基于字符分割与新型LENET网络的票据识别算法

摘要：

目的 为加强银行智能办理业务的设备性能,提高票据数字的识别效率,研究一种改进的算法来获得更高的数字识别效果.方法 根据银行票据的印刷数字特性进行字符的提取和分割,经过图像采集、降噪、二值化之后使用起点直方图法结合步长法进行字符的分割,然后使用改进的LENET卷积神经网络用于提取数字特征,进行分类.结果 通过实验,结果表明文中提出的方法进行复杂环境下的印刷数字识别,准确率达到95％以上,识别速率为1.169 s/张.结论 利用新的字符分割算法与改进的LENET神经网络相结合,可以很好地识别干扰强的印刷票据,准确率高.

关键词：票据识别、深度学习、卷积神经网络、字符识别、文本定位

所属期刊栏目：41

分类号：TP391.43(计算技术、计算机技术)

资助基金：天津市自然科学基金17JCTPJC54900

在线出版日期：2020-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：244-250