针对脱机手写体书写随意、字符分割困难和识别精度依赖字典等问题,提出了一种基于CTC-Atention脱机手写体文本识别算法。利用卷积神经网络(CNN)与双向长短时期记忆网络(BLSTM)实现对图像的特征编码,然后使用基于链接时序分类(CTC)模型和基于注意力机制(Attention-based)模型的多任务学习(MTL)框架实现对特征序列的解码。在训练过程中利用CTC模型和注意力机制模型同时训练,有效地解决了CTC预测局部信息时忽略了整体信息,以及注意力机制解码不受约束的问题。在经典的手写英文单词数据集IAM上进行实验,结果表明,该方法的字符准确率达到了93.4%,单词准确率达到了81.8%,证明了提出方法的可行性。

图像拼接是大口径光学元件表面疵病检测的关键环节之一。通过分析各种图像拼接的方法, 结合大口径光学元件表面疵病检测的需要, 采用基于模板匹配的方法实现大口径光学元件表面疵病检测的图像拼接。实验证明, 块匹配的拼接方法能取得非常好的拼接效果, 为实现大口径光学元件表面疵病的高精度、高效率、自动化检测提供了一定的指导。