导读:本文包含了数字和字母识别论文开题报告文献综述及选题提纲参考文献，主要关键词:字符识别,模板,判别函数,标准差
数字和字母识别论文文献综述
谷秋頔,白艳萍[1]（2011）在《基于模板匹配的车牌数字与字母识别》一文中研究指出车牌的字符识别是车牌识别的重要组成部分.我国的车牌由7个字符组成,除第一位为汉字外,其余均为字母和数字字符,所以提高数字与字母识别率在车牌字符识别中占很重要的地位.通过模板匹配的方法对车牌的数字与字母字符进行识别.选择了两个判别函数,一个是求取模板、待识别字符与运算结果的标准差的最小值,另一个是求取运算结果与模板比值的最大值.并对两个判别函数的识别结果进行了比较,求标准差最小值在总体识别结果上比求比值最大值的识别结果要好,但在个别字符的识别上,求取比值最大值的识别结果要高于求取标准差最小值的识别结果.(本文来源于《数学的实践与认识》期刊2011年20期）
和小娟,罗勇[2]（2011）在《边界链码在字母与数字混合识别中的应用》一文中研究指出将链码技术应用到字母与数字的混合识别中,用链码跟踪其轮廓,提取形状特征.针对链码间的差异性,设计了多级分类器,获得了良好的分类器品质.方法简单有效、存储量小,具有实用性,可嵌入到车牌、图书索号识别等应用领域.(本文来源于《郑州大学学报(理学版)》期刊2011年03期）
胡占奇[3]（2010）在《基于车牌字母数字结构分析的车牌识别算法研究》一文中研究指出车牌自动识别是计算机视觉、图像处理与模式识别技术在智能交通领域应用的重要研究课题之一,是实现交通管理智能化的重要环节。开展这一问题的深入研究,不仅丰富了模式识别、计算机视觉等技术理论,而且其研究成果具有较现实的实际应用价值。基于计算机视觉技术的车牌自动识别系统主要由图像采集、车牌定位、字符分割和字符识别等模块组成。本文主要研究了车牌识别系统中的车牌定位算法、字符分割算法和字符识别算法,并在VC平台上给出了其实现且对算法进行了验证。本文引用了边缘检测、图像形态学原理和聚类分析,对车牌定位算法展开了研究,提出了以Sobel算子进行边缘、图像形态学的水平膨胀及聚类分析的方法确定车牌的候选区域,再应用模糊决策方法在候选区域中找出真正车牌区域。该算法定位准确率高、适用于复杂的交通环境。在字符分割算法研究中,提出了以同态滤波方法去除不均匀光照影响,采用Hough变换对车牌进行倾斜校正,以车牌的垂直投影并结合可变模板对字符进行切分,很好的解决了车牌的倾斜和个别车牌字符的宽度不均问题。在字符识别算法研究中,采用了结构法对字符进行识别。对分割出的每个字符图像,对其像素值图设定一个分割阈值,大于此阈值的像素点其灰度值如实标示出来,小于此阈值的像素点用“0”标示其像素值,且这两类像素点用不同的颜色标示以示区分。在统计字符结构特征信息的基础上,采用两种基于字符结构的识别算法,纵向结构树形分类识别和结构基元组合识别分别进行字符识别,效果良好,满足了实际应用中快速、准确的要求。并对两种方法进行对比总结。(本文来源于《东华大学》期刊2010-01-01）
李立军,苏敏,刘永新[4]（2009）在《基于VC++实现的数字与字母识别》一文中研究指出本设计在对图象进行预处理,包括二值化、滤波、倾斜校正等的基础上,依据不同字符的高度,宽度范围,改进了插值变换归一化方法,使字符的识别率达到99%以上,有效的提高了识别正确率,实验证明该算法可靠性高,简单易行。(本文来源于《微计算机信息》期刊2009年34期）
国刚,王毅[5]（2008）在《应用BP神经网络进行手写体字母数字识别》一文中研究指出该文提出了一种采用BP神经网络方法来对无限制手写体字母、数字进行识别的方案。在选取合适的特征点的基础上,对手写体图像进行分域处理,每一小区域对应输入层的一个神经元。测试结果表明,该识别方案具有很强的抗畸变、抗旋转能力。(本文来源于《电脑知识与技术》期刊2008年33期）
牛慧娟,汪森霖[6]（2008）在《基于神经网络的带噪声英文字母和数字识别》一文中研究指出应用神经网络的方法,设计了一个432-26-36结构的叁层BP训练网络,来识别具有一定噪声的26个大写英文字母及10个阿拉伯数字,并考察了网络初始参数对于收敛速度的影响,通过多次对试验结果的比较选取了最佳隐层节点个数。系统用MatLab进行仿真实现,试验结果表明该系统能够对具有一定噪声的大写英文字母和数字进行非常好的识别。(本文来源于《现代计算机(专业版)》期刊2008年10期）
王萍,刘恒,狄光敏[7]（2008）在《基于简约码特性树的字母和数字识别》一文中研究指出针对由大写英文字母和阿拉伯数字组成的符号序列图像进行识别.字母和数字经细化处理,得到其骨架线,采用八方向链码及特定的编码跟踪规则形成由多条子链构成的唯一链码描述,提出了包含较少冗余信息、便于提取系列骨架线特征的简约码及简约码特征提取方法,并建立了对特征向量各分量酌情分开使用、形成分类特征树的策略,成功地解决了25个字母和10个数字的识别问题.测试结果表明,该方法及算法的平均正确识别率为98%,优于商用软件的识别率.(本文来源于《天津大学学报》期刊2008年06期）
王中华,陈叁宝,周开军[8]（2006）在《复杂环境中的车牌字母和数字识别研究》一文中研究指出当前车牌识别的研究大都是针对正常环境进行的,对于复杂环境下的车牌难以达到识别要求。本文提出一种用BP神经网络构造并行神经网络的车牌字母和数字识别方法,利用PVM网络在虚拟并行平台上实现了并行神经网络,最后对复杂现场环境下获取的车牌进行了实验。实验结果证明,该算法具有良好的性能,能在28ms内实时准确的识别车牌字母和数字。(本文来源于《微型电脑应用》期刊2006年03期）
张正华,余松煜,方志军,乔艳涛[9]（2006）在《实时识别数字和英文字母快速算法的现场可编程门阵列设计》一文中研究指出在分析阿拉伯数字以及大写英文字母的形状特征后,提出了一种适于现场可编程门阵列(FPGA)实现的图像实时识别算法.该算法能够充分描述数字和字母图像的特征向量,然后经过预处理和定位后提取出各特征向量,最后计算出各特征向量间的距离并比较大小就能对图像进行实时识别.算法对图像平移和小角度旋转具有不变性,并且具有简单、识别准确率高、计算复杂度低、存储量小的优点.FPGA仿真结果表明,该算法只需要8 000逻辑门就能实时识别出50×75像素大小的数字和字母图像,证明了算法具有较高的可行性和高效性.(本文来源于《上海交通大学学报》期刊2006年01期）
邢博,梁德群,李文举[10]（2005）在《一种新的车牌数字及字母字符识别方法》一文中研究指出车牌字符识别是车牌自动识别系统的关键环节.车牌数字及字母字符识别是车牌字符识别的重要组成部分.传统的模板匹配法的缺点是在车牌图像质量退化时识别率较低.提出一种新的改进的模板匹配法.该方法定义前景匹配度、背景匹配度和整体失配度3种匹配测度进行模板匹配,匹配成功则直接获得识别结果,否则,对相似字符情形应用特征区域模板匹配法,对其他情形应用空心模板匹配法.实验结果表明,该方法对车牌字符褪色、污迹、断裂、模糊、光照不均等质量退化车牌图像具有较好的识别效果.(本文来源于《辽宁师范大学学报(自然科学版)》期刊2005年01期）
数字和字母识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
将链码技术应用到字母与数字的混合识别中,用链码跟踪其轮廓,提取形状特征.针对链码间的差异性,设计了多级分类器,获得了良好的分类器品质.方法简单有效、存储量小,具有实用性,可嵌入到车牌、图书索号识别等应用领域.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数字和字母识别论文参考文献
[1].谷秋頔,白艳萍.基于模板匹配的车牌数字与字母识别[J].数学的实践与认识.2011
[2].和小娟,罗勇.边界链码在字母与数字混合识别中的应用[J].郑州大学学报(理学版).2011
[3].胡占奇.基于车牌字母数字结构分析的车牌识别算法研究[D].东华大学.2010
[4].李立军,苏敏,刘永新.基于VC++实现的数字与字母识别[J].微计算机信息.2009
[5].国刚,王毅.应用BP神经网络进行手写体字母数字识别[J].电脑知识与技术.2008
[6].牛慧娟,汪森霖.基于神经网络的带噪声英文字母和数字识别[J].现代计算机(专业版).2008
[7].王萍,刘恒,狄光敏.基于简约码特性树的字母和数字识别[J].天津大学学报.2008
[8].王中华,陈叁宝,周开军.复杂环境中的车牌字母和数字识别研究[J].微型电脑应用.2006
[9].张正华,余松煜,方志军,乔艳涛.实时识别数字和英文字母快速算法的现场可编程门阵列设计[J].上海交通大学学报.2006
[10].邢博,梁德群,李文举.一种新的车牌数字及字母字符识别方法[J].辽宁师范大学学报(自然科学版).2005