10.16526/j.cnki.11-4762/tp.2019.08.034
复杂背景图像的字符识别算法研究
为了解决字符识别过程中的局部曝光、印刷字符的断裂以及变形和自然环境下的背景污染等问题,提出了一种分块处理与卷积神经网络(CNN)相结合的字符图像识别算法;首先利用OpenCV机器视觉库,结合分块处理、伽马运算、参数调整等方法对产品零件表面印刷字符进行预处理,初步解决图像局部曝光和字符断裂问题;其次为了获得单个字符图像,利用数学形态学算法对局部曝光处理后的二值化图像进行分步分割,进而去掉字符间的无用信息;最后利用Keras模块为字符识别提供的API搭建CNN模型,经过对100多张字符的识别训练,准确率高达96.9%,为某汽车零部件自动化生产中的字符识别提供了可靠的依据.
局部曝光、字符分割、字符识别、数学形态学、CNN卷积神经网络
27
TP391.41(计算技术、计算机技术)
国家自然科学基金51575406;武汉工程大学研究生创新基金CX2017019
2019-09-09(万方平台首次上网日期,不代表论文的发表时间)
共5页
162-166