|
|
|
|
基于图像识别的答题卡识别系统的设计与实现
|
|
【建筑经济论文】摘 要：本文综合运用图像处理，模式识别的理论来构建答题卡的识别系统。当前使用的答题卡阅读机，均采用光反射阅读方式。要求使用指定的铅笔，按严格的格式涂填。这与平时的习惯差距较大，容易发生人为失误。这里，采用图象处理和模式识别技术，对答题卡进行阅读，希望
摘 要：本文综合运用图像处理，模式识别的理论来构建答题卡的识别系统。当前使用的答题卡阅读机，均采用光反射阅读方式。要求使用指定的铅笔，按严格的格式涂填。这与平时的习惯差距较大，容易发生人为失误。这里，采用图象处理和模式识别技术，对答题卡进行阅读，希望解决对书写工具约束、需要特制答题卡等问题。实现了答题卡的计算机识别 ，采用打钩的方法答题，方便，快速。
0时，沿横向坐标轴右移，否则向相反方向移动。因此，我们可以将上式改写成以下形式，而不会改变小波变换的实际意义。
（1）
尺度a的选择可以根据需要直接调整，计算是直接依赖于最原始的。Marr小波函数的系数只是影响波形的幅值，其有无不会使波形失真，因此选取的小波基函数为：
（2）
可以近似地认为其支集为[-7，7]，在这个区间以外，Marr小波基本为0。由于涉及到指数函数的计算，我们采用插值的技术来计算Marr小波的近似值，即预先计算好从[0，7]的每隔0.05的值共141点（在程序初始化或某个类的构造中如此选定），然后通过普通的插值来实现小波基函数的计算。又由于该小波基函数的对称性，可以得到自变量小于0的各个函数值。求解Marr小波函数的具体算法如下：
由于Marr小波函数的对称性，我们只离散化采样其非负时间轴的值，并且认为时Marr小波值为0。采样时间为取采样时间间隔（采样步长）为0.05，由式（2），Marr小波离散化采样值为：
（3）
当Marr小波时间变量time不是0.05的整数倍时，需要用插值计算法求出。在此之前，要考虑time<0的情况。由于Marr小波是关于t=0对称的，可作如下变换： time= -time，time<0（4）
此时无论原始时间变量是否为正，time都已转换成非负值。进一步：
（5）
设int[x]表示取的整数部分，引入整数变量：
（6）
此时，就可以用插值法完成对各个具体点的Marr小波函数值wave（time）的求取：
（7）
下面叙述如何用计算机实现式（1）定义的连续小波变换。采用最简单的数值积分方法―矩形法，也就是按照数字信号处理的习惯将式（1）按时间，时移因子作处理：
其中，是采样时间间隔，取，则：
其中f（j.dt），是待分析信号按照采样时间间隔连续采集的数据，设存放于数组tp[j]中，将式（3）～（7）求出的小波函数的离散化形式带入，得出：
（8）
上述小波变换结果存放在数组中，即：
（9）
（五） 区域填充的扫描线算法的实现
区域填充可以使用递归算法实现，其原理和程序都很简单，但由于多次递归，费时、费内存，效率不高。为了减少递归次数，提高效率可以采用采用扫描线算法。
算法的基本过程如下：当给定种子点（x，y）时，首先填充种子点所在扫描线上的位于给定区域的一个区段，然后确定与这一区段相连通的上、下两条扫描线上位于给定区域内的区段，并依次保存下来。反复这个过程，直到填充结束。
区域填充的扫描线算法可由下列四个步骤实现：
（1）初始化：堆栈置空。将种子点（x，y）入栈。
（2）出栈：若栈空则结束。否则取栈顶元素（x，y），以y作为当前扫描线。
（3）填充并确定种子点所在区段：从种子点（x，y）出发，沿当前扫描线向左、右两个方向填充，直到边界。分别标记区段的左、右端点坐标为xl和xr。
（4）确定新的种子点：在区间[xl，xr]中检查与当前扫描线y上、下相邻的两条扫描线上的象素。若存在非边界、未填充的象素，则把每一区间的最右象素作为种子点压入堆栈，返回第（2）步。
上述算法对于每一个待填充区段，只需压栈一次；而在递归算法中，每个象素都需要压栈。因此，扫描线填充算法提高了区域填充的效率。
3 实验结果与分析
实验采用数码相机拍摄答题卡图像，进行图像预处理、答题卡的标定位置识别，答题卡的涂填处识别，判定矩形框中有无字符、是什么字符，最后对答题卡信息分析和统计。实验采用80份试卷作为样本，对12份试卷进行测试，结果识别率达到100%。
4 结论
本文采用图象处理和模式识别技术，对答题卡进行阅读。在实验中以深色笔对答题卡进行勾选，经过数码相机拍摄答题卡，采集样本，进行答题卡的自动识别。实验表明识别率达到100%，解决了对书写工具约束、采用打钩的方法答题，方便，快速。
参考文献
[1]吴元君，张婷，雷惊鹏.一种改进的OMR 技术在标准化考试中的应用[J].计算机教育，2007（13）：250-272.
[2] 庞东虎，金伟杰.英文字符特征提取系统[J].计算机仿真，2007，24（12）：208-210.
[3] 杨玲，毛以芳，吴天爱.基于多特征多分类器的脱机手写汉字识别研究[J].计算机与网络，2008（01）：217-217.
[4] 覃胜，刘晓明.基于图像的OMR技术的实现[J].电子技术应用，2003，29（10）：17-19.
[5] 何斌，《Visual C++数字图象处理》[M]，人民邮电出版社，2002-4
作者简介
陈伟华（1977-），湖北襄樊， 讲师， 硕士，主要研究方向：计算机教学与.net项目开发。
|
|
|
|
广告服务