-
公开(公告)号：CN108052955B
公开(公告)日：2021-03-05
申请号：CN201711070466.9
申请日：2017-11-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种高精度盲文识别方法及系统，包括：利用采集设备获取纸版盲文的数字化图像；对数字化图像的盲文进行盲文点标注，并将标注完成的数字化图像作为训练样本，其中盲文点为凸点或凹点；根据训练样本中盲文点的标注信息，将数字化图像划分为包含盲文点的正样本和包含背景点的负样本；提取正样本和负样本的多种特征，分别训练多个分类器；对待检测盲文图像的盲文方进行定位，将以各盲文方对应的6个盲文点为中心的区域作为待检测区域，将待检测区域的多种特征分别输入至相应分类器；通过融合各分类器的识别结果，确定待检测盲文图像内盲文点的位置和类型信息。由此通过融合多分类器的检测结果，实现对盲文的高精度识别。
-
公开(公告)号：CN108062548B
公开(公告)日：2020-11-03
申请号：CN201711071082.9
申请日：2017-11-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种盲文方自适应定位方法及系统，包括：获取盲文图像的盲文点位置信息；对盲文点位置信息进行纵坐标的聚类，以得到多条预选盲文方水平行线的位置；根据各预选盲文方水平行线的纵坐标，从上往下判断是否存在符合标准的水平行线，若存在，则从三条水平行线开始，根据统计得到的盲文方点距、行距等信息分别向上、向下拓展，且拓展的过程中生成以最新拓展的一组三条水平行线为基准，同时剔除位置错误的水平行线，直到达到盲文图像上下两端，得到包含多组以三条水平行线为一组的盲文方水平线；同理得到盲文方竖直线；以盲文方竖直线和盲文方竖直线的相交点，构成盲文方网格。
-
公开(公告)号：CN108052936A
公开(公告)日：2018-05-18
申请号：CN201711071084.8
申请日：2017-11-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种盲文图像自动倾斜校正方法及系统，包括：利用采集设备获取纸版盲文的数字化图像；对该数字化图像的盲文进行盲文点检测，获得待校正图像；获取该待校正图像中盲文点的位置信息；根据该位置信息将该待校正图像中的盲文点和背景二值化，获得二值化图像，将背景的像素点赋值为0；将该二值化图像以预设角度为间隔进行第一轮多次旋转，将每次旋转后水平投影行像素值和为0的行数和竖直投影列像素和为0的列数相加，作为行列数，并将该行列数最大时对应的旋转角度作为校正角度，通过该校正角度对待校正图像进行倾斜校正。
-
Patent Agency Ranking
公开(公告)号：CN108062548A
公开(公告)日：2018-05-22
申请号：CN201711071082.9
申请日：2017-11-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种盲文方自适应定位方法及系统，包括：获取盲文图像的盲文点位置信息；对盲文点位置信息进行纵坐标的聚类，以得到多条预选盲文方水平行线的位置；根据各预选盲文方水平行线的纵坐标，从上往下判断是否存在符合标准的水平行线，若存在，则从三条水平行线开始，根据统计得到的盲文方点距、行距等信息分别向上、向下拓展，且拓展的过程中生成以最新拓展的一组三条水平行线为基准，同时剔除位置错误的水平行线，直到达到盲文图像上下两端，得到包含多组以三条水平行线为一组的盲文方水平线；同理得到盲文方竖直线；以盲文方竖直线和盲文方竖直线的相交点，构成盲文方网格。
-
公开(公告)号：CN108052936B
公开(公告)日：2021-06-29
申请号：CN201711071084.8
申请日：2017-11-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种盲文图像自动倾斜校正方法及系统，包括：利用采集设备获取纸版盲文的数字化图像；对该数字化图像的盲文进行盲文点检测，获得待校正图像；获取该待校正图像中盲文点的位置信息；根据该位置信息将该待校正图像中的盲文点和背景二值化，获得二值化图像，将背景的像素点赋值为0；将该二值化图像以预设角度为间隔进行第一轮多次旋转，将每次旋转后水平投影行像素值和为0的行数和竖直投影列像素和为0的列数相加，作为行列数，并将该行列数最大时对应的旋转角度作为校正角度，通过该校正角度对待校正图像进行倾斜校正。
-
公开(公告)号：CN110298236A
公开(公告)日：2019-10-01
申请号：CN201910419983.5
申请日：2019-05-20
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于深度学习的盲文图像自动识别方法和系统，包括：获取多张盲文点字图像作为训练集，并获取其对应的标注图像，标注图像中每个像素均已标注为对应的盲方类别；以训练集中的盲文点字图像为输入，并以对应的盲方标注图像为标准答案，使用卷积神经网络训练语义分割模型，直到语义分割模型输出的语义分割结果图中每个像素的盲方类别和标准答案之间的差异低于阈值，保持当前语义分割模型作为盲方语义分割模型；将待识别的盲文点字图像输入盲方语义分割模型，得到待识别盲文点字图像的语义分割结果图，作为识别结果，识别结果中每个像素均对应其所属的盲方类别。
-
公开(公告)号：CN108052955A
公开(公告)日：2018-05-18
申请号：CN201711070466.9
申请日：2017-11-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种高精度盲文识别方法及系统，包括：利用采集设备获取纸版盲文的数字化图像；对数字化图像的盲文进行盲文点标注，并将标注完成的数字化图像作为训练样本，其中盲文点为凸点或凹点；根据训练样本中盲文点的标注信息，将数字化图像划分为包含盲文点的正样本和包含背景点的负样本；提取正样本和负样本的多种特征，分别训练多个分类器；对待检测盲文图像的盲文方进行定位，将以各盲文方对应的6个盲文点为中心的区域作为待检测区域，将待检测区域的多种特征分别输入至相应分类器；通过融合各分类器的识别结果，确定待检测盲文图像内盲文点的位置和类型信息。由此通过融合多分类器的检测结果，实现对盲文的高精度识别。
-
公开(公告)号：CN110298236B
公开(公告)日：2021-11-30
申请号：CN201910419983.5
申请日：2019-05-20
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于深度学习的盲文图像自动识别方法和系统，包括：获取多张盲文点字图像作为训练集，并获取其对应的标注图像，标注图像中每个像素均已标注为对应的盲方类别；以训练集中的盲文点字图像为输入，并以对应的盲方标注图像为标准答案，使用卷积神经网络训练语义分割模型，直到语义分割模型输出的语义分割结果图中每个像素的盲方类别和标准答案之间的差异低于阈值，保持当前语义分割模型作为盲方语义分割模型；将待识别的盲文点字图像输入盲方语义分割模型，得到待识别盲文点字图像的语义分割结果图，作为识别结果，识别结果中每个像素均对应其所属的盲方类别。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.03 seconds)
