基于matlab的文字識別算法-課程設(shè)計(jì)-wenkub.com
2025-07-23 08:54 本頁面
【正文】 因此，對樣本制作要求苛刻的識別算法會(huì)加大人工工作量，進(jìn)而難以通用。 訓(xùn)練樣本制作繁瑣不少算法的訓(xùn)練依賴于詳細(xì)的訓(xùn)練樣本標(biāo)注結(jié)果：不僅需要知道每張訓(xùn)練樣本中包含的文字，還需要知道每個(gè)文字所處的位置。很多時(shí)候，文字識別不僅僅需要了解圖像中包含的 文字內(nèi)容，還需要了解每個(gè)字符在原圖中的位置。以單詞為單位進(jìn)行識別的方法無法應(yīng)對此類情況。該圖中的單詞為 defence，若將 d、f、 n 分離后再進(jìn)行字符識別，識別成功率會(huì)明顯下降。 脫離上下文的字符識別易造成顯著的歧義基于字符的識別方法通常以字符為處理單位，通過分割或者滑動(dòng)窗口搜索的方法，將單個(gè)字符進(jìn)行分離。另一方面，由于他們的模型沒有對圖片進(jìn)行顯式地字符定位和分割，因此無法得知每個(gè)字符在原圖中所處位置。當(dāng)字符數(shù)量足夠多時(shí)，基于固定長度向量編碼的方法性能會(huì)顯著下降。同時(shí)還在對goggle 驗(yàn)證碼識別任務(wù)中獲得了 99%以上的識別率。Multidigit Number Recognition from Street View Imagery using Deep Convolutional Neural Networks（2022）等人使用深度 CNN 對整張圖片進(jìn)行編碼，并使用多個(gè)位置敏感的字符級分類器來進(jìn)行文字識別。該方法依賴于一個(gè)固定詞典以及預(yù)先生成的單詞圖片。 基于字符的識別技術(shù)依賴于使用字符分類器對圖像進(jìn)行逐字符識別，最終將識別得到的字符進(jìn)行集成，得到圖像中的整個(gè)單詞。PhotoOCR系統(tǒng)使用基于HOG特征的神經(jīng)網(wǎng)絡(luò)分類器，對分割得到的候選結(jié)果進(jìn)行打分，使用結(jié)合N元語言模型（Ngram ）的Beam搜索算法，得到候選字符集合。他們利用字符置信度以及字符之間的空間約束關(guān)系，給出最可能的檢測和識別結(jié)果。end W=m沈 陽 理 工 大 學(xué) 課 程 設(shè) 計(jì) 專 用 紙沈陽理工大學(xué)176 系統(tǒng)測試與分析 文字識別算法仿真結(jié)果識別原圖如圖 9（a ）所示，仿真結(jié)果如圖 9（b）所示。 end if (j=1) Bottom(i)=j。 % 底部輪廓檢測for i=1:x j=y。amp。(ix)) i=i+1。 end endfor i=1:x1 TopD(i)=Top(i+1)Top(i)。 while ((j=y)amp。 end if (i=1) Right(j)=i。 % 左端輪廓檢測for j=1:y i=x。amp。(jy)) j=j+1。 end endfor j=1:y1 LeftD(j)=Left(j+1)Left(j)。 while ((i=x)amp。,Inf)。I=imresize(I,Amp)。Wx=0。)。)。)沈 陽 理 工 大 學(xué) 課 程 設(shè) 計(jì) 專 用 紙沈陽理工大學(xué)13 RStr=39。))) RStr=39。)||(StrokeLeft(3)==39。 else if ((XR==2)amp。(StrokeRight(2)==39。 end end end end end end end else if (StrokeTop(Ti)==39。 end end else if (XL==2) for Ri=2:XR1 if (StrokeRight(Ri)==39。 else if (XL2) for Li=2:XL if (StrokeLeft(Li)==39。(StrokeLeft(3)==39。)amp。)) RStr=39。)amp。)amp。 else RStr=39。(StrokeRight(2)==39。(StrokeLeft(2)==39。(XR==2)) if ((Comp=3)||((StrokeBottom(2)~=39。for Ti=2:XT if (StrokeTop(Ti)==39。 % 用于保存識別出的數(shù)字[temp XT]=size(StrokeTop)。StrB=39。StrL=39。C39。R39。amp。amp。V39。C39。T39。 SR=0。((j=Y22))) Stroke=[Stroke 39。C39。R39。amp。amp。V39。C39。 else SV=SV+1。 % 用于保存基本結(jié)構(gòu)Range=Y2Y1+1。 % 突變的閾值Str=39。SR=0。伸縮范圍比較小。TImes。對于左右結(jié)構(gòu)的字符（如：川）容易造成誤識別，“川”字將會(huì)被識別成三部分。 c=fopen（new ，‘a(chǎn)+’ ）。13. 字符匹配采用模板匹配算法：將現(xiàn)有字符逐個(gè)與模板字符相減，認(rèn)為相減誤差最小的現(xiàn)有字符與該模板字符匹配。 %顯示字符 end11. 調(diào)用以下代碼，將字符規(guī)格化，便于識別： for j=1:um word{j}=imresize（word{j}，［40 40］）。8. 調(diào)用自定義函數(shù)（字符獲取函數(shù)）i9=getchar（i8）。橫向、縱向分別的腐蝕膨脹運(yùn)算比橫向、縱向同時(shí)的腐蝕膨脹運(yùn)算好上很多。沈 陽 理 工 大 學(xué) 課 程 設(shè) 計(jì) 專 用 紙沈陽理工大學(xué)53 相關(guān)知識1. 在 Matlab 中調(diào)用 i1=imread（‘’ ），可得到原始圖像，如圖所示：圖 2 文字識別算法調(diào)制器模型 2. 調(diào)用 i2=rgb2gray（i1），則得到了灰度圖像，如圖所示：圖 3 灰度圖像調(diào)用 a=size（i1）。自然場景文本識別，就是將提取出來的自然場景圖片中的進(jìn)行識別，提取出信息用于進(jìn)一步的處理。文字是信息存儲(chǔ)和傳遞的重要載體，在很多由攝像設(shè)備拍攝的圖片中，都存在或多或少的文字，
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1