基于圖像處理的字符識別系統(tǒng)研究.pdf

1、許多文檔是以紙質文檔的形式存在，例如銀行票據(jù)、稅務報表、標準化考試中的機讀卡、人口普查表、彩標投注單、選票、定貨單等。紙質文檔不便于保存、檢索、統(tǒng)計和修改，而將這些信息錄入計算機是一件非常繁瑣的事情。長期以來人們通過鍵盤手工輸入，不但費時費力且容易出錯。在實時性要求較高的場合(如選舉中的統(tǒng)計選票)自動、快速、準確地處理文檔顯得尤為重要。因此，對這些文檔進行計算機自動錄入具有重要的現(xiàn)實意義。 本課題研究了字符圖像的計算機識別問題。

2、字符根據(jù)書寫方式的不同，分為印刷體字符和手寫體字符。系統(tǒng)針對每種字符各自的特點，通過對字符的預處理，提取字符本身特征，然后運用特定的識別算法，實現(xiàn)了字符圖像的自動識別。整個系統(tǒng)包括圖像采集、圖像預處理、特征提取與字符識別四個部分。 根據(jù)印刷體和手寫體字符識別的需要，系統(tǒng)采取了各自不同的特征提取策略。對于印刷體字符，在對字符進行了圖像預處理后，采用網格特征和交叉點特征相結合的方法作為其字符特征，建立字符標準特征庫。而對于手寫體字符

3、，采用直接抽取字符邊緣輪廓特征的方法，完成字符特征的提取。 印刷體字符采用模板匹配算法實現(xiàn)了字符的識別，利用待識別字符與字符標準特征庫相比較，把待識別字符識別為與其特征向量的歐氏距離最小的特征向量所代表的標準字符。而對于手寫體字符，系統(tǒng)采用基于遺傳算法的BP神經網絡來實現(xiàn)字符的識別。通過遺傳算法來確定BP神經網絡的初始權值，以達到優(yōu)化BP神經網絡、實現(xiàn)識別準確率提高的目的。 系統(tǒng)軟件由NI公司的虛擬儀器軟件Lab vie

4、w及圖像處理工具包IMAQ Vision開發(fā)，實現(xiàn)了圖像的采集、預處理、特征提取和字符識別等功能，并且成功的在Lab View開發(fā)平臺上實現(xiàn)了基于遺傳算法的BP神經網絡算法。該系統(tǒng)充分發(fā)揮了虛擬儀器的開發(fā)周期短，編程簡便，代碼復用率高，操作簡單，界面友好，可靠性高等優(yōu)點，節(jié)省了系統(tǒng)成本，提高了效率。經實驗表明，該系統(tǒng)使字符識別準確率大大提高。印刷體數(shù)字的識別率平均為98.96％，印刷體字母的識別率平均為98.35％；手寫體數(shù)字的識別率平