根據(jù)模板匹配的畸變字符識(shí)別算法.該算法能夠全自動(dòng)校正因?yàn)槊鎸油渡渌斐傻幕冏址麍D象,明顯提升面層字符識(shí)別的準(zhǔn)確率.隨后對(duì)校正后 的圖象開展字符精準(zhǔn)定位,終根據(jù)模板匹配算法對(duì)字符作出.實(shí)驗(yàn)結(jié)果顯示,畸變字符校正算法合理地提升了算法針對(duì)圓上上字符的鑒別工作能力,在檢測中獲得了 優(yōu)良的實(shí)際效果.根據(jù)模板匹配的畸變字符識(shí)別算法.該算法能夠全自動(dòng)校正因?yàn)槊鎸油渡渌斐傻幕冏址麍D象,明顯提升面層字符識(shí)別的準(zhǔn)確率.隨后對(duì)校正后 的圖象開展字符精準(zhǔn)定位,終根據(jù)模板匹配算法對(duì)字符作出.實(shí)驗(yàn)結(jié)果顯示,畸變字符校正算法合理地提升了算法針對(duì)圓上上字符的鑒別工作能力,在檢測中獲得了 優(yōu)良的實(shí)際效果.

解決低質(zhì)量圖像給識(shí)別任務(wù)帶來的困難,構(gòu)造了一個(gè)由圖像增強(qiáng)網(wǎng)絡(luò)(EnCNN)和手寫體數(shù)字識(shí)別網(wǎng)絡(luò)(LeNet-5)組成的低質(zhì)量圖片識(shí)別框架.將圖像增強(qiáng)網(wǎng)絡(luò)嫁接在識(shí)別網(wǎng)絡(luò)前,并使用提出的策略進(jìn)行模型學(xué)習(xí).使得低質(zhì)量圖像在被識(shí)別前圖像質(zhì)量得到較大的改善,終實(shí)現(xiàn)低質(zhì)量手寫體圖像識(shí)別率的提高.實(shí)驗(yàn)部分將提出的方法和在單純使用低質(zhì)量圖像或高清圖作為訓(xùn)練集進(jìn)行訓(xùn)練的方法進(jìn)行了對(duì)比,實(shí)驗(yàn)表明在低質(zhì)量圖像上,提出的方法有更高的數(shù)字識(shí)別率,且有更強(qiáng)的泛化能力.

在電子光學(xué)符號(hào)識(shí)別機(jī)中,符號(hào)歷經(jīng)歸類,提取特征的預(yù)處理后,一般要根據(jù)比較繁雜的邏輯性方法開展識(shí)別.文中詳細(xì)介紹一種用更改特征矢量素材逐步提升識(shí)別率的方法.這類方法簡易,有益于電子計(jì)算機(jī)剖析和設(shè)備的完成.在電子光學(xué)符號(hào)識(shí)別機(jī)中,符號(hào)歷經(jīng)歸類,提取特征的預(yù)處理后,一般要根據(jù)比較繁雜的邏輯性方法開展識(shí)別.文中詳細(xì)介紹一種用更改特征矢量素材逐步提升識(shí)別率的方法.這類方法簡易,有益于電子計(jì)算機(jī)剖析和設(shè)備的完成.