试卷卷面信息自动采集识别方法的研究

摘要

针对现有的计算机判阅系统并未真正实现考生手写内容的识别，根本原因是现有的识别技术对手写字符的识别率还未能达到一个理想值。本文针对这种情况以试卷中的手写考生姓名，班级和考试成绩为研究对象，并根据现有算法的理论基础，改进了相关算法，实现对试卷卷面信息的自动采集和识别。 试卷卷面信息自动采集识别系统主要包括图像采集、感兴趣区域切分，手写体字符识别三个阶段。图像采集阶段的工作主要包括采集静态试卷样本，静态试卷样本的采集使用工业专业图像采集摄像机完成拍摄，然后进行手动样本的筛选。 感兴趣区域切分阶段实现了试卷卷头的分割和手写汉字的切分两块内容。卷头的分割部分采用了手动切割方法。汉字切分算法针对RGB颜色空间三分量对光线敏感问题，提出使用基于HSV颜色空间的图像分割技术进行手写体字符的分离，分离过程中采用基于像素点8-邻域色度均值作为分割阈值方法完成，90%以上的试卷都可达到准确的分离。 手写体字符识别中的预处理操作包括图像增强、图像去噪、图像二值化、字符归一化及字符细化工作。针对试卷拍摄环境的不确定性提出在试卷图像进行二值化操作之前先进行增强和去噪操作，实验表明本文采用的方法在二值化效果上比直接进行二值化操作有明显的提高；特征提取部分采用了当前的特征提取前沿技术小波变换法和弹性网格特征提取法，采用弹性网格特征（统计特征）和小波方向分解特征（结构特征）结合的方法可以解决采用单一统计或结构特征字符识别率不高的问题；在分类器的设计阶段，采用三层BP神经网作为识别分类器。其中，隐层结点数根据收敛速度快慢进行调整。实验表明，BP网分类器对手写体数字和手写体汉字的识别率分别可达到95%和93%左右。

目录

文摘

英文文摘

声明

第一章 绪论

第二章 样本的采集及感兴趣区域定位

第三章 字符图像的预处理

第四章 字符图像的特征提取

第五章 基于 BP 神经网的脱机手写体字符的识别

第六章 总结与展望

参考文献

致 谢

攻读学位期间所取得的相关科研成果