支票扫描图像中的字符识别算法及实现

摘要

随着计算机技术的飞速发展，信息科技带给人们生活巨大的改变，并极大的推动了人类社会的发展。文字作为社会文明的载体，在信息科技领域占有重要的地位。光学字符识别（Optical Character Recognition），简称OCR，可以减轻人力繁琐的工作，节省时间，尤其被广泛应用于金融、通信、新闻出版等领域。为此，本文重点研究了银行支票中印刷体字符识别的算法。
　　首先，论文进行了支票字符识别的前期处理工作。为了方便后期处理，提高对光学字符识别的效果，论文研究了常见的图像的预处理方法，并用中值滤波器对支票图像进行了图像的复原去噪、用大津法（Ostu）进行了二值化，以及用Radon变换对图像做了倾斜校正等。
　　然后，论文对支票图像的字符区域进行了进一步的提取，在结合了支票图像的版面分析以及字符区域投影操作，对印刷体字符进行了字符细化与分割操作。随后，论文研究与仿真了字符的特征提取与识别算法。对分割后的印刷体字符进行了归一化处理，分析研究了常见的字符特征提取方法，对字符不同的特征进行了研究，选用13特征提取法对字符进行了特征提取；对字符识别两种常见的方法进行了研究，包括基于模板匹配的字符识别方法和基于二值数据的Bayes分类器识别方法；并对支票图像进行特征提取后就以上两种方法做仿真了实现，对识别结果进行了分析，其识别率不高，得到的结果并不理想。
　　最后，在对光学字符识别的算法分类研究之后，论文结合支票图像印刷体字符识别算法的识别过程，以神经网络模型为基础，深入研究了神经网络的模型结构、学习方式、学习规则；并结合实际的支票图像，设计了实现了基于BP神经网络算法的支票印刷体字符识别系统；用样本对系统进行训练后，对支票的数字金额进行了识别，并对识别结果进行了分析，其识别率较高，得到了满意的识别结果。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题来源及研究意义

1.2 国内外发展动态和现状分析

1.3 本文的主要研究内容

第2章 支票图像预处理及版面分析

2.1 支票图像预处理

2.2 支票图像的版面分析

2.3 本章小结

第3章 信息区域数字抽取与切分

3.1 印刷体数字的提取

3.2 图像的细化操作

3.3 字符分割

3.4 本章小结

第4章 字符特征提取与识别

4.1 字符的归一化处理

4.2 字符特征提取

4.3 常见的分类器

4.4 本章小结

第5章 基于BP神经网络的字符识别

5.1 神经网络概述

5.2 基于BP神经网络的印刷体字符识别

5.3 基于BP神经网络的字符识别算法实现与分析

5.4 本章小结

结论

参考文献

声明

致谢

个人简历