CN107610138A - 一种票据印章区域序列分割方法 - Google Patents
一种票据印章区域序列分割方法 Download PDFInfo
- Publication number
- CN107610138A CN107610138A CN201710984640.4A CN201710984640A CN107610138A CN 107610138 A CN107610138 A CN 107610138A CN 201710984640 A CN201710984640 A CN 201710984640A CN 107610138 A CN107610138 A CN 107610138A
- Authority
- CN
- China
- Prior art keywords
- region
- point
- circular arc
- bill
- dividing method
- 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
Abstract
本发明涉及财务票据处理领域,公开了一种票据印章区域序列分割方法,解决OCR识别中印章区域难以识别或识别效果差的问题。本发明包采用椭圆检测的方法,快速、有效的检测出图像中的印章区域,以满足实际图像识别的实时性需求,定位出印章区域之后,需要切分印章区域的不规则序列,本发明采用区域变换的方法,将印章区域中的目标序列变换成规则的矩形区域。本发明适用于财务票据的印章区域序列分割。
Description
技术领域
本发明涉及财务票据处理领域,特别涉及一种票据印章区域序列分割方法。
背景技术
近几年,AI技术的发展突飞猛进,其应用领域也越来越广,如机器人、语音识别、图像识别、计算机视觉、自动驾驶等领域。在图像识别方面,基于深度学习的OCR识别以其识别精度高、识别速度快等优点被业界广泛采用,而OCR识别精度不仅受限于识别算法的好坏,图像预处理部分也起到了决定性的作用。在利用深度学习做基于序列的OCR识别时,如何快速、精准的分割出图像中的各个序列是人们首先要解决的问题。
在OCR票据识别中,印章区域通常难以识别或识别效果差、精度低。分析其原因,主要是印章区域的字符序列不是规则的矩形区域,对其精确分割存在较大难度,且印章中的字符较模糊,也增加了识别难度。
发明内容
本发明要解决的技术问题是:提供一种票据印章区域序列分割方法,解决OCR识别中印章区域难以识别或识别效果差的问题。
为解决上述问题,本发明采用的技术方案是:一种票据印章区域序列分割方法,包括如下步骤
步骤1:对输入图像进行模糊预处理,得到处理后的图像;
步骤2:对模糊后的图像做边缘检测并计算边缘点梯度方向;
步骤3:将检测出的边缘点根据梯度方向分为两类,连接相同方向的边缘点从而获取圆弧;
步骤4:计算圆弧的外接矩形及外接矩形被圆弧分解的上、下两部分面积,比较上、下两部分面积的大小得到圆弧的凸凹性,根据每段圆弧的凸凹性将其分类;
步骤5:从分类后的圆弧中筛选出属于同一个椭圆边界的圆弧子集;
步骤6:计算椭圆参数,该椭圆参数包括椭圆的中心位置、长短轴比及倾斜角度;
步骤7:对计算得到的椭圆参数进行有效性验证;
步骤8:根据计算得到椭圆参数从票据原图中分割出椭圆区域;
步骤9:将椭圆区域变换为圆形区域;
步骤10:从圆形区域中选取目标序列区域,并计算将目标序列区域变换成矩形区域之后,矩形区域的尺寸,同时遍历矩形区域并计算区域内每个像素点对应的目标区域点;
步骤11:对每个目标像素点做差值运算,得到区域变换后目标序列图像。
进一步的,步骤1中所述的模糊预处理包括对输入图像做高斯模糊预处理。
进一步的,步骤2使用Canny算子对模糊后的图像做边缘检测并计算边缘点梯度方向。
进一步的,步骤5中,属于同一个椭圆边界的圆弧子集包括三个,三个圆弧子集采用如下三个约束条件筛选:
A.圆弧对中的各个圆弧是凸的;
B.圆弧对中的各个圆弧要位于两个相邻的象限;
C.两个圆弧对计算得到的椭圆中心点相同。
进一步的,步骤7包括:
步骤71:根据步骤6计算的椭圆参数拟合椭圆;
步骤72:根据边缘检测出的椭圆上的点和拟合的椭圆对步骤6计算的椭圆参数有效性验证,公式如下:
β={(x,y):|f(x,y,εi)-1|<0.1}
其中,(x,y)为边缘检测出的椭圆上的任一点,εi为拟合出的椭圆,β为圆弧中距离拟合椭圆边界距离小于0.1的点集,β={(x,y):|f(x,y,εi)-1|<0.1},αa、αb、αc为不同的圆弧。
进一步的,所述目标序列区域呈弧面形状,该弧面将圆形区域分为内圆和外圆,采用将目标序列区域变换到矩形区域,其中,x1、y1分别为圆形区域上的像素点值,θ1为弧面起始角度,R1内圆半径,R2为外圆半径。
进一步的,所述差值运算为双线性插值运算,差值运算的时候,采用f(i+u,j+v)=(1-u)(1-v)f(I,j)+(1-u)vf(I,j+1)+u(1-v)f(i+1,j)+uvf(i+1,j+1)来计算矩形区域中个点的像素值,其中,(i+u,j+v)为目标区域中的坐标通过反向变换得到的浮点坐标,i、j均为浮点坐标的整数部分,u、v为浮点坐标的小数部分,是取值[0,1)区间的浮点数,f(i,j)表示源图像(i,j)处的像素值。
本发明的有益效果是:本发明结合图像椭圆检测和图像区域变换方法,能够精准分割出印章区域中的各个序列,为后续深度学习的字符识别或序列识别提供训练数据,当利用分割出的序列或字符以及训练出的模型做具体的图像识别后,可有效提高识别精度以满足实际业务需求。
附图说明
图1为实施例的流程图。
图2为实施例印章区域变换的图形流程图。
具体实施方式
为准确分割出票据印章的外层圆环区域,实施例首先要从票据中找到印章区域,之后对目标区域采用区域变换的方法将其变换为标准的矩形区域。
由于印章区域一般均为椭圆形的,为了精确定位并分割出图像中的印章区域,本发明采用了一种快速椭圆检测方法,使用该方法可以快速、有效的检测出图像中的印章区域,以满足实际图像识别的实时性需求。具体方案如下:
首先从椭圆的边缘中提取圆弧,并根据圆弧的凸性将其聚类为4类。根据梯度方向和同一方向的8个连接的边缘像素构成了圆弧。并通过移除长度较短的圆弧和直弧来提高构造的圆弧质量。接着将聚类出的圆弧分配到四个不同的象限,这里我们使用四个圆弧中的其中三个来计算椭圆中心点坐标。最后,在一个分解霍夫空间中结合三个一维的计数器来计算拟合椭圆的剩余三个参数。由于拟合椭圆时只用到了三个圆弧,而选择不同的圆弧拟合出来的椭圆可能有些许差别,这里我们采用了一种椭圆参数空间快速聚类方法来处理多个拟合结果。具体步骤如图2所示。
定位出印章区域之后,需要切分印章区域的不规则序列,本发明采用区域变换的方法,将印章区域中的目标序列变换成规则的矩形区域。
基于上述思路,如图1所示,实施例提供一种票据印章区域序列分割方法,具体步骤如下,其中步骤1-8为图像椭圆检测,步骤9-11为图像区域变换。
步骤1:对输入图像进行预处理,主要是做高斯模糊,方便边缘检测,处理之后得到模糊后的图像。
步骤2:圆弧检测:使用Canny算子对模糊后的图像做边缘检测并计算边缘点梯度方向,检测出的边缘点记为(xi,yi,θi)。
步骤3:圆弧获取:将步骤2检测出的边缘点根据梯度方向θi分为两类,连接相同方向的边缘点从而获取对应的圆弧。这里使用函数D:ei→(+,-)将步骤2中检测出的边缘点根据梯度方向θi分为两类,这里撇开θi=0的边缘点。这样,通过连接相同方向的边缘点即可获取圆弧,如下式所示:
步骤4:圆弧聚类:计算圆弧的外接矩形及外接矩形被圆弧分解的上、下两部分面积U、O,比较上、下两部分面积的大小得到圆弧的凸凹性,根据每段圆弧的凸凹性将其分类。
本步骤根据每段圆弧的凸凹性将其分为两段,上凸和下凸,这里采用函数C:αk→(+,-),记圆弧αk的外接矩形为Bk,其中Uk为圆弧与外接矩形的下半部分,Ok为圆弧与外接矩形的上半部分。若Uk的面积和Ok的面积相等,说明圆弧为一条直线,此时丢弃该圆弧。这样,结合函数D和C可以将圆弧映射到不同的象限,
步骤5:圆弧筛选:从分类后的圆弧中筛选出属于同一个椭圆边界的三个圆弧子集,这里定义圆弧对Pab=(αa,αb),则三圆弧子集可用τabc=(Pab,Pbc)来表示,三个圆弧子集采用如下三个约束条件筛选:第一、圆弧对中的各个圆弧是凸的;第二、圆弧对Pab中的各个圆弧要位于两个相邻的象限;第三、两个圆弧对计算得到的椭圆中心点相同。
步骤6:计算椭圆参数,该椭圆参数包括椭圆的中心位置、长短轴比及倾斜角度。
椭圆中心点计算,借助椭圆的几何性质:所有平行弦的中点与椭圆中心共线,这样两个圆弧对可确定出两条相交的直线,二者交点即为椭圆中心。具体计算公式如下:
其中(x1,y1)(x2,y2)分别为两个圆弧短点连线的中心点,k1,k2为两直线的斜率。
椭圆长短轴比N及倾斜角度计算,采用如下常规公式:
其中γ=q1q2-q3q4,β=(1+q3q4)(q1+q2)-(1+q1q2)(q3+q4)。
步骤7:对计算得到的椭圆参数进行有效性验证,包括:
步骤71:根据步骤6计算的椭圆参数拟合椭圆;
步骤72:根据边缘检测出的椭圆上的点和拟合的椭圆对步骤6计算的椭圆参数有效性验证。对于边缘检测出的椭圆上的任一点(x,y)以及拟合出的椭圆εi,有:
定义集合β={(x,y):|f(x,y,εi)-1|<0.1}为圆弧中距离拟合椭圆边界距离小于0.1的点集,本步骤利用表示拟合出的椭圆方程的好坏,则可根据设定的评价系数来对拟合方程做评判。
步骤8:根据计算得到椭圆参数从票据原图中分割出椭圆区域。
步骤9:将椭圆区域变换为圆形区域。设椭圆区域的长轴长为a,短轴长为b,以椭圆的中心点(x0,y0)为坐标原点建立坐标系,则对于椭圆区域的任意一点(x,y),其在圆形区域的坐标为因此采用变换将椭圆区域变换为圆形区域。
步骤10:从圆形区域中选取目标序列区域,例如中文字符(公司名称)序列区域,并计算将目标序列区域变换成矩形区域之后,矩形区域的尺寸,同时遍历矩形区域并计算区域内每个像素点对应的目标区域点。
如图2所示,目标序列区域呈弧面形状,该弧面将圆形区域分为内圆和外圆,圆形区域中的阴影部分(目标序列区域)经过区域变换之后对应的矩形区域为图2右侧矩形区域,对于矩形区域的任一点(x,y),其在圆形区域的字符序列区域中对应的点为(x1,y1),(x1,y1)在圆形区域对应的极坐标为(RA,θA)。图2中圆环的内圆半径为R1,外圆半径为R2,θ1为弧面起始角度,θ2弧面终止角度。则有:
此外,有y=RA-R1 (3)
如图2中所示,变换后的矩形区域的长为R2(θ2-θ1),因此单个像素点对应的角度为:
因此,与矩形区域中的任一点(x,y)对应的圆形区域的点在极坐标下的表示为:
结合公式(2)和公式(5)可以得出圆形区域点(x1,y1)和矩形区域对应点(x,y)在极坐标下的对应关系如下:
因此,对圆形区域的阴影区域部分采取公式(7)所示的变换即可其变换为标准的矩形区域。
步骤11:对每个目标像素点做差值运算,得到区域变换后目标序列图像。
对于用公式(7)变换之后的矩形图像区域的任一点,其对应的圆形区域坐标点一般不为整数,而实际图像每个像素的坐标点均为整数,故为了计算变换之后矩形区域各个点对应的像素值,需对变换之后的矩形区域像素点坐标做插值计算。常用的插值算法有最近邻插值、双线性插值、三次样条插值。比较三者优缺点,这里我们选用双线性插值,既能保证变换后的图像清晰度又不至于使计算量太大,影响性能。具体的插值计算如下:
对于一个目标像素,设置坐标通过反向变换得到的浮点坐标(i+u,j+v)(其中i、j均为浮点坐标的整数部分,u、v为浮点坐标的小数部分,是取值[0,1)区间的浮点数),则这个像素得值f(i+u,j+v)可由原图像中坐标为(i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)所对应的周围四个像素的值决定,即:
f(i+u,j+v)=(1-u)(1-v)f(i,j)+(1-u)vf(i,j+1)+u(1-v)f(i+1,j)+uvf(i+1,j+1)
其中f(i,j)表示源图像(i,j)处的像素值。
以上描述了本发明的基本原理和主要的特征,说明书的描述只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (9)
1.一种票据印章区域序列分割方法,其特征在于,当印章区域从票据原图分割出来之后,采用区域变换的方法将印章区域中的目标序列变换成规则的矩形区域,将印章区域中的目标序列变换成规则的矩形区域包括如下步骤:
将椭圆区域变换为圆形区域;
从圆形区域中选取目标序列区域,并计算将目标序列区域变换成矩形区域之后,矩形区域的尺寸,同时遍历矩形区域并计算区域内每个像素点对应的目标区域点;
对每个目标像素点做差值运算,得到区域变换后目标序列图像。
2.如权利要求1所述的一种票据印章区域序列分割方法,其特征在于,所述目标序列区域呈弧面形状,该弧面将圆形区域分为内圆和外圆,采用将目标序列区域变换到矩形区域,其中,x1、y1分别为圆形区域上的像素点值,θ1为弧面起始角度,R1内圆半径,R2为外圆半径。
3.如权利要求1所述的一种票据印章区域序列分割方法,其特征在于,所述差值运算为双线性插值运算。
4.如权利要求3所述的一种票据印章区域序列分割方法,其特征在于,差值运算的时候,采用f(i+u,j+v)=(1-u)(1-v)f(I,j)+(1-u)vf(I,j+1)+u(1-v)f(i+1,j)+uvf(i+1,j+1)来计算矩形区域中个点的像素值,其中,(i+u,j+v)为目标区域中的坐标通过反向变换得到的浮点坐标,i、j均为浮点坐标的整数部分,u、v为浮点坐标的小数部分,是取值[0,1)区间的浮点数,f(i,j)表示源图像(i,j)处的像素值。
5.如权利要求1-4任意一项所述的一种票据印章区域序列分割方法,其特征在于,将印章区域从票据原图分割出来的步骤包括:
步骤1:对输入图像进行模糊预处理,得到处理后的图像;
步骤2:对模糊后的图像做边缘检测并计算边缘点梯度方向;
步骤3:将检测出的边缘点根据梯度方向分为两类,连接相同方向的边缘点从而获取圆弧;
步骤4:计算圆弧的外接矩形及外接矩形被圆弧分解的上、下两部分面积,比较上、下两部分面积的大小得到圆弧的凸凹性,根据每段圆弧的凸凹性将其分类;
步骤5:从分类后的圆弧中筛选出属于同一个椭圆边界的圆弧子集;
步骤6:计算椭圆参数,该椭圆参数包括椭圆的中心位置、长短轴比及倾斜角度;
步骤7:对计算得到的椭圆参数进行有效性验证;
步骤8:根据计算得到椭圆参数从票据原图中分割出椭圆区域。
6.如权利要求5所述的一种票据印章区域序列分割方法,其特征在于,步骤1中所述的模糊预处理包括对输入图像做高斯模糊预处理。
7.如权利要求5所述的一种票据印章区域序列分割方法,其特征在于,步骤2使用Canny算子对模糊后的图像做边缘检测并计算边缘点梯度方向。
8.如权利要求5所述的一种票据印章区域序列分割方法,其特征在于,步骤5中,属于同一个椭圆边界的圆弧子集包括三个,三个圆弧子集采用如下三个约束条件筛选:
A.圆弧对中的各个圆弧是凸的;
B.圆弧对中的各个圆弧要位于两个相邻的象限;
C.两个圆弧对计算得到的椭圆中心点相同。
9.如权利要求8所述的一种票据印章区域序列分割方法,其特征在于,步骤7包括:
步骤71:根据步骤6计算的椭圆参数拟合椭圆;
步骤72:根据边缘检测出的椭圆上的点和拟合的椭圆对步骤6计算的椭圆参数有效性验证,公式如下:
<mrow>
<mi>&delta;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mi>&beta;</mi>
<mo>|</mo>
</mrow>
<mrow>
<mo>|</mo>
<msup>
<mi>&alpha;</mi>
<mi>a</mi>
</msup>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<msup>
<mi>&alpha;</mi>
<mi>b</mi>
</msup>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<msup>
<mi>&alpha;</mi>
<mi>c</mi>
</msup>
<mo>|</mo>
</mrow>
</mfrac>
</mrow>
其中,(x,y)为边缘检测出的椭圆上的任一点,εi为拟合出的椭圆,β为圆弧中距离拟合椭圆边界距离小于0.1的点集,β={(x,y):|f(x,y,εi)-1|<0.1},αa、αb、αc为不同的圆弧。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710984640.4A CN107610138A (zh) | 2017-10-20 | 2017-10-20 | 一种票据印章区域序列分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710984640.4A CN107610138A (zh) | 2017-10-20 | 2017-10-20 | 一种票据印章区域序列分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107610138A true CN107610138A (zh) | 2018-01-19 |
Family
ID=61078237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710984640.4A Pending CN107610138A (zh) | 2017-10-20 | 2017-10-20 | 一种票据印章区域序列分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107610138A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034154A (zh) * | 2018-07-23 | 2018-12-18 | 西安电子科技大学昆山创新研究院 | 发票专用章税号的提取和识别方法 |
CN110443250A (zh) * | 2019-07-31 | 2019-11-12 | 天津车之家数据信息技术有限公司 | 一种合同印章的类别识别方法、装置和计算设备 |
CN110895696A (zh) * | 2019-11-05 | 2020-03-20 | 泰康保险集团股份有限公司 | 一种图像信息提取方法和装置 |
CN111291726A (zh) * | 2020-03-12 | 2020-06-16 | 泰康保险集团股份有限公司 | 医疗票据分拣方法、装置、设备和介质 |
CN111368838A (zh) * | 2018-12-26 | 2020-07-03 | 珠海金山网络游戏科技有限公司 | 一种举报截图的识别方法及装置 |
CN112132907A (zh) * | 2020-09-22 | 2020-12-25 | 北京的卢深视科技有限公司 | 一种相机标定方法、装置、电子设备及存储介质 |
CN114419635A (zh) * | 2022-03-30 | 2022-04-29 | 北京点聚信息技术有限公司 | 一种基于图形识别的电子印章矢量图识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102646193A (zh) * | 2012-03-23 | 2012-08-22 | 河海大学 | 一种环形排布字符图像分割方法 |
CN103295008A (zh) * | 2013-05-22 | 2013-09-11 | 华为终端有限公司 | 一种文字识别方法及用户终端 |
EP2752790A2 (en) * | 2013-01-04 | 2014-07-09 | Ricoh Company, Ltd. | Local scale, rotation and position invariant word detection for optical character recognition |
CN104239870A (zh) * | 2014-09-25 | 2014-12-24 | 哈尔滨工业大学 | 一种基于曲线弧分割的椭圆检测方法 |
CN105631447A (zh) * | 2015-12-18 | 2016-06-01 | 杭州仁盈科技股份有限公司 | 一种识别圆形公章中文字的方法 |
-
2017
- 2017-10-20 CN CN201710984640.4A patent/CN107610138A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102646193A (zh) * | 2012-03-23 | 2012-08-22 | 河海大学 | 一种环形排布字符图像分割方法 |
EP2752790A2 (en) * | 2013-01-04 | 2014-07-09 | Ricoh Company, Ltd. | Local scale, rotation and position invariant word detection for optical character recognition |
CN103295008A (zh) * | 2013-05-22 | 2013-09-11 | 华为终端有限公司 | 一种文字识别方法及用户终端 |
CN104239870A (zh) * | 2014-09-25 | 2014-12-24 | 哈尔滨工业大学 | 一种基于曲线弧分割的椭圆检测方法 |
CN105631447A (zh) * | 2015-12-18 | 2016-06-01 | 杭州仁盈科技股份有限公司 | 一种识别圆形公章中文字的方法 |
Non-Patent Citations (2)
Title |
---|
MICHELE FORNACIARI等: "A fast and effective ellipse detector for embedded vision applications", 《PATTERN RECOGNITION》 * |
黄剑航: "基于HALCON的圆环区域字符识别实现", 《现代计算机基础(专业版)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034154A (zh) * | 2018-07-23 | 2018-12-18 | 西安电子科技大学昆山创新研究院 | 发票专用章税号的提取和识别方法 |
CN111368838A (zh) * | 2018-12-26 | 2020-07-03 | 珠海金山网络游戏科技有限公司 | 一种举报截图的识别方法及装置 |
CN110443250A (zh) * | 2019-07-31 | 2019-11-12 | 天津车之家数据信息技术有限公司 | 一种合同印章的类别识别方法、装置和计算设备 |
CN110443250B (zh) * | 2019-07-31 | 2022-06-10 | 天津车之家数据信息技术有限公司 | 一种合同印章的类别识别方法、装置和计算设备 |
CN110895696A (zh) * | 2019-11-05 | 2020-03-20 | 泰康保险集团股份有限公司 | 一种图像信息提取方法和装置 |
CN111291726A (zh) * | 2020-03-12 | 2020-06-16 | 泰康保险集团股份有限公司 | 医疗票据分拣方法、装置、设备和介质 |
CN111291726B (zh) * | 2020-03-12 | 2023-08-08 | 泰康保险集团股份有限公司 | 医疗票据分拣方法、装置、设备和介质 |
CN112132907A (zh) * | 2020-09-22 | 2020-12-25 | 北京的卢深视科技有限公司 | 一种相机标定方法、装置、电子设备及存储介质 |
CN114419635A (zh) * | 2022-03-30 | 2022-04-29 | 北京点聚信息技术有限公司 | 一种基于图形识别的电子印章矢量图识别方法 |
CN114419635B (zh) * | 2022-03-30 | 2022-06-24 | 北京点聚信息技术有限公司 | 一种基于图形识别的电子印章矢量图识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107610138A (zh) | 一种票据印章区域序列分割方法 | |
CN105512638B (zh) | 一种基于融合特征的人脸检测与对齐方法 | |
US8494273B2 (en) | Adaptive optical character recognition on a document with distorted characters | |
CN103077389B (zh) | 一种结合字符级分类和字符串级分类的文本检测和识别方法 | |
CN106909941A (zh) | 基于机器视觉的多表字符识别系统及方法 | |
CN104408449B (zh) | 智能移动终端场景文字处理方法 | |
CN104299009B (zh) | 基于多特征融合的车牌字符识别方法 | |
CN106845542B (zh) | 基于dsp的纸币冠字号智能识别方法 | |
CN103093240A (zh) | 书法字识别方法 | |
CN109359566B (zh) | 利用手指特征进行层级分类的手势识别方法 | |
CN109785298A (zh) | 一种多角度物体检测方法和系统 | |
Boussellaa et al. | Unsupervised block covering analysis for text-line segmentation of Arabic ancient handwritten document images | |
Fang et al. | ID card identification system based on image recognition | |
CN104966047A (zh) | 一种车牌识别的方法及装置 | |
CN110363196B (zh) | 一种倾斜文本的文字精准识别的方法 | |
CN103500323A (zh) | 基于自适应灰度图像滤波的模板匹配方法 | |
Pham et al. | CNN-based character recognition for license plate recognition system | |
Zhou et al. | A novel text line segmentation method based on contour curve tracking for Tibetan historical documents | |
CN109858501A (zh) | 一种两相流流型特征提取方法 | |
Yang et al. | Deep learning aided system design method for intelligent reimbursement robot | |
Maddouri et al. | Text lines and PAWs segmentation of handwritten Arabic document by two hybrid methods | |
CN104036494A (zh) | 一种用于水果图像的快速匹配计算方法 | |
Mohamad et al. | Recognize printed Arabic letter using new geometrical features | |
CN109325487B (zh) | 一种基于目标检测的全种类车牌识别方法 | |
Rajithkumar et al. | Template matching method for recognition of stone inscripted Kannada characters of different time frames based on correlation analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180119 |
|
RJ01 | Rejection of invention patent application after publication |