ES2306970T3 - Procedimiento para el reconocimiento optico de envios postales que utiliza varias binarizaciones. - Google Patents
Procedimiento para el reconocimiento optico de envios postales que utiliza varias binarizaciones. Download PDFInfo
- Publication number
- ES2306970T3 ES2306970T3 ES04300070T ES04300070T ES2306970T3 ES 2306970 T3 ES2306970 T3 ES 2306970T3 ES 04300070 T ES04300070 T ES 04300070T ES 04300070 T ES04300070 T ES 04300070T ES 2306970 T3 ES2306970 T3 ES 2306970T3
- Authority
- ES
- Spain
- Prior art keywords
- image
- address information
- gray levels
- binary image
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/16—Image preprocessing
- G06V30/162—Quantising the image signal
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
- G06V30/2504—Coarse or fine approaches, e.g. resolution of ambiguities or multiscale approaches
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Discrimination (AREA)
- Character Input (AREA)
- Sorting Of Articles (AREA)
Abstract
Un procedimiento para el tratamiento de envíos postales en un sistema automático de lectura de dirección, en el que se forma una imagen de múltiples niveles de grises (MNG) de la superficie de cada envío incluyendo una información de dirección (ADR), se transforma la imagen de múltiples niveles de grises en una imagen binaria (NB1) y se envía la imagen binaria a una unidad OCR con vistas a una primera evaluación automática de la información de dirección (OCR1), caracterizada porque se extrae de la imagen de múltiples niveles de grises y/o de la imagen binaria y/o del resultado de la evaluación automática, unos datos que constituyen una firma (SGN1, SGN2) representativa de una categoría de trazados de información de dirección, se transforma de nuevo la imagen de múltiples niveles de grises en una segunda imagen binaria (NB2) teniendo en cuenta la categoría representada por dicha firma y se envía la segunda imagen binaria a una unidad OCR con vistas a una segunda evaluación automática (OCR2).
Description
Procedimiento para el reconocimiento óptico de
envíos postales que utiliza varias binarizaciones.
El invento se refiere a un procedimiento para el
tratamiento de envíos postales en un sistema automático de lectura
de dirección, en el que se forma una imagen de múltiples niveles de
grises de la superficie de cada envío incluyendo la información de
dirección, se transforma la imagen de múltiples niveles de grises en
una primera imagen binaria y se envía la imagen binaria a una
unidad OCR con vistas a una primera evaluación automática de la
información de dirección.
Este procedimiento se aplica concretamente a una
instalación de selección postal automatizada en la que la
evaluación automática de las informaciones de dirección sirve para
el encaminamiento y la distribución de los envíos postales.
En los procedimientos conocidos de tratamiento
de envíos postales del género indicado anteriormente, el tratamiento
de la binarización de una imagen de múltiples niveles de grises
utiliza algoritmos cada vez más sofisticados para tener en cuenta
la diversidad de imágenes a tratar. Más concretamente se han
desarrollado algoritmos para intentar binarizar imágenes de
múltiples niveles de grises en las que la información de dirección
es poco legible por el hecho de un débil contraste entre el trazado
de la información de dirección y el fondo de la imagen, en las que
los caracteres de información de dirección están más o menos
espaciados unos de otros según se trate de caracteres manuscritos o
por el contrario de caracteres que provienen de una impresión por
una máquina que puede ser una impresora de agujas,1 impresora láser,
etc...
A pesar de las capacidades crecientes de estos
algoritmos de binarización, se constata todavía en la práctica en
lotes de envío postal de una instalación de selección postal
automatizada, que una parte de los envíos tratados es rechazada por
causa de un reconocimiento no unívoco de la información de dirección
producido por la binarización o un error de lectura de la
información de dirección producido por la binarización.
Por el documento de patente
US-6282314, se conoce un procedimiento para analizar
imágenes que pueden contener caracteres y tablas en el que se
digitaliza la imagen con vistas a aislar las porciones de la imagen
que contienen caracteres legibles por el OCR. Por el documento de
patente US-4747149, se conoce también un
procedimiento para analizar imágenes en el que se efectúa en
paralelo varías binarizaciones y se aplica un tratamiento OCR sobre
la mejor imagen binaria.
El objetivo del invento es proponer una mejora a
un procedimiento de tratamiento de envíos tal y como se ha indicado
anteriormente con vistas a obtener un aumento de la tasa de lectura
y una reducción de la tasa de error.
A este efecto, el invento tiene como objeto un
procedimiento para el tratamiento de envíos postales en un sistema
automático de lectura de dirección, en el que se forma una imagen de
múltiples niveles de grises de la superficie de cada envío
incluyendo la información de dirección, se transforma la imagen de
múltiples niveles de grises en una primera imagen binaria y se
envía la imagen binaria a una unidad OCR con vistas a una primera
evaluación automática de la información de dirección, caracterizado
por el hecho de que se extraen de la imagen de múltiples niveles de
grises y/o de la imagen binaria y/o del resultado de la evaluación
automática, unos datos que constituyen una firma representativa de
una categoría de trazos para la información de dirección, se
transforma de nuevo la imagen de múltiples niveles de grises en una
segunda imagen binaria teniendo en cuenta la categoría representada
por dicha firma y se envía la segunda imagen binaria a una unidad
OCR con vistas a una segunda evaluación automática.
El procedimiento según el invento presenta las
siguientes particularidades:
- los datos que constituyen la firma incluyen
unos primeros datos estadísticos indicativos del nivel de contraste
del trazado de la información de dirección en la imagen de múltiples
niveles de grises, unos segundos datos estadísticos indicativos de
la calidad de la tipografía del trazado de la información de
dirección en la primera imagen binaria, unos terceros datos
indicativos del tipo de trazado de la información de dirección
(trazado manuscrito o trazado resultante de una impresión mediante
máquina), unos cuartos datos estadísticos sobre la calidad de
reconocimiento de palabras y caracteres;
- la segunda transformación de la imagen de
múltiples niveles de grises en una imagen binaria consiste en
aplicar un tratamiento de binarización especifico elegido de entre
varios tratamientos de binarización en función de la categoría del
trazado de la información de dirección;
- la elección del tratamiento específico es
realizada por medio de un clasificador que recibe como entrada los
datos que constituyen la firma;
- los resultados de la primera evaluación
automática y de la segunda evaluación automática son combinados con
vistas a obtener la información de dirección.
En el procedimiento según en el invento, la
primera transformación de la imagen de múltiples niveles de grises
lleva a cabo un algoritmo de binarización llamado polivalente en el
sentido en el que este algoritmo no está específicamente adaptado a
una categoría particular de trazados de información de dirección.
Por categorías de trazado, hay que entender categorías en las que
los trazados son clasificados según se trate de un trazado
manuscrito o de un trazado resultante de una impresión mediante
máquina; de un trazado realizado con un contraste débil en la
imagen de múltiples niveles de grises o de un trazado realizado con
un gran nivel de contraste en la imagen de múltiples niveles de
grises; de un trazado con caracteres impresos por una máquina de
impresión de agujas o de un trazado con caracteres impresos por una
máquina de impresión láser; de un trazado con caracteres disjuntos
o de un trazado con caracteres encadenados, etc... El experto conoce
algoritmos de binarización llamados polivalentes que funcionan de
forma estadísticamente satisfactoria sobre un amplio espectro de
categorías de trazados de información de
dirección.
dirección.
La segunda transformación de la imagen de
múltiples niveles de grises lleva a cabo en cambio un algoritmo de
binarización especializado en el sentido en el que este algoritmo
está adaptado específicamente a una categoría de trazados de
información de dirección. A modo de ejemplos no limitativos, el
experto sabe que un algoritmo de binarización basado en una
circunvolución de tipo Laplaciana es apropiado para imágenes de
contraste débil; un algoritmo de binarización basado en un umbral
estático es apropiado para imágenes de contraste fuerte; un
algoritmo de binarización basado en un filtro paso bajo que promedie
los valores de los píxeles cercanos es apropiado para un trazado
resultante de una impresión por una máquina de impresión de agujas;
etc...
Un ejemplo de ejecución del procedimiento según
el invento es descrito a continuación e ilustrado por los
dibujos.
La figura 1 representa en formato de diagrama de
bloques el procedimiento según el invento.
La figura 2 ilustra de manera esquemática la
combinación de los resultados de las dos evaluaciones
automáticas.
La idea de base del invento es por tanto aplicar
sobre una imagen de múltiples niveles de grises que incluye una
información de dirección, después de una primera evaluación
automática de la información de dirección, un segundo tratamiento
de binarización más adaptado que el primer tratamiento de
binarización a determinadas especificidades del trazado de la
información de dirección.
En la figura 1, una imagen de múltiples niveles
de grises MNG de la superficie de un envío postal que incluye una
información de dirección es primeramente transformada mediante un
primer tratamiento de binarización polivalente Bin1 en una primera
imagen binaria NB1.
La primera imagen binaria NB1 es enviada a una
unidad OCR con vistas a una primera evaluación automática OCR1 de la
información de dirección.
Los datos que constituyen una firma SGN1, SGN2
son extraídos de la imagen de múltiples niveles de grises MNG y/o
de la imagen binaria NB1 y/o de los resultados de la evaluación
automática OCR1. La extracción de estos datos está simbolizada por
las flechas E1 y E2.
La parte de firma SGN1 contiene a modo de
ejemplo:
- unos datos extraídos de la evaluación
automática OCR1 e indicativos del tipo de trazado (manuscrito
/resultante de una impresión mediante máquina) de la información de
dirección;
- las coordenadas espaciales del bloque de
dirección en la imagen binaria devueltas por el tratamiento
OCR1;
- datos estadísticos extraídos de la imagen
binaria Bin1 y de la evaluación automática OCR1 e indicativos de la
calidad de la tipografía del trazado de la información de dirección:
media de las densidades de los componentes conexos (píxeles
encadenados en la imagen binaria); número de componentes conexos por
carácter de información de dirección; número de caracteres por
componente conexa; número de parásitos por carácter; medio de
marcadores de reconocimiento de los mejores candidatos en todo el
bloque de dirección.
La parte de firma SGN2 contiene a modo de
ejemplo datos estadísticos extraídos de la imagen de múltiples
niveles de grises e indicativos del nivel de contraste del trazado
de la información de dirección en la imagen de múltiples niveles de
grises: nivel de gris medio de los caracteres en la imagen de
múltiples niveles de grises; desviación estándar del histograma de
los niveles de gris de los caracteres; nivel de gris medio del fondo
de la imagen de múltiples niveles de grises; desviación estándar
del histograma del fondo de la imagen de múltiples niveles de
grises.
Estos datos extraídos que constituyen la firma
SGN1, SGN2 sirven para categorizar en cada imagen de múltiples
niveles de grises MNG el trazado de la información de dirección. Los
datos de categorización pueden ser aplicados a la entrada de un
clasificador CLA apto para identificar la categoría del trazado de
la información de dirección y por tanto el tratamiento de
binarización especializado, de entre varios tratamientos de
binarización especializados, el mejor adaptado a la categoría del
trazado. Se somete después la imagen de múltiples niveles de grises
MNG al tratamiento de binarización especializado indicado por Bin2
identificado por el clasificador CLA.
Unos algoritmos de binarización especializados
tales como Bin2 para la binarización de imágenes que tenga un fondo
ruidoso, imágenes en las que las informaciones de dirección están
manuscritas, imágenes en las que las informaciones de dirección
están mecanografiadas, etc... son conocidos por el experto. Estos
algoritmos utilizan según el caso, entre otros, los contrastes
adaptativos, operadores diferenciales, operadores paso bajo o
también umbrales dinámicos.
La segunda imagen binaria NB2 puede ser enviada
después a una unidad OCR para una segunda evaluación automática
OCR2 de la información de dirección.
El clasificador CLA puede ser por ejemplo una
red de neuronas de aprendizaje supervisado o un sistema experto con
base de conocimiento que funciona con lógica difusa.
Con el procedimiento según el invento, se ha
constatado que combinando los resultados T1 y T2 de las dos
evaluaciones automáticas OCR1 y OCR2, se obtenía una tasa de
lectura en la salida de esta combinación superior a la tasa de
lectura en la salida de la primera evaluación automática OCR1 e
igualmente superior a la tasa de lectura en la salida de la segunda
evaluación automática OCR2.
Se ha constatado también que combinando los
resultados T1 y T2 respectivamente en la salida de la primera
evaluación automática OCR1 y de la segunda evaluación automática
OCR2, se podía reducir la tasa de error global en comparación con
la tasa de error particular obtenida en la salida de la primera
evaluación automática y de la tasa de error obtenida en la salida
de la segunda evaluación automática.
En la figura 1, el bloque con referencia CMB
representa el proceso de combinación de los resultados T1 y T2.
Este proceso de combinación puede consistir en la utilización de
vectores resultado producidos en la salida de la unidad OCR que
efectúa la primera y la segunda evaluación automática así como de
las tasas de confianza asociadas a estos vectores resultado. El
proceso de combinación puede igualmente utilizar un sistema experto
que permite correlacionar las hipótesis de direcciones utilizando
los vínculos obtenidos a nivel semántico a través de la base de
datos de direcciones. El interés de este proceso de combinación de
los resultados T1 y T2 consiste en permitir mejorar en particular
la tasa de lectura en las imágenes binarias NB2 en caso de rechazo
de la información de dirección en el tratamiento OCR1; y mejorar la
tasa de lectura global mediante recuperación en el tratamiento OCR2
de los resultados de clasificación del tratamiento OCR1.
Más concretamente haciendo referencia a la
figura 2, los tratamientos OCR1 y OCR2 pueden haber extraído una o
dos informaciones contextuales de dirección, incluso ninguna en caso
de fallo en las dos imágenes binarias NB1, NB2. Según el invento,
la combinación CMB de las informaciones contextuales de dirección T1
y T2 consiste en formar una información de dirección ADR en el caso
en el que dos informaciones contextuales T1 y T2 sean leídas y
correlacionadas, lo que se simboliza mediante T1=T2=>ADR=T1. Si
una única información contextual T1 o T2 es leída, se retiene como
la información de dirección buscada, lo que se simboliza por los
bloques ADR=T1 o ADR=T2. Si son leídas dos informaciones
contextuales contradictorias T1 y T2, es necesario un arbitraje que
tenga en cuenta las tasas de confianza respectivas de las
informaciones contextuales T1 y T2 para determinar qué dirección
ADR debe ser conservada, lo que se simboliza mediante T1 T2 => T1
o T2 o "rechazo" en la figura 2.
Finalmente, ninguna información de dirección se
forma si no ha sido extraída ninguna información contextual de las
imágenes binarias NB1 y NB2, lo que se corresponde con el bloque
ADR= rechazo.
Claims (7)
1. Un procedimiento para el tratamiento de
envíos postales en un sistema automático de lectura de dirección,
en el que se forma una imagen de múltiples niveles de grises (MNG)
de la superficie de cada envío incluyendo una información de
dirección (ADR), se transforma la imagen de múltiples niveles de
grises en una imagen binaria (NB1) y se envía la imagen binaria a
una unidad OCR con vistas a una primera evaluación automática de la
información de dirección (OCR1), caracterizada porque se
extrae de la imagen de múltiples niveles de grises y/o de la imagen
binaria y/o del resultado de la evaluación automática, unos datos
que constituyen una firma (SGN1, SGN2) representativa de una
categoría de trazados de información de dirección, se transforma de
nuevo la imagen de múltiples niveles de grises en una segunda
imagen binaria (NB2) teniendo en cuenta la categoría representada
por dicha firma y se envía la segunda imagen binaria a una unidad
OCR con vistas a una segunda evaluación automática (OCR2).
2. Procedimiento según la reivindicación 1, en
el que los datos que constituyen la firma (SGN1, SGN2) incluyen
datos estadísticos de la imagen de múltiples niveles de grises,
datos estadísticos de la primera imagen binaria, datos estadísticos
del reconocimiento de palabras y de caracteres suministrado por la
primera evaluación automática (OCR1).
3. El procedimiento según la reivindicación 1 o
2, en el que los datos que constituyen la firma (SGN1, SGN2)
incluyen unos primeros datos estadísticos indicativos del nivel de
contraste del trazado de la información de dirección en la imagen
de múltiples niveles de grises, unos segundos datos estadísticos
indicativos de la calidad de la tipografía del trazado de la
información de dirección en la primera imagen binaria, unos
terceros datos indicativos del tipo de trazado de la información de
dirección (trazado manuscrito o trazado resultante de una impresión
mediante máquina), unos cuartos datos estadísticos sobre la calidad
de reconocimiento de palabras y caracteres.
4. El procedimiento según una de las
reivindicaciones 1 a 3, en el que la segunda transformación de la
imagen de múltiples niveles de grises en una imagen binaria
consiste en aplicar un tratamiento de binarización específico
elegido de entre varios tratamientos de binarización en función de
la categoría del trazado de la información de dirección.
5. El procedimiento según la reivindicación 4,
en el que la elección del tratamiento específico es realizada por
medio de un clasificador (CLA) que recibe como entrada los datos que
constituyen la firma.
6. El procedimiento según la reivindicación 5,
en el que el clasificador (CLA) es una red neuronal de aprendizaje
supervisado.
7. El procedimiento según una de las
reivindicaciones 1 a 6, en el que los resultados de la primera
evaluación automática (OCR1) y de la segunda evaluación automática
(OCR2) son combinados con vistas a obtener la información de
dirección (ADR).
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0301997 | 2003-02-19 | ||
| FR0301997A FR2851357B1 (fr) | 2003-02-19 | 2003-02-19 | Procede pour la reconnaissance optique d'envois postaux utilisant plusieurs images |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| ES2306970T3 true ES2306970T3 (es) | 2008-11-16 |
| ES2306970T5 ES2306970T5 (es) | 2011-06-21 |
Family
ID=32732022
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES04300070T Expired - Lifetime ES2306970T5 (es) | 2003-02-19 | 2004-02-09 | Procedimiento para el reconocimiento óptico de envíos postales que utiliza varias binarizaciones. |
Country Status (9)
| Country | Link |
|---|---|
| US (2) | US20040197009A1 (es) |
| EP (1) | EP1450295B2 (es) |
| CN (1) | CN100350421C (es) |
| AT (1) | ATE394752T1 (es) |
| CA (1) | CA2457271C (es) |
| DE (1) | DE602004013476D1 (es) |
| ES (1) | ES2306970T5 (es) |
| FR (1) | FR2851357B1 (es) |
| PT (1) | PT1450295E (es) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018117791A1 (es) * | 2016-12-20 | 2018-06-28 | Delgado Canez Marco Alberto | Método para el pre-procesamiento de la imagen de una firma utilizando visión artificial |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7480403B2 (en) * | 2004-11-16 | 2009-01-20 | International Business Machines Corporation | Apparatus, system, and method for fraud detection using multiple scan technologies |
| US7796837B2 (en) * | 2005-09-22 | 2010-09-14 | Google Inc. | Processing an image map for display on computing device |
| FR2899359B1 (fr) * | 2006-03-28 | 2008-09-26 | Solystic Sas | Procede utilisant la multi-resolution des images pour la reconnaissance optique d'envois postaux |
| DE102006016602B4 (de) * | 2006-04-06 | 2007-12-13 | Siemens Ag | Verfahren zur Erkennung einer Postsendungsinformation |
| US9202127B2 (en) * | 2011-07-08 | 2015-12-01 | Qualcomm Incorporated | Parallel processing method and apparatus for determining text information from an image |
| EP2806374B1 (en) * | 2013-05-24 | 2022-07-06 | Tata Consultancy Services Limited | Method and system for automatic selection of one or more image processing algorithm |
| CN105468929B (zh) * | 2013-07-17 | 2018-01-02 | 中国中医科学院 | 临床病例数据采集系统及采集方法 |
| US9940511B2 (en) * | 2014-05-30 | 2018-04-10 | Kofax, Inc. | Machine print, hand print, and signature discrimination |
| US9563825B2 (en) * | 2014-11-20 | 2017-02-07 | Adobe Systems Incorporated | Convolutional neural network using a binarized convolution layer |
| US9418319B2 (en) | 2014-11-21 | 2016-08-16 | Adobe Systems Incorporated | Object detection using cascaded convolutional neural networks |
| US9547821B1 (en) * | 2016-02-04 | 2017-01-17 | International Business Machines Corporation | Deep learning for algorithm portfolios |
| CN107220655A (zh) * | 2016-03-22 | 2017-09-29 | 华南理工大学 | 一种基于深度学习的手写、印刷文本的分类方法 |
| CN107833600A (zh) * | 2017-10-25 | 2018-03-23 | 医渡云（北京）技术有限公司 | 医疗数据录入核查方法及装置、存储介质、电子设备 |
| EP3714400A1 (en) * | 2017-11-24 | 2020-09-30 | Ecole Polytechnique Federale De Lausanne (Epfl) | Method of handwritten character recognition confirmation |
| US11195172B2 (en) | 2019-07-24 | 2021-12-07 | Capital One Services, Llc | Training a neural network model for recognizing handwritten signatures based on different cursive fonts and transformations |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62214481A (ja) * | 1986-03-17 | 1987-09-21 | Nec Corp | 画質判定装置 |
| US5081690A (en) † | 1990-05-08 | 1992-01-14 | Eastman Kodak Company | Row-by-row segmentation and thresholding for optical character recognition |
| TW222337B (es) † | 1992-09-02 | 1994-04-11 | Motorola Inc | |
| JP3335009B2 (ja) * | 1994-09-08 | 2002-10-15 | キヤノン株式会社 | 画像処理方法及び画像処理装置 |
| JP3738781B2 (ja) * | 1994-11-09 | 2006-01-25 | セイコーエプソン株式会社 | 画像処理方法および画像処理装置 |
| DE19508203C2 (de) † | 1995-03-08 | 1997-02-13 | Licentia Gmbh | Verfahren zur Schräglagenkorrektur bei maschinellem Lesen von Schriften |
| DE19531392C1 (de) † | 1995-08-26 | 1997-01-23 | Aeg Electrocom Gmbh | Verfahren zur Erzeugung einer Graphrepräsentation von Bildvorlagen |
| DE19646522C2 (de) * | 1996-11-12 | 2000-08-10 | Siemens Ag | Verfahren und Vorrichtung zur Erkennung von Verteilinformationen auf Sendungen |
| CN1154879A (zh) * | 1996-12-19 | 1997-07-23 | 邮电部第三研究所 | 信函分拣过程中邮政编码识别的处理方法及其装置 |
| US5815606A (en) * | 1996-12-23 | 1998-09-29 | Pitney Bowes Inc. | Method for thresholding a gray scale matrix |
| US6411737B2 (en) * | 1997-12-19 | 2002-06-25 | Ncr Corporation | Method of selecting one of a plurality of binarization programs |
| JP4338155B2 (ja) * | 1998-06-12 | 2009-10-07 | キヤノン株式会社 | 画像処理装置及びその方法、コンピュータ可読メモリ |
| DE19843558B4 (de) † | 1998-09-23 | 2004-07-22 | Zf Boge Elastmetall Gmbh | Hydraulisch dämpfendes Gummilager |
| FR2795205B1 (fr) * | 1999-06-15 | 2001-07-27 | Mannesmann Dematic Postal Automation Sa | Procede pour binariser des images numeriques a plusieurs niveaux de gris |
| US6741724B1 (en) * | 2000-03-24 | 2004-05-25 | Siemens Dematic Postal Automation, L.P. | Method and system for form processing |
| EP2317458A1 (en) † | 2000-07-28 | 2011-05-04 | RAF Technology, Inc. | Orthogonal technology for multi-line character recognition |
| US7283676B2 (en) * | 2001-11-20 | 2007-10-16 | Anoto Ab | Method and device for identifying objects in digital images |
| US6970606B2 (en) * | 2002-01-16 | 2005-11-29 | Eastman Kodak Company | Automatic image quality evaluation and correction technique for digitized and thresholded document images |
-
2003
- 2003-02-19 FR FR0301997A patent/FR2851357B1/fr not_active Expired - Fee Related
-
2004
- 2004-02-09 DE DE602004013476T patent/DE602004013476D1/de not_active Expired - Lifetime
- 2004-02-09 AT AT04300070T patent/ATE394752T1/de not_active IP Right Cessation
- 2004-02-09 ES ES04300070T patent/ES2306970T5/es not_active Expired - Lifetime
- 2004-02-09 EP EP04300070A patent/EP1450295B2/fr not_active Expired - Lifetime
- 2004-02-09 PT PT04300070T patent/PT1450295E/pt unknown
- 2004-02-12 CA CA2457271A patent/CA2457271C/fr not_active Expired - Fee Related
- 2004-02-17 US US10/778,200 patent/US20040197009A1/en not_active Abandoned
- 2004-02-18 CN CNB200410043081XA patent/CN100350421C/zh not_active Expired - Fee Related
-
2008
- 2008-03-12 US US12/046,803 patent/US20080159589A1/en not_active Abandoned
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018117791A1 (es) * | 2016-12-20 | 2018-06-28 | Delgado Canez Marco Alberto | Método para el pre-procesamiento de la imagen de una firma utilizando visión artificial |
Also Published As
| Publication number | Publication date |
|---|---|
| US20040197009A1 (en) | 2004-10-07 |
| EP1450295A1 (fr) | 2004-08-25 |
| EP1450295B2 (fr) | 2011-02-23 |
| FR2851357B1 (fr) | 2005-04-22 |
| US20080159589A1 (en) | 2008-07-03 |
| ES2306970T5 (es) | 2011-06-21 |
| ATE394752T1 (de) | 2008-05-15 |
| CA2457271A1 (fr) | 2004-08-19 |
| FR2851357A1 (fr) | 2004-08-20 |
| CN1538342A (zh) | 2004-10-20 |
| CN100350421C (zh) | 2007-11-21 |
| EP1450295B1 (fr) | 2008-05-07 |
| CA2457271C (fr) | 2012-10-23 |
| PT1450295E (pt) | 2008-07-11 |
| DE602004013476D1 (de) | 2008-06-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2306970T3 (es) | Procedimiento para el reconocimiento optico de envios postales que utiliza varias binarizaciones. | |
| EP2545492B1 (en) | Document page segmentation in optical character recognition | |
| US8548260B2 (en) | Learning apparatus and object detecting apparatus | |
| US6898314B2 (en) | Grayscale image connected components segmentation | |
| KR101999985B1 (ko) | 차량 번호판 인식 방법과 시스템 | |
| Sun et al. | Improving the performance of on-road vehicle detection by combining Gabor and wavelet features | |
| US20080310721A1 (en) | Method And Apparatus For Recognizing Characters In A Document Image | |
| US20140219561A1 (en) | Character segmentation device and character segmentation method | |
| Felix et al. | Entry and exit monitoring using license plate recognition | |
| JP2018136927A (ja) | マルチバイナリゼーション画像処理 | |
| Radha et al. | A novel approach to extract text from license plate of vehicles | |
| US6023534A (en) | Method of extracting image data from an area generated with a halftone pattern | |
| US20140086473A1 (en) | Image processing device, an image processing method and a program to be used to implement the image processing | |
| KR20160057059A (ko) | 선택적 선명화를 통한 차량 번호판 인식 방법과 시스템 | |
| Lee et al. | License plate detection using local structure patterns | |
| CN104866850A (zh) | 一种文本图像二值化的优化方法 | |
| Kobiela et al. | Vehicle type recognition: a case study of MobileNetV2 for an image Classification task | |
| Pedersen et al. | Quality inspection of printed texts | |
| EP1840799A1 (fr) | Procédé utilisant la multi-résolution des images pour la reconnaissance optique d'envois postaux | |
| CN106457835B (zh) | 对与半色调图像相对应的垂直边缘进行归类 | |
| US7058203B2 (en) | Region of interest identification using region of adjacent pixels analysis | |
| Agrawal et al. | Stroke-like pattern noise removal in binary document images | |
| Kosala et al. | License plate detection based on convolutional neural network: Support vector machine (CNN-SVM) | |
| Gupta et al. | License Plate Recognition System Using Machine Learning | |
| Neves et al. | A new technique to threshold the courtesy amount of brazilian bank checks |