基于matlab的文字識(shí)別算法-課程設(shè)計(jì)(存儲(chǔ)版)
【正文】 ============%Bottom=zeros(1,x)。for j=1:y Width(j)=Right(j)Left(j)。EndtoEnd Text Recognition with Hybrid HMM Maxout Models（2022）使用一種復(fù)雜的，包含分割、矯正以及字符識(shí)別的CNN網(wǎng)絡(luò)，結(jié)合使用固定詞典的隱馬爾科夫模型（HMM），生成最終的識(shí)別結(jié)果。Whole is Greater than Sum of Parts: Recognizing Scene Text Words（2022）使用整張文字圖片來識(shí)別單詞:他們使用基于梯度的特征圖與預(yù)先制作好的單詞圖像進(jìn)行對(duì)比，利用動(dòng)態(tài) k 近鄰來判斷當(dāng)前圖片所包含的單詞。該方法在 goggle 街景門牌號(hào)識(shí)別任務(wù)中獲得了 96%以上的識(shí)別率。但是由于他們需要使用固定大小的圖像作為輸入，并且將輸入圖像編碼為固定長度的特征向量，在圖片中字符較多的情況下，模型的識(shí)別精度會(huì)顯著下降。另外，字符的識(shí)別需要上下文的參與，如圖 10（b）所示。 c)缺乏字符定位功能。為了獲得良好的機(jī)器學(xué)習(xí)效果，大部分的機(jī)器學(xué)習(xí)算法都要求盡量使用豐富、大量、貼近真實(shí)世界的樣本進(jìn)行訓(xùn)練。有些算法還需要結(jié)合切分好的單字符訓(xùn)練樣本、多字符訓(xùn)練樣本。 b)長字符串識(shí)別正確率顯著下降。然后利用字符分類器來預(yù)測字符分類。但是依然存在一些不足:一些研究將深度學(xué)習(xí)技術(shù)用于單個(gè)字符的識(shí)別步驟中，但整體框架依舊遵循傳統(tǒng)處理流程設(shè)計(jì)，因此在其它步驟中依舊會(huì)遇到緒論所述問題。他們?cè)诮志伴T牌號(hào)識(shí)別任務(wù)中取得了極大的成功。 基于單詞的識(shí)別Scene Text Recognition using Higher Order Language Priors 以及 LargeLexicon AttributeConsistent Text Recognition in Natural Images 的工作依舊依賴于顯式的字符分類器，但是通過構(gòu)建一個(gè)圖結(jié)構(gòu)來推導(dǎo)整個(gè)單詞。但是該算法只能用于水平方向排列的文本的檢測識(shí)別。 end endfor i=1:x1 BottomD(i)=Bottom(i+1)Bottom(i)。(i1))沈 陽 理 工 大 學(xué) 課 程 設(shè) 計(jì) 專 用 紙沈陽理工大學(xué)16 i=i1。end%==============================%i=1。 end endfor j=1:y1 RightD(j)=Right(j+1)Right(j)。(j1)) j=j1。end%========== 結(jié)構(gòu)特征提取 =============%j=1。%I=~I。for i=1:x0 if (RangeX(i)=1) Wx=Wx+1。% 必須為二值圖像I=im2bw(I0,)。739。amp。V39。P39。amp。amp。039。C39。C39。T39。 end end end end endStroke=[Stroke Str]。((SR=*SV)amp。 else if ((SLSR)amp。 endend %========= 提取結(jié)構(gòu) ===============%if (Count=fix(Range/4)+1) % 發(fā)生突變后，剩余部分可能無法形成字符結(jié)構(gòu)if ((SL=ST)amp。P39。 else if (max(SL,SR)=3)amp。((SR=1)||(SL(SR+SV)))))沈 陽 理 工 大 學(xué) 課 程 設(shè) 計(jì) 專 用 紙沈陽理工大學(xué)10 Str=39。 else if ((SV=2*(SL+SR))amp。 % 字符的寬度或者高度for j=Y1:Y2 Count=Count+1。SV=0。m 的字符，假設(shè)有 n 個(gè)模板字符，則識(shí)別一個(gè)字符至少需要 mamp。 fprintf（c，‘%s\n’，Code（1:um））。 %字符規(guī)格化成 4040end 12. 調(diào)用以下代碼創(chuàng)建字符集：code=char（‘由于作者水平有限書中難免存在缺點(diǎn)和疏漏之處懇請(qǐng)讀批評(píng)指正。對(duì)腐蝕膨脹后的圖像進(jìn)行 Y 方向上的區(qū)域選定，限定區(qū)域后的圖像如圖所示： 掃描方法：中間往兩邊掃。在對(duì)場景文字識(shí)別的研究中，獲取自然場景圖片時(shí)候，由于背景物體、光線、陰影、拍攝角度引起的圖片背景千變?nèi)f化，攝像器材的精度、拍攝人員的技術(shù)等軟硬件的不同為拍攝同樣的自然場景圖片也帶來了相當(dāng)大的差別，被拍攝的圖片中包含的文字大小、顏色、書寫風(fēng)格的各不相同等因素都為自然場景文字識(shí)別的實(shí)現(xiàn)增加的相當(dāng)?shù)碾y度。圖 1 靜態(tài)文字處理流程圖沈 陽 理 工 大 學(xué) 課 程 設(shè) 計(jì) 專 用 紙沈陽理工大學(xué)42 課程設(shè)計(jì)要求在高速發(fā)展的計(jì)算機(jī)軟硬件技術(shù)的支撐下，多媒體技術(shù)的發(fā)展非常迅速，計(jì)算機(jī)技術(shù)從傳統(tǒng)的辦公和計(jì)算逐漸向人工智能和數(shù)字娛樂發(fā)展。 關(guān)鍵字：文字識(shí)別算法；靜態(tài)圖像文字提?。粰z索沈 陽 理 工 大 學(xué) 課 程 設(shè) 計(jì) 專 用 紙II目錄1 課程設(shè)計(jì)目的 ...........................................................................................32 課程設(shè)計(jì)要求 .........................................................................................43 相關(guān)知識(shí) ................................................................................................54 課程設(shè)計(jì)分析 .........................................................................................85 系統(tǒng)實(shí)現(xiàn) ................................................................................................96 系統(tǒng)測試與分析 ...................................................................................17 文字識(shí)別算法仿真結(jié)果 .....................................................................17 基于字符及單詞的識(shí)別 ................................................
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1