基于数字图像处理的电表号码识别系统研究

摘要

随着信息社会的发展和计算机技术的进一步提高，作为自动识别技术之一的数字图像处理技术在各领域的应用越来越广泛。与此同时，各行业的管理手段也正在从人工管理向自动化或半自动化方向转化。
　　目前，电能是使用最为广泛的一种能源。因此，电力行业为了保证供电质量，使用高效准确的抄收系统已是当务之急。由于传统的人工抄表方式存在的种种弊端，自动抄表技术得到了广泛关注。其中电能表表盘号码的识别是非常重要的一个环节，也是本文研究的主要内容。
　　本文提出了一种基于数字图像处理技术的电能表号码识别系统。本文的主要研究内容和成果如下：
　　在图像预处理阶段，比较了多种阈值分割的方法后，选用能够根据图像质量自动获取最佳阈值的Ostu法对灰度图像进行阈值分割，取得较好效果。
　　本系统设计的一个重点和难点是号码的区域定位与分割，因为电表号码区域的定位和分割的准确程度直接影响到单个字符的分割和字符识别的准确率。本文首先采用投影定位算法来实现电表号码区域的粗定位，然后采用边缘检测和数学形态学相结合的方法有效地实现了电表号码区域的细定位和局部修正。
　　由于采集到的图像会不可避免地会出现不同程度的倾斜，本文采用了边缘检测和Hough变换相结合的方法实现了图像的倾斜矫正，效果良好。
　　在号码识别阶段，经过对比试验，采用逐像素法提取样本特征，并且提出了一种用于电表号码识别的BP神经网络模型。在BP网络的实验阶段，通过多次实验确定了最有利于达到期望误差和期望输出时的隐含层神经元数目;采用了四种BP神经网络的训练算法对网络进行训练，通过比较获得达到最好训练效果和最高识别率的训练算法，将其作为本设计的最终算法。最终的号码识别率达到80％，取得了较为满意的效果。
　　本文研究表明:采用BP神经网络能够有效地实现对电表号码的识别，同时本文的识别方法对自动抄表系统的设计有一定的参考、借鉴价值。

目录

摘要

1 绪论

1．1 研究背景

1．2 研究现状

1．2．1 现代抄表现状

1．2．2 图像处理与数字识别的研究现状与发展

1．3 本课题研究的主要内容

1．4 本课题研究的意义

2 图像的预处理

2．1 图像灰度化

2．1．1 灰度图像

2．1．2 灰度级

2．1．3 灰度化

2．2 图像二值化

2．2．1 局部阈值法

2．2．2 动态阈值法

2．2．3 全局阈值法

2．2．4 本文选择的方法

2．3 本章小结

3 电表号码区域的定位研究

3．1 电表号码区域定位技术介绍

3．2 一般的定位方法

3．3 基于水平、垂直投影的粗定位

3．3．1 投影法介绍

3．3．2 投影法在本文中的应用

3．4 基于数学形态学的定位

3．4．1 数学形态学介绍

3．4．2 定位过程

3．5 本章小结

4 号码区域的倾斜矫正与字符分割

4．1 倾斜矫正

4．1．1 常用倾斜角度检测方法比较

4．1．2 边缘检测

4．1．3 Hough变换

4．1．4 旋转方法在本系统中的应用

4．1．5 精确定位

4．2 单个字符的分割

4．2．1 字符的归一化

4．2．2 字符的细化

4．3 本章小结

5 字符识别与神经网络

5．1 字符识别

5．1．1 字符识别概述

5．1．2 光学字符识别方法的介绍

5．2 字符特征提取

5．2．1 概述

5．2．2 字符特征提取的方法

5．3 人工神经网络

5．3．1 神经网络概述

5．3．2 神经网络模式识别特点和类型

S．4 BP神经网络

5．4．1 BP神经网络的原理

5．4．2 BP神经网络的算法

5．4．3 BP神经网络学习算法的改进

5．5 本章小结

6 基于BP神经网络的号码识别

6．1 输入和输出的确定

6．2 隐含层神经元数目的确定

6．3 BP训练算法的选择

6．4 学习函数的选择

6．5 其他参数的确定

6．6 识别结果与分析

6．6．1 识别结果

6．6．2 结果分析

6．7 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢

声明