卡片喷码识别系统字符识别方法的研究

摘要

本论文在以喷码机喷印卡片的应用为依托。对喷码字符的特点、工业现场的生产状况、项目的总体要求进行了概括性介绍。并就这一项目的核心技术——图像的预处理、字符特征的提取，字符识别进行了深入的探讨和研究。主要就喷码字符识别的两个重点——快速性和准确性进行研究。最终提出一种满足实际生产需要的字符识别算法，并用VisualC++.NET进行实现。主要工作概述如下： (1)图像预处理。该阶段研究图像的灰度化、二值化和滤波。针对于在二值化的阀值选择问题，使用大津法进行计算。对于梯度化后所产生的散点，提出一种快速的去除噪声算法。 (2)图像的特征提取。本文针对于4种特征提取算法进行研究比较，发现粗网格的特征提取算法具备算法简单，细节遗失少。可以较好的克服照片图像在横竖两个方向上的拉伸变形。实现了字符特征的有效提出。 (3)BP神经网络进行字符识别。针对于BP算法的特点，进行合理的参数设置。利用8421的编码方式进行编码，降低了识别的难度，将识别所需的时间控制在要求之内。同时实现了较高的字符识别率。 (4)结合喷码的特点和要求，以VisualC++.NET为开发平台，利用C++语言强大的图形处理功能。按照训练、识别、再训练的循环过程，提高识别的能力。设计了一套工作可靠，运算速度快，识别率高的系统，较好的满足了工业生产的实际需求。 本文以卡片字符的研究为对象，但对其他喷码字符的识别同样具有意义。

目录

文摘

英文文摘

华南理工大学学位论文原创性声明及版权使用授权书

第一章绪论

1.1选题背景

1.2喷码机喷印特点

1.3图像识别技术的发展现状

1.4字符识别的评价指标

1.5总体系统的介绍及本文的研究对象

1.6本章小结

第二章喷码图像的预处理

2.1常用的表示颜色方法

2.1.1 RGB颜色模型

2.1.2 YUV颜色模型

2.2 BMP文件的储存格式

2.3图像增强及滤波

2.3.1灰度变换

2.3.2直方图变换

2.3.3图像的平滑滤波

2.3.4图像的中值滤波

2.3.5图像的锐化滤波

2.3.6形态学运算

2.4图像阀值分割

2.4.1极小值点阀值方法

2.4.2大津法

2.5边缘检测

2.6字符投影

2.7图像归一化

2.8本章小结

第三章喷码字符的特征提取

3.1模式识别的基本理论

3.1.1模式识别的基本概念和理论

3.1.2模式识别的方法及分类

3.2模式识别的应用

3.3喷码字符识别的特征提取方法

3.3.1粗网格特征

3.3.2笔划密度特征

3.3.3字符轮廓特征

3.3.4基于外接同心圆的贯穿码特征

3.3.5几种字符识别方法对比

3.4本章小结

第四章使用BP神经网络进行字符识别

4.1人工神经网络简介

4.1.1人工神经网络研究的发展历史

4.1.2人工神经网络的特点与应用

4.1.3人工神经网络模式识别

4.2神经网络系统

4.2.1神经元模型

4.2.2神经网络的学习

4.3误差反向传播(BP)神经网络

4.3.1网络结构和数学描述

4.3.2 BP网络学习算法的基本公式

4.3.3 BP算法的计算步骤

4.4本章小结

第五章卡片字符识别的算法实现

5.1图像的预处理

5.1.1图像灰度化

5.1.2阀值设定及二值化

5.1.3图像梯度锐化

5.1.4图像的滤波

5.1.5整体斜度的调整

5.1.6字符分割及归一化处理

5.2基于BP神经网络的字符的识别

5.2.1特征向量的提取

5.2.2 BP神经网络的字符识别

5.3试验结果

5.4识别程序的框架设计

5.5本章小结

总结及改进意见

参考文献

在学期间发表与学位论文内容相关的学术论文

致谢

附录