基于字符分割与新型LENET网络的票据识别算法

• 作者: 晏文仲 李光
• 来源期刊: 包装工程
• 学科: 工学
• 关键词: 票据识别 深度学习 卷积神经网络 字符识别 文本定位
• 年，卷（期）: 2020,（21）
• 所属期刊栏目: 图文信息技术
• 页码范围: 244-250
• 页数: 7页
• 分类号: TP391.43
• 语种: 中文
• DOI: 10.19554/j.cnki.1001-3563.2020.21.036

摘要

目的 为加强银行智能办理业务的设备性能,提高票据数字的识别效率,研究一种改进的算法来获得更高的数字识别效果.方法 根据银行票据的印刷数字特性进行字符的提取和分割,经过图像采集、降噪、二值化之后使用起点直方图法结合步长法进行字符的分割,然后使用改进的LENET卷积神经网络用于提取数字特征,进行分类.结果 通过实验,结果表明文中提出的方法进行复杂环境下的印刷数字识别,准确率达到95％以上,识别速率为1.169 s/张.结论 利用新的字符分割算法与改进的LENET神经网络相结合,可以很好地识别干扰强的印刷票据,准确率高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李光		43	177	8.0	12.0
2	晏文仲		2	0	0.0	0.0