雷管是工程爆破中经常使用的一种起爆器材,属于爆炸危害力大的危险物品,因此,所有雷管生产和使用单位必须对其进行严格管理。目前,使用雷管的单位主要依靠人工方式发放雷管,这不仅需要花费大量的人力和时间,而且很容易产生操作失误,严重降低了生产效率,因此对雷管编码自动识别系统的需求越来越迫切。本文对雷管编码识别系统中的图像预处理、字符分割、字符特征提取和分类器设计中遇到的问题进行了研究。由于金属雷管管壳为黑色,表面光滑,易沾染灰尘,且大部分雷管编码采用激光刻痕工艺,所以雷管编码图像存在对比度较低、光照不均匀、条形反光带以及背景纹理干扰等问题。针对这些问题,本文首先采用了均值方差归一化的方法对图像进行灰度归一化,然后采用了基于笔画宽度和超像素的二值化算法对图像进行二值化,最后针对二值图像中出现的噪声,本文采用了连通域标记法去除噪声。在字符分割方面,本文采用了基于连通域与垂直投影相结合的字符分割方法,对二值图像中存在的字符粘连、笔画断裂、笔画重叠等问题均进行了处理。然后对分割出的单个字符进行大小归一化以进行后续的字符特征提取。在字符特征提取和分类器设计方面,本文采用了边界点笔画形状特征和BP神经网络分类器。边界点笔画形状特征能够克服一定程度的字符倾斜、平移、笔画断裂以及缺损等问题。BP神经网络具有较强的分类能力和容错性能,同时分类速度较快。经过大量样本测试表明,本系统在识别率、识别速度等方面均满足雷管编码自动识别系统的性能要求。