基于连接体和模板的字符识别方法 |
CN109344834A (zh) * | 2018-09-06 | 2019-02-15 | 昆明理工大学 | 一种基于图像处理的残缺汉字识别方法 |
CN109377455A (zh) * | 2018-09-27 | 2019-02-22 | 浙江工业大学 | 改进的基于自相似性的多序列磁共振图像配准方法 |
CN110377914A (zh) * | 2019-07-25 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 字符识别方法、装置及存储介质 |
CN110442680A (zh) * | 2019-08-05 | 2019-11-12 | 西南财经大学 | 基于视觉的表意文字嵌入式向量生成方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615244A (zh) * | 2008-06-26 | 2009-12-30 | 上海梅山钢铁股份有限公司 | 手写板坯号自动识别方法及识别装置 |
CN101739556A (zh) * | 2010-01-21 | 2010-06-16 | 上海交通大学 | 钢坯号自动识别方法 |
-
2012
- 2012-03-30 CN CN2012100906816A patent/CN102663380A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615244A (zh) * | 2008-06-26 | 2009-12-30 | 上海梅山钢铁股份有限公司 | 手写板坯号自动识别方法及识别装置 |
CN101739556A (zh) * | 2010-01-21 | 2010-06-16 | 上海交通大学 | 钢坯号自动识别方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886294B (zh) * | 2014-03-24 | 2017-05-03 | 北京国网富达科技发展有限责任公司 | 基于图像的换流站用避雷器动作次数的识别方法以及系统 |
CN104881665A (zh) * | 2015-04-29 | 2015-09-02 | 华中科技大学 | 一种芯片字符识别与校验方法及装置 |
CN104881665B (zh) * | 2015-04-29 | 2019-05-03 | 华中科技大学 | 一种芯片字符识别与校验方法及装置 |
CN104915664A (zh) * | 2015-05-22 | 2015-09-16 | 腾讯科技(深圳)有限公司 | 联系对象标识获取方法和装置 |
CN106127202A (zh) * | 2016-06-21 | 2016-11-16 | 福建富士通信息软件有限公司 | 一种图片中字符识别的方法以及装置 |
CN107392205B (zh) * | 2017-06-09 | 2020-07-07 | 广州视源电子科技股份有限公司 | 一种遥控器的码值表生成方法与装置 |
CN107392205A (zh) * | 2017-06-09 | 2017-11-24 | 广州视源电子科技股份有限公司 | 一种遥控器的码值表生成方法与装置 |
CN107688813A (zh) * | 2017-09-24 | 2018-02-13 | 中国航空工业集团公司洛阳电光设备研究所 | 一种字符识别方法 |
CN107766854A (zh) * | 2017-09-28 | 2018-03-06 | 电子科技大学 | 一种基于模板匹配实现快速页码识别的方法 |
CN107766854B (zh) * | 2017-09-28 | 2021-07-06 | 电子科技大学 | 一种基于模板匹配实现快速页码识别的方法 |
CN108388898A (zh) * | 2018-01-31 | 2018-08-10 | 宁波市科技园区明天医网科技有限公司 | 基于连接体和模板的字符识别方法 |
CN109344834A (zh) * | 2018-09-06 | 2019-02-15 | 昆明理工大学 | 一种基于图像处理的残缺汉字识别方法 |
CN109377455A (zh) * | 2018-09-27 | 2019-02-22 | 浙江工业大学 | 改进的基于自相似性的多序列磁共振图像配准方法 |
CN109377455B (zh) * | 2018-09-27 | 2021-08-03 | 浙江工业大学 | 改进的基于自相似性的多序列磁共振图像配准方法 |
CN110377914A (zh) * | 2019-07-25 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 字符识别方法、装置及存储介质 |
CN110377914B (zh) * | 2019-07-25 | 2023-01-06 | 腾讯科技(深圳)有限公司 | 字符识别方法、装置及存储介质 |
CN110442680A (zh) * | 2019-08-05 | 2019-11-12 | 西南财经大学 | 基于视觉的表意文字嵌入式向量生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102663380A (zh) | 一种钢铁板坯编码图像中的字符识别方法 | |
CN104463195B (zh) | 基于模板匹配的印刷体数字识别方法 | |
CN102663360B (zh) | 一种钢铁板坯编码自动识别方法以及钢铁板坯跟踪系统 | |
WO2018076138A1 (zh) | 基于大尺度高分辨率高光谱图像的目标探测方法及装置 | |
CN105139011B (zh) | 一种基于标识物图像的车辆识别方法及装置 | |
CN113963041A (zh) | 一种图像纹理识别方法及系统 | |
CN103914509A (zh) | 对打印文件进行认证的方法 | |
Castrodad et al. | Discriminative sparse representations in hyperspectral imagery | |
CN102147863A (zh) | 一种网络动画中的文字定位及识别方法 | |
CN100541537C (zh) | 一种利用计算机对数字化档案文件压缩的方法 | |
JP2008251029A (ja) | 文字認識装置、ナンバープレート認識システム | |
CN116912184B (zh) | 一种基于篡改区域分离和区域约束损失的弱监督深度修复图像篡改定位方法及系统 | |
CN110766708B (zh) | 基于轮廓相似度的图像比较方法 | |
CN112070714A (zh) | 一种基于局部三元计数特征的翻拍图像检测方法 | |
Rastegar et al. | An intelligent control system using an efficient License Plate Location and Recognition Approach | |
CN110490210B (zh) | 一种基于紧致通道间t采样差分的彩色纹理分类方法 | |
CN112509026A (zh) | 一种绝缘子裂缝长度识别方法 | |
US11748979B2 (en) | Method for training a neural network for recognition of a character sequence and associated recognition method | |
CN114581864B (zh) | 基于transformer的动态密集对齐车辆重识别技术 | |
CN110766655A (zh) | 一种基于丰度的高光谱图像显著性分析方法 | |
Ghofrani et al. | Farsi license plate detection and recognition based on characters features | |
Das et al. | Binarization of stone inscripted documents | |
CN111428534B (zh) | 一种基于点阵隐写信息编码的解密识别方法 | |
CN108280468A (zh) | 一种基于网格的图像识别方法 | |
CN111160423B (zh) | 一种基于集成映射的图像来源鉴别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120912 |