学位论文 > 优秀研究生学位论文题录展示

票据图像分类的技术研究

作　者: 潘宇
导　师: 张重阳
学　校: 南京理工大学
专　业: 控制工程
关键词: 票据图像分类框线检测框线匹配图像匹配字符识别
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 33次
引　用: 0次
阅　读: 论文下载

内容摘要

票据图像分类是票据自动处理流程中一个非常重要的过程,它通过分析票据图像版面中的部分特征确定票据类型,为后期的自动识别提供先验的版面信息。本文对一些常用的票据图像分类技术做了研究和改进,通过提取票据图像的框线特征和标题特征设计出一个完整的票据图像分类系统。本文设计的票据图像分类系统主要由框线匹配分类、标题匹配分类和标题识别分类三部分组成。首先将待分类票据图像与框线模板库进行框线匹配分类；然后对框线匹配无法确定票据类别或者拒识的票据图像进行标题匹配分类；最后对标题匹配拒识的票据图像采用标题识别分类。框线匹配分类是票据图像的粗分类过程,主要包括预处理、框线检测和框线匹配三个阶段。其中,预处理是去除印章并进行框线的二值化；框线检测以链码为基础,结合框线的位置关系进行合并操作,检测票据中满足一定长度的水平线和垂直线；框线匹配通过定义相似度匹配模型计算票据框线与模板框线之间的匹配度,并根据匹配度确定票据的种类。标题匹配和标题识别都是根据标题特征进行票据图像的分类。标题匹配分类首先定位票据标题图像区域；然后采用图像匹配算法计算标题图像与模板图像的匹配度,并根据匹配度确定票据的种类。为了提高匹配算法的速度,本文在匹配度计算以及匹配策略上进行了改进,实验结果表明了该算法的有效性。标题识别分类是对标题匹配分类的补充。首先精确定位标题区域；然后采用方向投影法进行标题字符分割；最后提取字符的轮廓特征和平均线密度特征进行标题识别,确定票据种类。实验结果表明,采用单一方法进行票据图像分类的效果还有待改进,但是将这三种分类方法结合后,在小样本集上已获得了比较好的结果。

全文目录

摘要  3-4
Abstract  4-8
1 绪论  8-12
  1.1 课题研究背景及意义  8
  1.2 国内外研究现状  8-10
  1.3 本文的研究内容及结构安排  10-12
2 票据图像分类系统的总体设计  12-17
  2.1 票据图像分类系统流程  12-15
  2.2 票据图像分类系统的技术方案  15-16
  2.3 小结  16-17
3 票据图像框线匹配分类  17-27
  3.1 概述  17-18
  3.2 票据图像预处理  18-19
  3.3 票据框线检测  19-23
    3.3.1 直线检测算法综述  19-20
    3.3.2 本文的检测算法  20-23
  3.4 建立票据框线特征模板库  23
  3.5 票据框线匹配  23-24
  3.6 实验结果与分析  24-26
  3.7 小结  26-27
4 票据图像标题匹配分类  27-42
  4.1 概述  27-28
  4.2 建立标题字符图像模板库  28
  4.3 标题区域检测  28-29
  4.4 标题匹配算法  29-41
    4.4.1 几种基于灰度的图像匹配算法  29-34
    4.4.2 各种算法实验对比分析  34-36
    4.4.3 本文的匹配算法  36-38
    4.4.4 匹配流程  38-40
    4.4.5 本文匹配算法中的一些关键点  40-41
  4.5 实验结果与分析  41
  4.6 小结  41-42
5 票据图像标题识别分类  42-53
  5.1 概述  42-43
  5.2 标题图像预处理  43-44
  5.3 标题字符分割  44-47
    5.3.1 标题字符分割的一般特点  44
    5.3.2 标题字符分割算法  44-47
  5.4 标题字符特征提取  47-50
    5.4.1 标题字符图像归一化  47-48
    5.4.2 标题特征提取方法概述  48
    5.4.3 标题字符的网格特征  48-50
  5.5 建立标题字符特征库  50
  5.6 标题字符识别  50-51
  5.7 实验结果与分析  51
  5.8 票据图像分类系统  51-52
  5.9 小结  52-53
6 总结与展望  53-55
  6.1 工作总结  53
  6.2 工作展望  53-55
致谢  55-56
参考文献  56-59

票据图像分类的技术研究

内容摘要

全文目录

相似论文