数字仪表动态显示字符的计算机自动识别

摘要

本文介绍了在化工、冶金等行业，和较恶劣环境下进行实时监控时，为提高生产率和减少人为因素造成的误判，需采用自动控制系统来完成，通过预先设定的控制条件与被识别的数显仪表的字符相比较而执行自动控制操作是一种便捷和灵活的控制方案，而在该系统中数字仪表字符的动态识别是非常重要的一环。 本文的创新之处为：采用数学形态法和连通域标记法来定位多个仪表数字区域的位置，利用字符的自适应宽度和字符间隔，确定字符串中小数点位置，采取全局自适应带动量项的快速BP算法进行识别，不仅实现了图像中单仪表的字符识别，而且该方案适用于图像中多个仪表的字符识别。其识别率和识别速度都达到了比较理想的效果。

目录

文摘

英文文摘

第一章绪论

1.1研究背景

1.2字符识别研究现状

1.3识别控制系统与数显字符识别的解决方案

1.4本文章节安排

第二章数字图像预处理

2.1数字图像处理基本概念

2.1.1图像处理所涉及的领域

2.1.2图像的数字化表示

2.2数显仪表图像预处理

2.2.1彩色图像变换成灰度图

2.2.2图像平滑

2.2.3灰度的线性变换

2.2.4自适应阈值二值化

2.2.5边缘检测

2.3本章小结

第三章字符块定位

引言

3.1区域生长法定位字符块

3.1.1区域生长的基本思想

3.1.2投影法获取种子点像素

3.1.3区域生长算法分析

3.1.4生长判决条件

3.2数学形态学的基本算法

3.2.1什么是数学形态学

3.2.2数学形态学中的基本符号和术语

3.2.3图像腐蚀

3.2.4图像膨胀

3.2.5开(Open)、闭(Close)运算

3.2.6结构元素的影响

3.3多区域字符块定位

3.3.1连通域标记

3.3.2多个字符区域的确定

3.4字符块定位的后处理

第四章字符分割

4.1字符分割简介

4.2投影法分割

4.2.1严重倾斜的字符块图像

4.2.2字符断裂的字符块图像

4.2.3字符粘连和有干扰的字符块图像

4.3投影基础上的进一步分割

4.4小数点位置的确定

第五章字符识别

5.1模式识别概述

5.2常用的字符识别方法

5.2.1模板匹配

5.2.2遗传算法

5.2.3分形

5.2.4支持向量机法

5.2.5神经网络法

5.3神经网络

5.3.1神经网络理论概述

5.3.2人工神经元模型

5.3.3神经网络的学习

5.4误差反向传播学习算法－BP算法

5.4.1 BP算法的推导

5.4.2 BP算法存在的问题及其改进措施

5.5图像归一化

5.6本系统设计

5.6.1算法实现

5.6.2网络参数选择

5.6.3学习样本的选择

5.6.4识别结果及分析

5.6.5系统性能分析

5.7交线特征提取的分类识别法

结束语

参考文献

读研期间所发表论文和参加的科研项目

致谢