随着机器视觉的快速发展,工业检测中越来越多地应用到光学字符识别系统,并且对识别系统中算法的实时性、准确性的要求越来越高。本文针对以上需求,在分析传统识别系统的基础上,改进并提出了光学字符识别系统的流程及核心算法。通过统计光学字符识别系统常见的应用领域,归纳总结了两大类算法流程:一类是基于灰度的识别流程;一类是基于颜色特征空间的识别流程。本文的研究重点是图像预处理算法和字符识别算法,主要包括:图像滤波、二值化、图像校正、字符区域定位、字模分割、特征提取以及模式分类。分别对比分析了3种图像处理算法环节,包括图像滤波、二值化、字模分割;并在以下4个算法环节进行改进优化。在图像校正方面,通过矩阵变换合并传统旋转校正与切向校正的算法,减少算法流程,提高图像处理速度。在字符区域定位方面,改进了基于DCT域的纹理定位方法与基于HSV颜色空间的特征定位方法。在传统的DCT域定位方法基础上,引入加权矩阵;在传统HSV颜色特征空间的定位方法的基础上,提出基于颜色特征与空间信息的字符定位方法。在字符特征提取方面,提出基于统计与模糊隶属度的特征提取方法,分别提取字符图像三大类特征。实验结果表明,与传统方法相比,该算法抗噪声能力强、特征模式区分度高、时间空间复杂度低,更简约、更全面地覆盖了字符的特征。在字符识别方法方面,本文采用RBF网络作为模式分类器,并提出针对光学字符识别系统的网络模型。在传统的两阶段方法基础上加以改进,通过最速下降法快速求解输出权值。最后,根据第五套、第六套人民币特点,将基于颜色特征空间的字符识别应用于实际的科研人民币序列号识别系统识别中,识别的准确性达96%以上。据我们所知,上述环节中,基于颜色特征的人民币序列号识别算法系统、基于统计与模糊隶属度的特征提取方法、基于HSV颜色特征与空间信息的字符定位方法,在国内未见报道。