[发明专利]融合卷积神经网络和半字模板匹配的表盘数字字符识别法有效
| 申请号： | 201910160157.3 | 申请日： | 2019-03-04 |
| 公开（公告）号： | CN109902751B | 公开（公告）日： | 2022-07-08 |
| 发明（设计）人： | 吴林煌;杨绣郡;陈志峰 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06V10/774;G06V10/82;G06V10/28;G06N3/04;G06N3/08 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350108 福建省福州市闽*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种融合卷积神经网络和半字模板匹配的表盘数字字符识别方法，首先获取带有全字半字标签的分割好的灰度图，接着将标签筛选分类，若标签为0则进行半字识别，若标签为1则进行全字识别；最后按照图像输入的顺序，依次输出灰度图的识别结果。本发明识别正确率高，为表盘数字字符半字全字的分开识别提供了新思路，并融合卷积神经网络和半字模板匹配，可广泛应用于需要进行数字字符识别的领域。 | ||
| 搜索关键词： | 融合 卷积 神经网络 字模 匹配 表盘 数字 字符 识别 | ||
【主权项】：
1.一种融合卷积神经网络和半字模板匹配的表盘数字字符识别方法，其特征在于：包括以下步骤：步骤S1：获取带有全字半字标签的分割好的灰度图，并输入到步骤S2中；其中，标签0代表半字，标签1代表全字；步骤S2：将标签筛选分类，若标签为0则进入步骤S4，若标签为1则进入步骤S3；步骤S3：训练一个卷积神经网络，将标签为1的全字灰度图输入到训练好的神经网络中识别，得到全字识别结果；步骤S4：将标签为0的半字灰度图二值化后，保留两个最大连通域，得到处理后的待识别半字二值图像M2；步骤S5：将步骤S4得到的处理后的图像与半字模板进行基于像素的模板匹配，得到半字识别结果；步骤S6：按照步骤S1中图像输入的顺序，依次输出灰度图的识别结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福州大学，未经福州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910160157.3/，转载请声明来源钻瓜专利网。
