搜索资源列表
文字识别程序
- 目前该手写体识别系统主要分为 预处理模块： 主要包括训练数据和识别数据的读取，归一化，二值化 特征提取模块：主要包括笔划方向特征和网格密度特征，还可以根据对识别率的要求继续增加其他特征 识别（分类器）模块：主要包括SVM方法和BP神经网络的方法，其中SVM方法的识别率较高，SVM＋网格密度特征， 在小字符集情况下，达到了识别率97％以上 采用OO思想编写，适合做二次开发-currently the handwriting recognition system consists of pretre
DigitRec
- 数字识别系统源代码: 第一步：训练网络。使用训练样本进行训练 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90％。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“
digital-recognise
- 数字识别代码 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。 首先，打开图像（256色） 再次，进行归一化处理。点击“一次性处理” 最后，点击“R”或者使用菜单找到相应项来进行识别识别的结果显示在屏幕上，同时也输出到文件result.txt中 该系统的识别率一般为90％ 另外，也可以单独对打开的图片一步一步进行图像预处理工作。但要注意，每一步工作只能执行一遍，而且要按顺序执行。步骤为：“256色位图
digitshibie
- 图形数字识别： 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。 首先，打开图像（256色） 再次，进行归一化处理。点击“一次性处理” 最后，点击“R”或者使用菜单找到相应项来进行识别 识别的结果显示在屏幕上，同时也输出到文件result.txt中-graphics figures recognition : the first step : training netw
szsbxtydm
- 数字识别系统源代码.rar 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90％。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意
eyedemo
- 包括整个虹膜识别的预处理部分，分为多个函数部分，即简单图像增强，Canny算子提取边缘，Hough变换定位内外圆形边界进行风格，以及最后的归一化 -- 将圆环展为矩形。附带几张图像及自制的界面程序，并不是很完善，但整体的预处理任务已经较好的完成，如果进一步提高性能，可以先把Hough变换改为最小二乘拟和算法。
OpenCVtuxiangju
- 用OpenCV做的，先对图像做预处理，再求取图像中目标区域的归一化中心矩或者Hu矩。使用前先对VC++6.0进行OpenCV环境设置。
shuzishibie
- 数字识别系统源代码。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。
norm_faces
- 这个是进行人脸识别或是人眼定位所要用到的BioID人连数据库，该数据库是进行过归一化处理后的
PlateReco
- 一个很好的车牌定位与识别系统，能够对车牌进行很好的定位，二值化、归一化处理，运用16段法进行特征提取，对提取出的字符进行细化达到精确识别的目的。
shuzishibie
- 数字识别代码 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。 首先，打开图像（256色） 再次，进行归一化处理。点击“一次性处理” 最后，点击“R”或者使用菜单找到相应项来进行识别识别的结果显示在屏幕上，同时也输出到文件result.txt中 该系统的识别率一般为90％ -Digital identification code the first step: Training Network. Th
Neural-network-recognition-system
- 使用说明 第一步：训练网络。使用训练样本进行训练。 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90 。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－
pca2D
- 2DPCA用于人脸、步态等图像识别，可先按照行列比例将不规整图像归一化处理，然后进行训练，并且识别，全部中文注释和提示，便于学习和参考。-2DPCA human face, gait, such as image recognition, in accordance with the ranks of the ratio can not structured to deal with the normalized image, and then training, and recognition
DigitRec
- 使用说明 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90 。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作
TermView
- 图片中的文字提取，包括图像二值化，图像归一化，图像大小压缩，图像细化等处理的C语言代码！有一定的注释，是不可多得的好资料，比较稀缺-Picture of text extraction, including image binarization, image normalization, image size compression, image thinning, such as the C language code to deal with! There are some notes, g
guiyihua
- 对图像进行归一化处理！是图像预处理中不可缺少的重要部分-The image is normalized! Image preprocessing is an indispensable part in
Recog
- 用于数字字符识别。包括对含有数字的图片进行二值化，去噪，分隔字符，归一化处理，训练神经网络并识别。-For digital character recognition. Including the number of pictures that contain binary, denoising, separation characters, normalization, and identification of training neural networks.
developmant--board
- 图形数字识别： 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。 首先，打开图像（256色） 再次，进行归一化处理。点击“一次性处理” 最后，点击“R”或者使用菜单找到相应项来进行识别 [character_recgnize_VC.rar] - 图像识别的经典案例，文字识别，部分用到matlab编程技术 -Graphics digital recognition: the first s
guiyihua1
- 在进行图像目标提取前进行图片归一化处理，使得目标中心一致、尺寸一致。-Before making image object extraction image normalized so that the target center line, the same size.
Character_Recognition
- 本程序主要参照论文，《基于OpenCV的脱机手写字符识别技术》实现了，对于手写阿拉伯数字的识别工作。识别工作分为三大步骤：预处理，特征提取，分类识别。预处理过程主要找到图像的ROI部分子图像并进行大小的归一化处理，特征提取将图像转化为特征向量，分类识别采用k-近邻分类方法进行分类处理，最后根据分类结果完成识别工作。 程序采用Microsoft Visual Studio 2010与OpenCV2.4.4在Windows 7-64位旗舰版系统下开发完成。并在Windows xp-32位系统下测试