图像中字符识别算法的设计与实现

论文摘要

借助于数学理论的研究和进步以及计算机技术的发展,数字图像处理技术越来越多的应用到各个领域。模式识别通过用机器代替人眼对未知事物进行判断,具有较高应用价值,因而成为图像处理领域中的重要分支。字符识别技术由于具有广阔的应用前景,得到了快速的发展,至今为止,已经成功运用于OCR以及车牌识别中。然而,与具体工作场景相关联、要满足具体要求的字符识别,具有一定难度,仍然处于研究探索阶段。本文中的标牌字符识别子系统包括原始图像的预处理、椭圆标牌定位、字符区域的提取、字符的分割、字符识别几个过程。图像预处理中,通过分析背景信息,对灰度化的图像使用全局阈值法分割得到二值图像,并根据实际情况将背景分为几种类型。用形态学方法去除小的连通区域,结合椭圆特征去除另外的干扰区域。在椭圆标牌的定位和字符分割部分,使用最小二乘拟合方法对椭圆边界进行拟合,得到椭圆几何参数,包括椭圆中心点坐标,长短轴长度以及倾斜角度。根据霍夫变换检测到的直线斜率对图像进行旋转,根据椭圆拟合得到的几何参数对图像进行错切以及缩放变换。经过这一系列的几何变换,得到了近似正圆区域。利用椭圆中心位置以及椭圆形状特征分割出矩形字符区域。分析投影法字符分割法的优缺点,用投影法结合先验知识分割字符。在字符识别部分中,讨论了几种特征值的选取方法,分析了各自优缺点。对于带有惩罚因子的模板匹配方法,提出了选择连通背景区域中过型心的水平直线上到两边字符区域的线段中点作为惩罚点的方法。设计实现了以类间散步矩阵为产生矩阵的主成分分析字符识别算法。对于BP神经网络识别方法,设计了输入和输出数据格式,确定了输入输出层神经元个数、传递函数,试验选取了合适的隐层神经元个数。用样本数据测试各个模式识别算法,分析对比识别结果,提出了同时运用两种识别方法进行识别从而提高结果可信度的识别方法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究背景
• 1.2 国内外研究现状
• 1.2.1 数字图像处理技术研究现状
• 1.2.2 定位导航技术研究现状
• 1.2.3 定向技术研究现状
• 1.3 课题研究的意义
• 1.4 本文主要内容
• 1.5 章节安排
• 第二章 数字图像处理知识介绍
• 2.1 数字图像表示
• 2.2 颜色模型
• 2.3 数字图像处理
• 2.3.1 图像的二值化
• 2.3.2 图像增强
• 2.3.3 边缘检测
• 2.3.3.1 Prewitt 算法
• 2.3.3.2 Canny 算法
• 2.4 本章小结
• 第三章 系统概述
• 3.1 整体系统结构及工作原理介绍
• 3.1.1 整体系统组成
• 3.1.2 整体系统工作原理
• 3.2 标牌字符识别子系统
• 3.3 图像采集系统
• 3.3.1 CCD 摄像机工作原理
• 3.3.2 单CCD 系统
• 3.3.3 双CCD 系统
• 3.3.4 动态范围增强方法的比较
• 3.4 本章小结
• 第四章 标牌字符区域提取及字符分割
• 4.1 标牌图像的灰度化
• 4.1.1 灰度拉伸
• 4.1.2 直方图的平滑
• 4.2 标牌图像二值化
• 4.3 基于数学形态学的图像滤波
• 4.3.1 膨胀和腐蚀
• 4.3.2 形态学开操作滤波
• 4.4 无用连通区域过滤
• 4.4.1 背景色确定
• 4.4.2 无用连通区域剔除
• 4.5 倾斜校正
• 4.5.1 Hough 变换获取倾斜角度
• 4.5.2 椭圆拟合获取椭圆参数
• 4.5.2.1 获取边缘点
• 4.5.2.2 直接最小二乘椭圆拟合
• 4.5.2.3 拟合性能测试
• 4.6 图像校正
• 4.6.1 旋转变换
• 4.6.2 错切变换
• 4.6.3 图像放大
• 4.7 矩形字符区域的提取
• 4.8 字符分割
• 4.9 本章小结
• 第五章 字符识别
• 5.1 字符识别概述
• 5.1.1 模式识别
• 5.1.1.1 统计模式识别方法
• 5.1.1.2 句法模式识别
• 5.1.1.3 模糊技术识别
• 5.2 字符识别常用方法
• 5.3 字符归一化
• 5.4 特征提取方法
• 5.4.1 逐像素特征提取法
• 5.4.2 骨架特征提取法
• 5.4.3 垂直方向特征提取法
• 5.4.4 13 特征点提取法
• 5.5 字符识别算法实现
• 5.5.1 阵列相似性计算
• 5.5.2 模板匹配法
• 5.5.2.1 简单的模板匹配方法
• 5.5.2.2 13 特征点模板匹配法
• 5.5.2.3 带有惩罚因子的模板匹配法
• 5.5.3 多步匹配法
• 5.5.4 基于主成份分析的字符识别
• 5.5.4.1 算法原理
• 5.5.4.2 算法实现
• 5.5.5 BP 神经网络字符识别
• 5.5.5.1 人工神经网络简介
• 5.5.5.2 BP 神经网络识别
• 5.5.5.3 算法实现
• 5.6 分析总结
• 5.7 本章小结
• 第六章 总结与展望
• 致谢
• 参考文献
• 攻硕期间取得的研究成果