一种适用于智能手机端试卷评阅的图像识别算法.docVIP

一种适用于智能手机端试卷评阅的图像识别算法 　　摘 要：随着智能手机的不断普及，人们使用智能手机终端来处理各类事务得以实现。本研究尝试开发基于智能手机终端的试卷评阅系统，提出了改进的十三点特征提取算法运用在对图像的识别上，达到实现试卷智能评阅的目的，通过实验证明是切实可行，取得了较好的效果。 　　关键词：android;手写识别;图像识别算法 　　一、引言 　　图像识别主要研究如何利用计算机的运算能力，来处理海量的图片信息，在各种不同情况下进行识别，以替代人的部分脑力劳动，正广泛应用于图像遥感、地址勘探、机器人视觉、医学医疗等领域。随着近年来，手机功能的不断丰富，特别是手机硬件的不断升级，为图像识别嵌入到智能手机中的应用带来了契机。但相比较传统电脑而言，智能手机在处理器和内存上不存在优势，因此，对计算复杂的识别算法还是有一定的局限性，故研究一种适用智能手机的图像识别算法变得非常必要。 　　二、手写字符识别的难点 　　对于考试阅卷系统来讲，虽然客观题只存在4个英文字符，但在识别上仍然存在以下困难： 　　1.由于书写上的随意性，造成同一字符的字型字体有着很大的变化。 　　2.字符之间不存在相关联的语义，因此不存在通过后续处理进行识别纠错的可能。 　　三、基于智能手机终端的图像识别算法 　　（一）智能手机平台 　　目前智能手机发展迅速，硬件发展也非常快，基本上手机摄像头的像素都有百万以上，这就为计算机视觉和图像处理领域带来了新的发展空间，许多以前只能在PC机上的视觉算法，通过一定的改进和优化后，也能在智能手机平台上运行了。但考虑到智能手机平台的硬件还是无法与PC机相提并论，故提出一种针对智能手机平台的改进的十三点特征点识别算法。 　　（二） 图像预处理 　　1. 图像灰度化处理 　　手机摄像头拍摄到的是彩色图像，需要大量的空间来存储，而计算机处理彩色图像的效率比较低，故考虑先对图像进行灰度化处理，以提高识别效率。常用的灰度化处理方法有：加权平均法、平均值法和最大值法。由于需要使用到OpenCV，故使用其提供的cvCvtColor函数来进行本系统中图片的灰度化处理。 　　2. 图像的去噪 　　图像的噪声常常来源于图像获取和对图像的处理过程中。首先，考虑本系统是使用智能手机的照相机来获取图像，必须考虑到不同光照条件与传感器温度不均对图像产生大量噪声。其次，在进行图像基本操作中也可能会产生噪声。本系统中使用了OpenCV中平滑处理函数cvSmooth（）来去噪。 　　3. 图像二值化 　　所谓的二值化就是采用分段线性灰度拉伸的方法对图像进行处理，图像二值化处理后，可将图像的黑点和图像白色分割开来。而OpenCV则提供了简单阀值化Threshold（）和自适应阀值化AdaptiveThreshold（）二种方法，本系统采用了基本二值桦算法结合RC阀值选取算法来进行。 　　（三）十三点特征提取算法 　　首先，尝试将目标图像进行划分，通过搜索后划分成8个区域，然后计算每个区域中黑色像素点的数量，再统计所划分的区域内黑色像素点占整个区域像素点的百分比，通过这种方式得到8各特征点;接下来，统计水平方向上中间两行上黑色像素点占到整行像素的百分比，得到2个特征点;再接下来，统计垂直方向上中间两列三黑色像素点占到整列像素的百分比，得到2个特征点，最后，统计整个图像三所有黑色像素点占整个图像像素的百分比，得到1个特征点，一共合计13个特征点。与传统模板提取法比较，十三点提取算法虽然很难得到100%的准确率，但对于识别简单的A、B、C、D四个字符的准确率已经可以达到系统使用的需要。 　　（四） 匹配识别 　　特征点提取之后，则需要对手写字符进行识别。考虑到是在智能手机终端上使用，故选择模板匹配中的最近邻算法进行字符识别。本系统中采用先将标准的书写方式作为模板录入到系统模板库中，然后利用图像间的最短距离作为判别函数。接着将特征点利用最近邻匹配算法进行对比，对每个字母先用了3个模板和24各测试集。考虑到每个学生书写风格会有不同，造成不同字体的出现，以及光照条件、纸张质地等对图像识别也会造成影响，故对手写字符的识别必要难以得到100%的准确率。 　　四、系统运行环境 　　本系统是在android平台下运行，所以采用了Java开发工具Eclipse作为开发环境，JDK版本为1.7.0_45.具体参数如下： 　　Android版本号：4.0.4 　　内核版本：3.0.15-570657-user 　　OpenCV库版本号：2.4.5 　　OpenCV Manager版本号：2.7（ARM v7 with Neon） 　　通过实验，本方法能较好提供识别率，达到系统使用的目的。 　　参考文献： 　　[1