1) Extraction and Segmentation of Character Region
字符区域提取分割
2) extracting the text area
文字区域提取
3) Character extraction
字符提取
1.
A Declining License Character Extraction Method;
一种倾斜车牌字符提取方法
2.
Through studying the mathematical morphology thoroughly,a novel license plate character extraction algorithm for the gray image is proposed.
在深入研究数学形态学的基础上,提取了一种灰度图像车牌字符提取算法。
3.
First,at the stage of character extraction,the approach of color extraction is used for extracting characters when the characters color is as same as background but has difference in brightness.
介绍了一个数码管显示数字仪表表盘读数的自动识别系统,在字符提取阶段,采用颜色提取的方法,使得尽管图片的字体颜色与背景颜色相同,但只要亮度不同。
5) Characters segmentation
字符分割
1.
This paper discusses characters segmentation and characters recognition in intelligent vehicle plate recognition system.
对车牌识别(LPR)系统中字符分割与字符识别方法进行探讨。
2.
The new methods of the early technique of LP recognition, including LP location, LP image contrast estimation, binarization, and characters segmentation are studied and proposed.
针对车牌识别的前期技术 ,即车牌定位、车牌图像的对比度判断和二值化、字符分割等技术进行了研究并提出了新的处理方法 ,实验结果表明提出的算法简洁、实时性好、处理正确率高 ,达到了实用的标
6) character division
字符分割
1.
License Plate Locating and Character Division;
汽车牌照定位与字符分割
2.
The accuracy of character division is the prerequisite of correct recognition in the automatic recognition system for automobile license plate.
在汽车牌照自动识别系统中,字符分割的准确性是能否正确识别的前提条件,由于受自然环境和人为因素的影响,造成图像质量下降,给字符分割带来了很大的干扰,本文采用了面积投影法,轮廓投影法和固定间距法综合来分割字符,现场实践证明,字符分割准确卒达到98。
3.
Various techniques of digital image processing in the license plate identification are introduced,and the key techniques such as edge detection of license plate and character division of license plate are discussed in detail.
讨论了数字图像处理在车牌识别中所使用的各种技术,对于车牌边缘检测和车牌字符分割等关键处理技术进行了较为详细的论述。
补充资料：图象区域分割
图象区域分割
image region segmentation
tux一ang quyu fenge图象区域分割(image region义gmentation) 基于图象区域特性的差异对图象进行分割的技术。区域分割的基本思想是标识图象中各个具有相似特征的区域。相似的特征可以是形状、象素值或纹理等。在模式识别中的聚类技术也可用于基于区域的图象分割。 模板匹配基于区域分割图象的一种直接方法是将图象中的区域和一组给定的模板进行比较匹配，从而将符合模板的物体从图象的其它部分中分割出来，而剩余的图象则可根据需要再用其它方法分析。例如，模板匹配可用于分割图文混排的书稿。当文字用模板匹配的方法找出来以后，图形可再用其它方法进行分析。模板匹配的过程往往用相关或卷积计算来进行(参见图象处理的基本运算)。 纹理分俐当物体置于明显的纹理背景中或物体本身具有较强的纹理特征时，就需要利用基于纹理的区域分割方法。由于纹理是某种模式，或者说图案、花样、结构等的重复，所以不能用单个的象素的特性(灰度或颜色)来描述。当然也无法用基于象素的分类方法(参见图象象素分类)。由于纹理经常包含有大量的边缘，因此，除非滤去纹理，否则用边界跟踪的方法分割有丰富纹理的图象很难有好的效果。 纹理的描述与分类是分割的基础(参见图象特征提取)。当我们知道图象中有某种纹理存在时，可利用已知纹理的特征(如该纹理在频域中的描述或空间灰度关系矩阵)在图象中寻找。如果事先没有知识的话，可以采用基于区域的聚类方法进行纹理区域的分割。一种容易想到的办法是:把图象分成若干(小)块，计算每一块的纹理特征，根据特征差别的程度决定是否把小块合并。 区域聚类法聚类法一般可分为区域生长法及分裂合并法。 区域生长区域生长的基本思路是:从满足检测准则的点或一块区域开始，在各个方向上“生长”物体。“生长”的依据是:同一类型区域的特征，如灰度、颜色及纹理特征等，相差不会太远。满足一定合并条件的邻域可以并人该区域。在生长过程中，合并条件可以调整。当再也找不到可合并的邻域时，生长停止。 区域的分裂和合并这个方法的基本思路是:首先将图象分为若干“初始”区域，然后再分裂或合并这些区域，逐步改进区域分割的指标，直到最后将图象分割为数量最少(或符合某一要求)的“基本一致”的区域为止。通常，“一致”性的标准可用特性的均方误差来量度。 与基于边界的图象分割方法(参见图象边缘检测)相比，基于区域生长法和分裂合并法对噪声相对不敏感，但是计算复杂度较高。(俞志和)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条