新的基于统计熵功率的OCR算法及其DMCU实现

doi:10.3778/j.issn.1002-8331.2009.01.060

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (1): 195-197.DOI: 10.3778/j.issn.1002-8331.2009.01.060

• 图形、图像、模式识别 • 上一篇下一篇

新的基于统计熵功率的OCR算法及其DMCU实现

吴永亮,万旺根,钱锋,徐鸿玮

上海大学通信与信息工程学院，上海 200072

收稿日期:2007-12-26 修回日期:2008-03-26 出版日期:2009-01-01 发布日期:2009-01-01
通讯作者: 吴永亮

Novel algorithm and its realization of optical character recognition based on statistical entropy power

WU Yong-liang,WAN Wang-gen,QIAN Feng,XU Hong-wei

School of Communication and Information Engineering，Shanghai University，Shanghai 200072，China

Received:2007-12-26 Revised:2008-03-26 Online:2009-01-01 Published:2009-01-01
Contact: WU Yong-liang

摘要/Abstract

摘要： 使用摄像头进行文字识别最大的问题在于图像抖动。为了有效地消除图像抖动并正确实现文字识别，提出了一种基于统计熵功率的新的识别算法。这种方法将采集到的数据作为随机信号处理。实验证明，此算法计算复杂度低，识别率高，适用于低成本嵌入式系统，在中国台湾俊亿公司24 MHZ 16位DMCU嵌入式系统上，获得了94％以上的正确识别率。

关键词: 统计, 熵功率, 文字识别

Abstract: The problem for applying OCR through a common camera is the wobble of the received image data.For the purpose of accurate recognition of Chinese characters，a new algorithm based on the statistical entropy power is proposed in this paper，which transforms the received image data into a set of random signal in order to process.Experimental results have shown that the algorithm has low computation complexity and high recognition rate，making it suitable for low-cost embedded system implementation，and a recognition rate of above 94% has been achieved on the 24 MHZ 16 bit DMCU embedded system which is produced by Taiwan of China chip manufacturer KingBillion.

Key words: statistical, entropy power, Optical Character Recognition（OCR）

吴永亮,万旺根,钱锋,徐鸿玮. 新的基于统计熵功率的OCR算法及其DMCU实现[J]. 计算机工程与应用, 2009, 45(1): 195-197.

WU Yong-liang,WAN Wang-gen,QIAN Feng,XU Hong-wei. Novel algorithm and its realization of optical character recognition based on statistical entropy power[J]. Computer Engineering and Applications, 2009, 45(1): 195-197.

[1]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.
[2]	李守玉，何庆，杜逆索. 分段权重和变异反向学习的蝴蝶优化算法[J]. 计算机工程与应用, 2021, 57(22): 92-101.
[3]	高玮军，师阳，杨杰，张春霞. 一种改进的轻量人头检测方法[J]. 计算机工程与应用, 2021, 57(1): 207-212.
[4]	宋丽丽，李彬，赵俊雅，刘国峰. 正态重采样的改进行人再识别度量学习算法[J]. 计算机工程与应用, 2020, 56(8): 158-165.
[5]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[6]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[7]	车建国，赵赛. 基于数据深度的过程工业故障检测方法[J]. 计算机工程与应用, 2020, 56(1): 265-271.
[8]	楚涵婷1，邢星1，2，孟志鑫1，贾志淳1. 国家自然科学基金推荐系统研究领域资助分析[J]. 计算机工程与应用, 2019, 55(9): 259-263.
[9]	石凯1，2，聂富强1，孙峰2. 多维数据判别分析的非参核密度算法研究[J]. 计算机工程与应用, 2019, 55(6): 8-12.
[10]	刘鑫童1，马小萍2，刘立波1. 基于中值滤波和残差网络的甲状腺结节检测[J]. 计算机工程与应用, 2019, 55(13): 254-259.
[11]	马波1，赵祎1，齐良才2. 变分自编码器在机械故障预警中的应用[J]. 计算机工程与应用, 2019, 55(12): 245-249.
[12]	郑文庆，金虎，郭建蓬，冯辉. 基于信道占用及优先级的MAC协议退避算法[J]. 计算机工程与应用, 2019, 55(11): 80-84.
[13]	孙贤明，樊晓光，禚真福，丛伟，陈少华. 综合时频域及核判别分析的两级特征提取新方法[J]. 计算机工程与应用, 2018, 54(3): 115-119.
[14]	文继李1，丁立新1，万润泽1，邹桢苹2. 基于兴趣区域的无参考图像质量评价方法[J]. 计算机工程与应用, 2018, 54(16): 169-175.
[15]	刘炜伦，张衡阳，郑博，赵玮. 机载自组网信道占用统计预测机制[J]. 计算机工程与应用, 2018, 54(15): 78-83.

新的基于统计熵功率的OCR算法及其DMCU实现

Novel algorithm and its realization of optical character recognition based on statistical entropy power

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics