论文部分内容阅读
手写符号识别技术是人机交互领域的一个重要问题,并在最近几年得到了快速发展。其应用领域覆盖面很广泛,涉及到民用和军用。如在电子教学板书过程中,可以在线识别数字和公式;也可用于电子元器件的绘制和识别、军队标号的识别和道路标识的识别等。所有这些应用都要求很高的识别精度和很快的识别速度,因此手写符号识别要求有很高的识别率和实时性。在手写符号识别领域有很多种识别方法,多数可以取得95%的识别率,但在选举计票环境下本文提出了一种可用于选举计票的手写符号的识别方法,在选举计票中可以达到很高的识别率和实时性。选票图像里面常用的特殊手写符号包括勾(“√”)、圈(“○”)、叉(“×”)、杠(“、—、/”三种写法)。提出的该手写符号识别方法可以解决基于光学字符识别(Optical Character Recognition, OCR)技术的选举计票系统中手写符号的快速定位与识别问题。该方法不但便于统计投票的选举信息,还可以实现可视化设计选票。该手写符号识别方法分为预处理阶段和符号识别阶段。在预处理阶段主要是为了定位手写符号的位置。首先利用扫描仪获取图像,取代高清摄像头采集数据,然后利用了TWAIN技术和工作流程实现获取选票图像,保证了数据的完整性及可靠性。接着将选票图像灰度化。原始图像中的RGB每一分量范围都是0~255,所以RGB颜色空间可以表示为R*G*B=16581375种单色,在这种情况下,数据量巨大,进行处理时会相当的麻烦和费时。我们让RGB分量值相等,可以用一个分量表示,这样就减少了原始数据量。接着将选票图像二值化。所谓的二值化,就是设定一个阈值,图像中像素的值比这个阈值小的都设为白,比这个阈值大的都设为黑。接着将选票图像降噪。现实中的数字图像在数字化和传输过程中受到成像设备或者外部环境噪声干扰等的影响,图像通常含有噪声,即干扰人们对信息获取和理解的冗余数据,图像降噪就是为了减少这些冗余数据。预处理的最后一步是行列线检测和表格定位。这一步是为了找出手写符号的精确位置,以便于符号识别时获取手写符号。在符号识别阶段,传入参数的是图像和手写符号的位置,图像经过灰度化、二值化和降噪的过程,但还需要将矫正图像。传入的位置是四个角的区域,经过拉伸变换后,变成水平和垂直的矩形。接着对√、O、×、\作基元结构特征分析,并归类这些手写符号。手写符号识别中还包含矩形码和条形码识别。矩形码和条形码可以用作判断图像正反面、图像上下方向、选举人类别和选票类别等特殊用途。因为图像通过扫描仪扫描时并不清楚扫描时的方向,所以要作图像正反面和上下方向判断。因为本文的手写符号识别方法可以用于选举计票,所以可以将矩形码和条形码用于分类选举人和选票。矩形码和条形码用作区分选举人时,可以针对某类选举人统计投票结果;用作选票类别时,当识别出的码值与选票的码值不同时,视此次扫描的选票为非法选票,一方面可以减少识别非法选票时统计错误的问题,另一方面可以区分不同的选举。