导读:本文包含了自适应字符识别论文开题报告文献综述、选题提纲参考文献，主要关键词:自适应,神经网络,字符,算法,阿拉伯语,函数,小波。
自适应字符识别论文文献综述写法
朱德利,杨德刚,胡蓉,万辉[1]（2019）在《适于移动终端字符识别环境的自适应多阈值二值化方法》一文中研究指出为了解决移动终端字符识别应用中光照不均匀、环境不可控而导致的图像二值化效果不佳的问题,提出一种基于积分图快速计算的多阈值自适应二值化方法。该方法首先以待求点为中心设置一个特定尺寸的滑窗,计算该滑窗内所有点的均值,再根据高斯函数加权计算当前滑窗的两个前置滑窗的均值。设置均值松弛因子来衡量当前点的光照情况。像素点的松弛阈值依据该点的松弛因子和光照情况的评价综合计算获得。以Lenovo ZUK Z2 Pro作为实验设备,在Android操作系统中编写程序,进行文字识别精度的测试。所提算法对前景划分的平均召回率为95.5%,平均准确率为91%。调用Tesseract 4.0的原生OCR识别引擎进行验证,在不规则阴影、多层次光照、线性光线变化等环境下,算法的文字识别准确率分别为96.8%,98.2%和93.2%,高于其他预处理算法。所提算法具有较强的鲁棒性和自适应能力,能满足移动终端字符识别应用的图像预处理要求。(本文来源于《计算机科学》期刊2019年08期）
林凯[2]（2018）在《文档图像自适应二值化与字符识别》一文中研究指出现代办公逐步走向数字化,将纸质文档图像转化为数字电子文档的需求逐渐增多,但是直接将其扫描成图像存储或者人工录入,显然效率低,数据量大。OCR技术使得纸质文档图像到数字文档转存更加便捷,随着OCR技术的逐渐成熟,OCR也开始不断被各行各业所应用。目前OCR适合识别高质量的文档图像,但是对于处理低质量类型的文档图像效果并不理想。因此对于OCR技术应用于识别这些低质量文档图像的算法仍需进一步的研究。本文通过研究降质类型文档图像特点,发现对于降质文档图像的OCR处理性能关键在于图像的预处理也就是二值化处理过程,而对于多字体印刷体汉字的识别,需要在保证其具有高效的识别率同时保证识别系统的稳定性。因此本文通过大量研究国内外二值化算法以及字符识别算法,分别对低质量文档图像二值化以及多字体印刷体汉字的识别进行相应的改进研究,以提高OCR系统的识别率和稳定性。本文的主要工作如下:第一,本文根据图像的灰度直方图之间即存在一定差异又存在一定联系的特性,分析了经二值化算法分类后的图像灰度直方图特征属性,通过将已有的二值化算法与SVM结合,实现对任意文档图像实现自适应选择二值化算法,该算法首先对DIBCO标准库中的图像进行处理,按优以预定的二值化方法对处理后的图像进行归类,其次提取图像的灰度直方图的特征属性作为特征向量,其对应的图像二值化算法作为标签建立训练样本,最后采用SVM建立自适应选择模型,以达到自适应选择二值化方法的目的。第二,本文深入研究了多字体印刷体汉字的特点以及卷积神经网络的结构,提出了一种基于Le Net-5结构的改进网络结构,主要对Le Net-5结构中包括对输入层、隐藏层、激励函数以及输出层进行改进。增加特征提取层的同时又通过减少全连接层来降低训练参数,从而减少训练成本。以改进的Le Net-5网络结构对一级字表中的不同笔画结构的100个不同字体的印刷体的汉字进行识别。(本文来源于《哈尔滨理工大学》期刊2018-03-01）
杨怡,王江晴,朱宗晓[3]（2015）在《基于仿射传播聚类的自适应手写字符识别》一文中研究指出对于手写字符识别过程中相似字符较多且相同字符存在大量不规则书写变形的问题,提出一种改进的仿射传播聚类算法加入手写字符识别过程中。该算法基于原始仿射传播(AP)聚类算法,将其与聚类评判函数Silhouette结合,通过AP算法迭代过程自适应地改变偏向参数以调整类别数,并且结合每次聚类质量得到最优聚类结果。基于手写汉字识别的实验结果表明,加入了原始AP算法的识别率比传统识别过程得到的识别率总体提高1.52%,而加入改进AP算法的识别率又比加入原始AP算法的识别率总体提高了1.28%。该实验结果验证了加入聚类算法于手写字符识别过程的有效性,而改进AP算法相比原始AP算法在收敛性和聚类质量上都有一定的提高。(本文来源于《计算机应用》期刊2015年03期）
刘峰[4]（2014）在《一种改进的自适应增值税发票字符识别方法研究》一文中研究指出随着“营改增”税改在全国各行各业展开,增值税发票的验真变得越来越广泛和重要。由于供应商进项发票可以成为抵扣税的凭据，直接关系到采购企业的经济利益。为了提高增值税发票认证的效率，研究利用计算机来自动识别增值税发票的关键信息具有重要而实际的意义。根据增值税发票的特点和识别的技术要求，构建了增值税发票字符识别的总体技术框架，详细阐述了字符识别的流程和主要技术。通过研读相关技术文献，对OCR的发展状况和相关技术进行了较深的研究分析和归纳。分析了几种常用的灰度图像二值化方法，本文选用了适应性广的局部动态阈值Bernsen算法对图像进行二值化；采用霍夫变换检测发票图像中的直线，从而得出倾斜角并将图像旋转校正；设计了一种以数学形态学为基础的颗粒噪声去除方法；利用了投影法对数字字符进行切分；提取了数字字符图像的网格特征和横向及纵向笔画交点数特征，组成了40维的特征向量。为了达到增值税发票高识别率的要求，本文设计了改进的遗传BP神经网络数字字符识别算法。研究了遗传算法和BP神经网络的基本理论，分析了两种算法各自的长处和短处，利用遗传算法去搜索BP神经网络的一组次优的连接权系数和阈值的初始值，可以很好地综合遗传算法优秀的全局寻优能力和BP神经网络良好的局部寻优能力，从而改善了BP神经网络可能落入局部极值的缺陷，增强了算法的可靠性。标准遗传算法存在缺陷，常常过快收敛而落入局部最优解，搜索没有方向性。这些缺点都和标准遗传算法采用不会随着种群环境的变化而变动的交叉和变异概率有直接关系。为了克服这些缺点，本文设计了一种改进的自适应遗传算法，在定义了种群收敛系数的基础上，设计了一种新的自适应交叉和变异概率调节公式，使得交叉和变异概率能够随着种群收敛性变化而自适应的改变，能够改善标准遗传算法过早收敛的缺陷，改善了遗传算法的全局搜索最优解的能力。设计了一种BP神经网络，综合改进的自适应遗传算法与BP神经网络，利用自适应遗传算法去搜索BP神经网络的一组次优的连接权值和阈值，然后再利用BP网络继续训练，使样本全局误差达到预设的误差限值以下，这种结合的算法可以改善BP神经网络可能落入局部最优的缺陷。在VS2010中，结合OpenCV，用C语言编码实现了本文算法，实验表明本文改进的自适应遗传算法具有一定的优势，改进自适应遗传BP神经网络算法具有健壮性和有效性。(本文来源于《湘潭大学》期刊2014-05-05）
许亚美,卢朝阳,李静[5]（2012）在《多部件自适应融合的手写体阿拉伯字符识别》一文中研究指出针对手写阿拉伯文100类变体字符中相似字多、书写粘连等识别难点,提出一种基于部件分解和自适应融合的识别算法.首先,根据结构规则建立字符的部件模型,将字符分解为主体、附加和点叁类部件,并结合连笔分析获得较鲁棒性的部件描述;然后,针对各类部件的不同特点设计相应的特征抽取和分类器,通过部件匹配来检测和辨识相似字间的微小差异;最后,利用并改进D-S证据理论对多个部件进行融合,通过分析部件的匹配度分布建立一种实时的融合权重计算方法,并基于所得权重提出证据的折扣方案,从而实现自适应融合,以提升字符识别效果.实验证明该算法较现有经典算法在识别率和稳定性方面均有明显提高.(本文来源于《西安电子科技大学学报》期刊2012年06期）
王晓东,薛宏智,马盈仓[6]（2008）在《基于自适应遗传算法的神经网络字符识别》一文中研究指出为了增强传统自适应遗传算法在进化初期的鲁棒性及避免早熟收敛,给出了一种改进算法,并利用这一算法来调整BP模型的网络权值与阈值,最后将新算法应用于字符的识别.仿真结果表明,新算法比BP算法具有更强的识别能力.(本文来源于《西安工程大学学报》期刊2008年02期）
潘永惠,吴懋刚[7]（2008）在《基于自适应小波神经网络的字符识别算法及其应用》一文中研究指出根据车牌中字符的形态特征和横向纹理属性,以小波空间作为车牌字符识别的特征空间,通过小波分析来实现字符的特征提取.用非线性小波基取代通常神经元的激励函数,构建了一种自适应小波神经网络的车牌字符识别模型.实验结果表明,本文提出的算法对复杂背景下拍摄的汽车牌照识别具有很好的鲁棒性.(本文来源于《淮阴师范学院学报(自然科学版)》期刊2008年01期）
朱莉,孙广玲[8]（2006）在《基于SVM和sigmoid函数的字符识别自适应学习算法》一文中研究指出在SVM算法和sigmoid函数的基础上,提出了一种字符识别自适应学习算法,该算法通过自适应修正sigmoid函数的参数,使sigmoid函数能够较好地拟合自适应数据输出距离的类别后验概率分布,从而提高对自适应数据的识别率。(本文来源于《电子技术应用》期刊2006年04期）
韩可轶,周德俭,张烈平,谢晓兰[9]（2006）在《基于人工神经网络自适应共振理论的手写字符识别》一文中研究指出以人工神经网络中的自适应共振理论为基础,研究了用光标在电脑屏幕上进行手写输入的字符识别方法.根据专业领域文字输入中经常使用特殊字符的特点,程序部分由内核是Unicode的Java实现.采用Unicode编码不但可以方便地实现特殊字符的识别和显示,还有利于跨平台的移植,较好地解决了文字录入中特殊字符不易查找以及某些用户操作键盘不便等实际问题.(本文来源于《桂林工学院学报》期刊2006年01期）
孙光民,李岩,王鹏,杨静[10]（2005）在《用于神经网络手写体字符识别的自适应归一化处理方法》一文中研究指出传统的字符归一化方法只是对字符的大小进行改变,它与字符类别无关,也无法对字符的旋转、扭曲等变形进行矫正。本文采用一种与字符类别相关的自适应归一化方法——全局仿射变换,用于神经网络手写体字符识别中,利用已知类别的参考模板对输入字符进行全局归一化,同时对字符的旋转、扭曲等变形进行校正,归一化准则定义为参考模板与输入模板间的最近邻距离。并采用对权值的迭代算法得到最优的匹配模板。采用不同神经网络识别系统对该方法验证,表明该方法可使系统识别率得到较明显提高。(本文来源于《模式识别与人工智能》期刊2005年03期）
自适应字符识别论文开题报告范文
（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：
现代办公逐步走向数字化,将纸质文档图像转化为数字电子文档的需求逐渐增多,但是直接将其扫描成图像存储或者人工录入,显然效率低,数据量大。OCR技术使得纸质文档图像到数字文档转存更加便捷,随着OCR技术的逐渐成熟,OCR也开始不断被各行各业所应用。目前OCR适合识别高质量的文档图像,但是对于处理低质量类型的文档图像效果并不理想。因此对于OCR技术应用于识别这些低质量文档图像的算法仍需进一步的研究。本文通过研究降质类型文档图像特点,发现对于降质文档图像的OCR处理性能关键在于图像的预处理也就是二值化处理过程,而对于多字体印刷体汉字的识别,需要在保证其具有高效的识别率同时保证识别系统的稳定性。因此本文通过大量研究国内外二值化算法以及字符识别算法,分别对低质量文档图像二值化以及多字体印刷体汉字的识别进行相应的改进研究,以提高OCR系统的识别率和稳定性。本文的主要工作如下:第一,本文根据图像的灰度直方图之间即存在一定差异又存在一定联系的特性,分析了经二值化算法分类后的图像灰度直方图特征属性,通过将已有的二值化算法与SVM结合,实现对任意文档图像实现自适应选择二值化算法,该算法首先对DIBCO标准库中的图像进行处理,按优以预定的二值化方法对处理后的图像进行归类,其次提取图像的灰度直方图的特征属性作为特征向量,其对应的图像二值化算法作为标签建立训练样本,最后采用SVM建立自适应选择模型,以达到自适应选择二值化方法的目的。第二,本文深入研究了多字体印刷体汉字的特点以及卷积神经网络的结构,提出了一种基于Le Net-5结构的改进网络结构,主要对Le Net-5结构中包括对输入层、隐藏层、激励函数以及输出层进行改进。增加特征提取层的同时又通过减少全连接层来降低训练参数,从而减少训练成本。以改进的Le Net-5网络结构对一级字表中的不同笔画结构的100个不同字体的印刷体的汉字进行识别。
（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。
自适应字符识别论文参考文献
[1].朱德利,杨德刚,胡蓉,万辉.适于移动终端字符识别环境的自适应多阈值二值化方法[J].计算机科学.2019
[2].林凯.文档图像自适应二值化与字符识别[D].哈尔滨理工大学.2018
[3].杨怡,王江晴,朱宗晓.基于仿射传播聚类的自适应手写字符识别[J].计算机应用.2015
[4].刘峰.一种改进的自适应增值税发票字符识别方法研究[D].湘潭大学.2014
[5].许亚美,卢朝阳,李静.多部件自适应融合的手写体阿拉伯字符识别[J].西安电子科技大学学报.2012
[6].王晓东,薛宏智,马盈仓.基于自适应遗传算法的神经网络字符识别[J].西安工程大学学报.2008
[7].潘永惠,吴懋刚.基于自适应小波神经网络的字符识别算法及其应用[J].淮阴师范学院学报(自然科学版).2008
[8].朱莉,孙广玲.基于SVM和sigmoid函数的字符识别自适应学习算法[J].电子技术应用.2006
[9].韩可轶,周德俭,张烈平,谢晓兰.基于人工神经网络自适应共振理论的手写字符识别[J].桂林工学院学报.2006
[10].孙光民,李岩,王鹏,杨静.用于神经网络手写体字符识别的自适应归一化处理方法[J].模式识别与人工智能.2005