学位论文 > 优秀研究生学位论文题录展示

试卷卷面信息自动采集识别方法的研究

作　者: 刘亚宁
导　师: 魏玮
学　校: 河北工业大学
专　业: 控制科学与工程
关键词: 卷面信息手写体字符识别数学形态学小波变换神经网络
分类号: TP274.2
类　型: 硕士论文
年　份: 2011年
下　载: 21次
引　用: 0次
阅　读: 论文下载

内容摘要

针对现有的计算机判阅系统并未真正实现考生手写内容的识别,根本原因是现有的识别技术对手写字符的识别率还未能达到一个理想值。本文针对这种情况以试卷中的手写考生姓名,班级和考试成绩为研究对象,并根据现有算法的理论基础,改进了相关算法,实现对试卷卷面信息的自动采集和识别。试卷卷面信息自动采集识别系统主要包括图像采集、感兴趣区域切分,手写体字符识别三个阶段。图像采集阶段的工作主要包括采集静态试卷样本,静态试卷样本的采集使用工业专业图像采集摄像机完成拍摄,然后进行手动样本的筛选。感兴趣区域切分阶段实现了试卷卷头的分割和手写汉字的切分两块内容。卷头的分割部分采用了手动切割方法。汉字切分算法针对RGB颜色空间三分量对光线敏感问题,提出使用基于HSV颜色空间的图像分割技术进行手写体字符的分离,分离过程中采用基于像素点8-邻域色度均值作为分割阈值方法完成,90%以上的试卷都可达到准确的分离。手写体字符识别中的预处理操作包括图像增强、图像去噪、图像二值化、字符归一化及字符细化工作。针对试卷拍摄环境的不确定性提出在试卷图像进行二值化操作之前先进行增强和去噪操作,实验表明本文采用的方法在二值化效果上比直接进行二值化操作有明显的提高;特征提取部分采用了当前的特征提取前沿技术小波变换法和弹性网格特征提取法,采用弹性网格特征(统计特征)和小波方向分解特征(结构特征)结合的方法可以解决采用单一统计或结构特征字符识别率不高的问题;在分类器的设计阶段,采用三层BP神经网作为识别分类器。其中,隐层结点数根据收敛速度快慢进行调整。实验表明,BP网分类器对手写体数字和手写体汉字的识别率分别可达到95%和93%左右。

全文目录

摘要  4-5
ABSTRACT  5-9
第一章绪论  9-15
  §1-1 卷面信息提取及识别研究背景  9
  §1-2 试卷卷面信息提取的意义与流程  9-11
    1-2-1 试卷卷面信息提取的意义  9-10
    1-2-2 试卷卷面信息提取的流程  10-11
  §1-3 脱机手写体字符识别概况  11-13
    1-3-1 脱机手写体字符识别的研究现状  11-12
    1-3-2 脱机手写体汉字识别的发展趋势  12-13
    1-3-3 脱机手写体汉字识别存在的问题和困难  13
  §1-4 脱机手写体字符识别流程  13-14
  §1-5 论文的内容安排  14-15
第二章样本的采集及感兴趣区域定位  15-23
  §2-1 摄像机功能概述  15
  §2-2 静态样本采集  15-17
  §2-3 卷头图像的分割  17
    2-3-1 卷头图像分割方法与分割结果  17
    2-3-2 分割结果分析  17
  §2-4 姓名学号成绩的分割  17-20
    2-4-1 HSV颜色空间介绍  17-18
    2-4-2 RGB与HSV颜色空间的相互转换  18-19
    2-4-3 HSV颜色空间分割算法  19
    2-4-4 分割实验结果与分析  19-20
  §2-5 字符的切分  20-21
    2-5-1 字符行切分  20
    2-5-2 字符列切分  20-21
  §2-6 小结  21-23
第三章字符图像的预处理  23-35
  §3-1 图像的增强  23-25
    3-1-1 增强算法分类  23
    3-1-2 增强算法实验结果及分析  23-25
  §3-2 图像的去噪  25-27
    3-2-1 噪声的产生及分类  25
    3-2-2 去除图像噪声的方法  25-26
    3-2-3 去除噪声实验结果及分析  26-27
  §3-3 图像的二值化与字符归一化  27-29
    3-3-1 图像的二值化  27-28
    3-3-2 字符的归一化  28-29
  §3-4 图像细化  29-33
    3-4-1 数学形态学及图像细化原理  29
    3-4-2 现有图像细化算法  29-31
    3-4-3 改进后采用的细化算法  31-33
    3-4-4 细化实验效果图与分析  33
  §3-5 小结  33-35
第四章字符图像的特征提取  35-40
  §4-1 特征提取概述  35
  §4-2 统计特征提取分类  35-36
    4-2-1 全局统计特征法  35-36
    4-2-2 局部统计特征法  36
  §4-3 手写体字符的弹性网格特征  36-37
  §4-4 手写体字符的小波变换  37-39
    4-4-1 小波变换简介  37-38
    4-4-2 汉字图像的小波分解  38-39
    4-4-3 汉字Gabor小波变换弹性网格特征提取流程  39
  §4-5 小结  39-40
第五章基于BP神经网的脱机手写体字符的识别  40-48
  §5-1 人工神经网络概述  40-43
    5-1-1 人工神经网络的发展历程  40-41
    5-1-2 人工神经网络的构成  41-42
    5-1-3 人工神经网络模型及分类  42-43
  §5-2 BP神经网络  43-44
    5-2-1 BP神经网对图像处理的基本要求  43
    5-2-2 网络训练样本的选取  43-44
  §5-3 脱机手写体字符识别  44-47
    5-3-1 脱机手写体数字识别分类器设计  44-45
    5-3-2 脱机手写体数字分类结果与分析  45-46
    5-3-3 脱机手写体汉字识别识别分类器设计  46
    5-3-4 脱机手写体汉字分类结果与分析  46-47
  §5-4 小结  47-48
第六章总结与展望  48-49
  §6-1 内容总结  48
  §6-2 展望  48-49
参考文献  49-51
致谢  51-52
攻读学位期间所取得的相关科研成果  52

试卷卷面信息自动采集识别方法的研究

内容摘要

全文目录

相似论文