摘要：为了提高非合作目标区域中光学字符的识别能力,增强电力铭牌、电网文本等信息采集的准确性,设计了一种偏振图像与可见光图像同时采集并进行图像融合的光学字符识别系统。通过设置0°、60°和120°的偏振角对响应电压进行周期性调制,从而获取有效信息区域的连通范围,实现准确的边界约束。通过计算偏振角度标定参数,设置边界条件的合理阈值,为图像融合提供范围标准。实验分别测试了响应电压关于偏振角度和测试距离的函数曲线,结果显示,偏振角度周期性变化斜率为53.1mV/(°)。在0.5~3.0m范围内,响应电压最大值为241.7mV,最小电压为18.5mV,并且三条响应曲线的单调性几乎一致。实验针对图像清晰度较差的电力铭牌目标进行测试,结果显示,模糊的原始图像在传统图像滤波与增强后,对比度从0.34提升至1.56,图像质量得到了一定的改善,但仍有部分字符无法识别。而采用文中算法后,对比度达到了3.23,部分模糊字符也能有效识别。可见,该系统适用于非合作目标的光学字符识别,对低质量图像中光学字符识别具有很好的优化效果。

摘要：当前图书馆书目信息管理大都是通过硬盘等存储器,对海量图书信息进行处理,但是信息输入的效率远远低于图书信息产生效率,使得书目信息查询准确率降低。面向该种问题,提出基于RBF神经网络的书目光学字符特征分类方法,先对海量书目光学图像进行图像去噪、光学字符区域定位以及字模分割的预处理,再采用基于统计与模糊隶属度的特征提取方法,获取书目光学字符特征图像的三大类特征。将RBF网络作为模式分类器,设计面向书目光学字符分类系统的网络模型,实现海量书目光学字符特征的准确分类。实验结果说明,所提方法的分类效率、分类精度都较高。