论文部分内容阅读
1998年美国工程院院士Huang及其合作者首次提出了一种适合于处理非线性非平稳信号的新的时频分析方法——Hilbert-Huang变换(HHT),该方法的核心理论是经验模式分解(EMD)算法。通过这种方法,任何复杂信号都可以分解为有限的且具有一定物理意义的本征模态函数(Intrinsic Mode Function,IMF)分量,再对各分量进行Hilbert变换以得到各自的瞬时频率和瞬时振幅,最终把信号表示为时频平面上的能量分布,称为Hilbert谱。它可以对信号的频谱结构作出精确的局部时频分辨,从而更准确有效地把握原数据的特征信息,且具有自适应性、完备性和正交性的特点。短短数年间,HHT已被成功应用于地震勘探、机械故障诊断、生物医学、海洋等诸多领域。本文的第1部分对EMD算法的理论及其应用展开了研究,取得了一定的成果,这些工作具体表现为:
1.对EMD算法中的IMF滤波停止条件和包络平均的解析表示问题进行了有益的探索。
(1).对Huang的经典EMD算法和Chen的改进EMD算法进行了细致的分析,提出了一种新的IMF滤波停止条件,使分解得到的本征模态函数更具物理意义。
(2).针对EMD算法中滤波过程的包络问题,利用B样条函数给出了包络平均的解析表示,该表示本质上是与经典算法等价的,这为EMD算法的收敛性、本征模函数的唯一性等重要问题的研究提供解析分析的可能。
2.将EMD算法应用于以医学影像为基础的脑功能核磁共振成像研究领域中,在脑激活区检测方面取得了重要的进展。
随着计算机硬件、软件资源以及信息技术的迅猛发展,人们对光学字符识别(OCR)的研究表现出越来越浓厚的兴趣,这不仅因为该领域充满了无数令人兴奋的挑战,也因为实用OCR系统研究的成果能给社会带来巨大的经济效益。经过多年的研究和发展,字符识别技术有了长足的进步,不断涌现出大量的成果。其中,表格手写文本处理是OCR中的热点问题之一。目前国内外市场上已有许多关于文档信息自动识别的软件系统,这些软件在印刷体字符、规范版面以及联机手写识别方面的技术已经比较成熟,功能也比较完善,但对脱机手写文本还不能很好地处理与识别。本文第2部分以成绩单表格作为应用背景,对此问题进行了深入的研究,具体工作表现为:
1.针对表格手写字符往往与边框线重叠甚至越界的问题,提出了一种新的表格字符定位与提取方法,使得字符完整、无失真地从各单元格中提取出来,为后续的分析和处理提供了保证。
2.针对表格粘连手写数字串的分割问题,提出了一种基于背景、前景和识别三者相结合的算法,使得单个字符能够被正确分离开来,并消除了“连笔”的影响。
3.利用上面提及的方法,开发了一个面向应用领域的成绩单自动录入和管理的系统中,获得满意的效果。