徐富新，王 晶，黃玉秀，王 洲

中南大學(xué) 物理與電子學(xué)院，長沙 410083

1 引言

隨著計算機和信息技術(shù)的快速發(fā)展，數(shù)據(jù)的計算處理技術(shù)突飛猛進，手工輸入數(shù)據(jù)的速度和準確度顯然已經(jīng)不能夠滿足需要，這樣就促使自動識別技術(shù)快速發(fā)展。對于數(shù)據(jù)內(nèi)容有雜物或者印刷質(zhì)量不好的數(shù)據(jù)，字符特征的提取成了關(guān)鍵點，而特征提取的好壞直接影響到識別率的高低[1]。傳統(tǒng)模式識別方法的發(fā)展遇到了前所未有的困難，而神經(jīng)網(wǎng)絡(luò)的并行性、容錯能力和學(xué)習(xí)性能，使它在解決識別問題上不再拘泥于選取特征參數(shù)，而對綜合的輸入模式進行訓(xùn)練和識別，針對字符的平移、旋轉(zhuǎn)和尺度變化，可以通過構(gòu)造具有不變性結(jié)構(gòu)的網(wǎng)絡(luò)模型，或者用神經(jīng)網(wǎng)絡(luò)提取字符的不變性特征及BP學(xué)習(xí)算法，利用圖像識別原理，將需要識別的數(shù)據(jù)先轉(zhuǎn)化為圖像文件，對圖像處理、進一步識別出結(jié)果并輸出，就顯得靈活方便[2-3]。

目前，實驗報告一般采用等級評分制度，比如采用1～5五個等級，當(dāng)這五個等級不夠用的時候會在數(shù)字后面加上一個加號“+”或減號“-”表示優(yōu)于或次于該成績，如4+、5-，故本文將系統(tǒng)加以改進，使其能識別擴展等級這樣的數(shù)字字符。

2 系統(tǒng)整體設(shè)計

從過去實驗報告成績錄入效率低的角度出發(fā)，本課題在系統(tǒng)的總體結(jié)構(gòu)設(shè)計上，首先采用圖像處理將采集到的字符圖片特征提取出來[4]，然后利用改進神經(jīng)網(wǎng)絡(luò)算法將字符識別出來，并驗證它的可執(zhí)行性。該系統(tǒng)主界面是采用基于MFC的Visual C++面向?qū)ο蠡幊陶Z言編寫的。該自動打分系統(tǒng)的整體設(shè)計框架見圖1。

圖1 系統(tǒng)整體設(shè)計框圖

圖片采集可以利用掃描儀、照相機、CCD攝像機等電子設(shè)備將識別的數(shù)據(jù)轉(zhuǎn)換成圖像文件，本實驗中利用CCD攝像機將成績報告輸入到電腦中。首先下載安裝CCD攝像機驅(qū)動，裝好后用USB數(shù)據(jù)線將CCD攝像機連接到電腦，將實驗報告朝下放在CCD攝像機上，點擊“CCD攝像機和照相機向?qū)А保募袷竭x擇.bmp，選擇圖片保存位置，便可得到報告成績的圖片。實驗報告中學(xué)號、成績的每個字符大小長8 mm，寬5 mm。

該自動打分系統(tǒng)的實現(xiàn)過程分兩部分，圖像預(yù)處理和數(shù)字字符識別模塊。先是對圖片進行預(yù)處理，然后對提取出來的數(shù)字、字符特征進行識別，輸出識別結(jié)果并保存到數(shù)據(jù)庫，此部分主要在VC++6.0軟件上實現(xiàn)。

3 圖像預(yù)處理

獲取的成績報告圖片處理的總體流程框圖如圖2。

圖2 圖像處理總流程框圖

3.1 圖像二值化

該識別系統(tǒng)是針對實驗報告成績識別的設(shè)計。識別前，先要對圖片二值化處理[5]，本系統(tǒng)采用給定閾值法，設(shè)置圖像處理的固定閾值為128（取0～255的中間值），逐行掃描圖片中各點像素值，大于固定閾值的將其強制設(shè)定為255，小于固定閾值的將其強制設(shè)定為0。

3.2 去離散噪聲

在實驗報告掃描或者傳輸過程中會出現(xiàn)一些雜亂的離散點，可能是由于儀器等原因造成的。這些離散點并不是所需要的數(shù)據(jù)信息，并且會妨礙對數(shù)據(jù)信息的提取，所以要進行去噪聲處理。在本系統(tǒng)中，直接掃描圖片中離散的黑點，逐行逐列掃描整個圖像，當(dāng)掃描到黑點時，就判斷它與周圍黑點的連接關(guān)系，如果與它連接的周圍的黑點的個數(shù)大于特定數(shù)值時，就判定它不是離散點，否則就判定它是離散點。如果檢測到離散點就刪除，也就是將其像素值強制賦值為255，即白色。

3.3 圖像分割

從實驗報告上獲取的圖片是關(guān)于學(xué)號和成績，是一串的數(shù)字字符，這樣不利于分別對每個數(shù)字字符進行特征值提取。當(dāng)把每個數(shù)字字符都分割[4]成單獨的圖片后，提取其特征值就是該數(shù)字字符的特征值信息。首先從上往下逐行掃描，當(dāng)遇到黑點時，把此行定為字符大致頂端。說大致是因為并不是所有字符的上端都在同一水平線上。再從圖片底部逐行向上掃描，當(dāng)遇到黑點時，將此行定為字符的大致底端。第二步是在確定的大致頂部和底部之間，逐列從左往右搜索。當(dāng)搜索到黑點時，將此列作為該字符的左端；繼續(xù)向右搜索，當(dāng)掃描到某一列沒有黑點時，將前一列作為該字符的右端。重復(fù)上述搜索過程，直到搜索到最后一個字符的右端。接下來是確定每個字符確切的上下邊緣，方法類似以上搜索過程，在每個字符已經(jīng)確定的左右邊緣內(nèi)，從上往下逐行掃描，當(dāng)遇到黑點時，將此行作為該字符的確切上邊緣；同樣從下往上逐行掃描，當(dāng)掃描到黑點時，將此行作為該字符的確定下邊緣。重復(fù)上述步驟，直到找到所有字符的確切上下邊緣。到此為止，已經(jīng)掃描出了每個字符相對確定的上下左右邊緣，為了不至于損壞字符邊緣的像素值，需要將各邊緣分別向外擴一個像素點作為各字符新的邊緣。

圖3是進行字符分割后的圖片，處理后的圖片中，在分割后的字符周圍加上了藍色的外框，主要是為了方便觀察，其不影響之后其他的圖像處理過程。

圖3 字符分割后處理后的字符

3.4 歸一化調(diào)整

實驗報告中的學(xué)號和成績均為手寫字符，可能有大有小，分割之后雖然確定了其邊界，但大小依然不一。由于數(shù)據(jù)結(jié)構(gòu)不一樣，使得特征值提取就不能夠統(tǒng)一。將圖片中各像素值按一定的比例關(guān)系插值映射到新的圖像中去。新圖像的尺寸是統(tǒng)一確定的尺寸，新圖像的尺寸可以根據(jù)自己的需要來設(shè)定。

圖4 標(biāo)準歸一化處理后的字符

3.5 特征提取

本系統(tǒng)中采用的是逐像素特征提取法，這種方法比較簡單且運行速度快，就是對圖像逐行逐列進行掃描，當(dāng)掃描到黑點時就記錄該點像素值為1，當(dāng)掃描到白點時就記錄該點像素值為0。直到掃描完整個圖像，就統(tǒng)計完了所有的特征值，特征值數(shù)量與圖像中像素點數(shù)量相同，掃描結(jié)果存儲在一個二維數(shù)組中，便可得到所需要的數(shù)字圖像特征。

4 成績識別及存儲

本文采用了BP神經(jīng)網(wǎng)絡(luò)識別和模塊識別兩種識別方式。

4.1 BP神經(jīng)網(wǎng)絡(luò)識別

BP神經(jīng)網(wǎng)絡(luò)也即反向傳播神經(jīng)網(wǎng)絡(luò)，它是多層網(wǎng)絡(luò)[6]，一般至少有3個層，一個輸入層、一個輸出層、一個或多個隱含層，它主要包括信號正向傳播和誤差信號反向傳播兩部分，正向傳播：輸入信號從輸入層經(jīng)過隱含層傳向輸出層，此過程中網(wǎng)絡(luò)權(quán)值固定不變，當(dāng)期望輸出值與網(wǎng)絡(luò)系統(tǒng)輸出值差別較大時，進入誤差的反向傳播階段；反向傳播：輸入層向隱含層再向輸入層傳輸誤差信息并調(diào)整網(wǎng)絡(luò)權(quán)值，反復(fù)反饋調(diào)整，使輸出層輸出逐漸逼近期望輸出值[7]。

4.1.1 BP算法的改進

（1）信號正向傳播過程

設(shè)輸入層、隱含層和輸出層結(jié)點數(shù)分別為m、n和l，則感知器的輸出為：

其中netk為輸出層第k個神經(jīng)元的輸入加權(quán)和[8]。

那么，當(dāng)網(wǎng)絡(luò)的輸出與期望輸出不相等時，及存在輸出誤差，則定義網(wǎng)路的第k個輸出神經(jīng)元的誤差函數(shù)Ek為：

其中dk為第k個神經(jīng)元期望的輸出結(jié)果。

網(wǎng)絡(luò)的能量函數(shù)（總的輸出誤差）為：

（2）誤差反向傳播過程

利用誤差反饋，通過調(diào)整權(quán)值和閾值，使網(wǎng)絡(luò)在能量達到最小時趨于穩(wěn)定狀態(tài)[9]。

根據(jù)前面推導(dǎo)，能量函數(shù)和輸出層之間權(quán)值關(guān)系為：

可見能量函數(shù)E是各層權(quán)值wjk和wij的函數(shù)，調(diào)整權(quán)值即可改變誤差E，使用梯度下降法對其進行調(diào)整，取常數(shù)η(0＜η＜1)為調(diào)整的步長，及網(wǎng)絡(luò)訓(xùn)練中的學(xué)習(xí)速率，則可以得到網(wǎng)絡(luò)權(quán)值的調(diào)整量：

其中δk表示輸出層的誤差，δj表示隱含層的誤差。

（3）加動量項

在修正網(wǎng)絡(luò)權(quán)值時，不僅考慮誤差在梯度上的作用，而且考慮在誤差曲面上變化趨勢的影響，標(biāo)準BP算法在權(quán)值調(diào)整中，只按t時刻誤差的梯度方向調(diào)整[10]，而沒有考慮t時刻以前的梯度方向，從而常使訓(xùn)練過程發(fā)生振蕩，收斂變慢。為提高網(wǎng)絡(luò)的訓(xùn)練速度，可以在權(quán)值調(diào)整公式中增加一動量項。

式中，α稱為動量系數(shù)，一般有0＜α＜1。從前一次權(quán)值調(diào)整中取出一部分疊加到本次調(diào)整量中，α影響這個調(diào)整量的大小，對于t時刻的調(diào)整起到阻尼的作用。

4.1.2 手寫數(shù)字及“+－”字符的識別

BP神經(jīng)網(wǎng)絡(luò)數(shù)字識別的實現(xiàn)主要包括樣本訓(xùn)練、字符特征輸入以及識別等過程，首先輸入一個樣本參數(shù)，讓網(wǎng)絡(luò)系統(tǒng)學(xué)習(xí)并記憶數(shù)據(jù)信息中各特征值。樣本的選擇要有代表性，在程序中采用樣本圖片的形式，訓(xùn)練完后即可用它對數(shù)字及字符進行識別。

其具體流程如圖5所示。

圖5 BP神經(jīng)網(wǎng)絡(luò)數(shù)字識別過程流程圖

4.2 模板匹配識別

模板匹配法是圖像識別中最具有代表性的方法之一。本文為待識別的樣品提取25個特征值[11]，輸送到分類器跟已有的標(biāo)準模板特征值進行比較，用最小距離法判定所屬類。這種最小距離是依據(jù)近鄰原則，是依據(jù)同類物體在空間中具有聚類特性的原理進行區(qū)分的[12]，是一種最簡捷的分類方法。

4.2.1 圖像的最短距離法

利用圖像之間的最短距離作為判別函數(shù)的原理為：對于一個待識別的樣本X=(a1，a2，…，an)，計算X與訓(xùn)練集中某樣本Xj（0＜j＜m，m為訓(xùn)練集中的樣本個數(shù)）之間的距離：

待計算完所有的樣品和模板的距離后，找出最小的距離值所對應(yīng)的模板類別，樣本所屬的類別判別為此類別。

對于加減號“+-”的識別，根據(jù)計算的特征值，首先判斷是否存在加減符號，當(dāng)最后一個字符的左右邊界相差不超過1的時候，程序判斷為缺省加減符號。若是存在加減符號，判斷特征值是是否大于0.3，若大于0.3，符號判別為加號，反之判斷為減號[13]。

系統(tǒng)分類器所使用的訓(xùn)練集特征庫，是通過數(shù)字模板添加功能建立的。這也意味著，系統(tǒng)的訓(xùn)練集特征庫是可增加的，并不是一成不變的。一般樣品庫的個數(shù)為特征數(shù)的5～10倍，這里特征總數(shù)為5×5=25，每一種數(shù)字就需要至少75個標(biāo)準樣品，可想而知數(shù)目已經(jīng)不少了。如果N值過小，不利于不同物體間的區(qū)別。樣品的處理方法和實際應(yīng)用是一樣的，先定位字符的上下左右邊界，再對此范圍進行5×5的分割，計算小范圍黑色像素所占的比值[14]。

程序首先獲取需要添加模板的數(shù)字，然后判斷該數(shù)字是否已經(jīng)擁有250個樣品了，如果是則放棄添加樣本，否則在該數(shù)字已有樣本數(shù)目加1，然后把該字符的25個特征值增加到數(shù)字對應(yīng)的位置。

4.2.2 圖像顯示與抓取的軟件實現(xiàn)

在進行此功能模塊開發(fā)時，第一步創(chuàng)建一個視頻預(yù)覽窗口。在創(chuàng)建視頻捕捉窗口之后，將其顯示在系統(tǒng)人機交互界面的對話框中的適當(dāng)位置。先在對話框中預(yù)放置一個圖片控件，調(diào)整其大小和位置，然后將視頻捕捉窗口放置在該控件的位置處[15]。

對于視頻幀的截取，將數(shù)據(jù)拷貝到剪貼板上，再通過DIB（Device Independent Bitmap）操作獲取內(nèi)存中圖像數(shù)據(jù)首地址，進行后續(xù)的圖像數(shù)據(jù)處理。系統(tǒng)中顯示的效果如圖6所示。

圖6 圖像采集效果

4.3 系統(tǒng)測試及兩種方法識別結(jié)果的比較

經(jīng)過實驗可以看到，BP神經(jīng)網(wǎng)絡(luò)和模板匹配兩種方法的字符識別系統(tǒng)都可以對數(shù)字及加減號“+-”進行正確識別。識別效果如圖7所示，識別結(jié)果在圖下方的學(xué)號、成績欄給出。

圖7 系統(tǒng)識別的實現(xiàn)圖

隨機選取了5 000份實驗報告進行檢測，無論是學(xué)號的識別還是成績的識別，利用神經(jīng)網(wǎng)絡(luò)識別正確率高達99.3%，且識別一份成績報告需30 s左右，使用同一樣本，而模塊匹配識別的在保證正確率91.4%的基礎(chǔ)上，從圖像采集到識別結(jié)果的顯示大約使用時間3 s，較神經(jīng)網(wǎng)絡(luò)速度提到了10倍。另一方面，人工輸入一份實驗報告成績至少需要1 min，而可見實驗報告自動打分系統(tǒng)，大幅提高了數(shù)據(jù)輸入的工作效率和準確率，具有一定的實用性。

4.4 學(xué)號成績的存儲

設(shè)置兩個字段studentnumber和score，分別代表學(xué)號和成績，然后在操作系統(tǒng)中創(chuàng)建要使用的ODBC數(shù)據(jù)源，在程序中添加與此數(shù)據(jù)庫相關(guān)聯(lián)的MFC ODBC類，調(diào)用CRecordView類的AddNew成員函數(shù)把學(xué)號與成績增加到記錄中。如圖8，即是識別結(jié)果的保存。

圖8 識別結(jié)果的保存

5 總結(jié)

本文中設(shè)計的系統(tǒng)是針對實驗報告中手寫學(xué)號和成績字符的識別，設(shè)計過程先對獲取的實驗報告字符圖片進行一系列的預(yù)處理，然后用BP神經(jīng)網(wǎng)絡(luò)和模板匹配方法對其進行識別，最后對設(shè)計好的系統(tǒng)進行實驗。在整個系統(tǒng)的設(shè)計以及實現(xiàn)過程中，識別圖像預(yù)處理和識別的方法在現(xiàn)階段無論是原理還是實現(xiàn)都已經(jīng)很成熟了，字符的定位是最關(guān)鍵的一步，也是最難的一步。本文所用的字符定位起始位置修改參數(shù)是經(jīng)過多次實驗得出來的，符合大部分拍攝情況實驗結(jié)果表明，該識別系統(tǒng)已經(jīng)能在很大程度上進行手寫數(shù)字和簡單字符的識別，識別率比較高，相對手動輸入成績速度有了很大的提高。該自動成績錄入系統(tǒng)經(jīng)驗證已經(jīng)可以應(yīng)用到高校實驗室的試用階段。

[1]蘇彥華.Visual C++數(shù)字圖像識別技術(shù)典型案例[M].北京：人民郵電出版社，2004.

[2]馬耀名，黃敏.基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字識別研究[J].信息技術(shù)，2007（4）：87-88.

[3]杜選，高明峰.人工神經(jīng)網(wǎng)絡(luò)在數(shù)字識別中的應(yīng)用[J].計算機系統(tǒng)應(yīng)用，2007（2）：21-22.

[4]周妮娜，王敏，黃心漢，等.車牌字符識別的預(yù)處理算法[J].計算機工程與應(yīng)用，2003，39（15）：220-221.

[5]朱小燕，史一凡，馬少平.手寫體字符識別研究[J].模式識別與人工智能，2000，13（2）：174-180.

[6]王春，劉波，周新志.采用BP神經(jīng)網(wǎng)絡(luò)的車牌字符識別方法研究[J].中國測試技術(shù)，2005，31（1）：26-28.

[7]武強，童學(xué)鋒，季雋.基于人工神經(jīng)網(wǎng)絡(luò)的數(shù)字字符識別[J].計算機工程，2003（14）：174-180.

[8]湯茂斌，謝渝平，李就好.基于神經(jīng)網(wǎng)絡(luò)算法的字符識別方法研究[J].微電子學(xué)與計算機，2009，26（8）：91-93.

[9]楊慶雄.基于神經(jīng)網(wǎng)絡(luò)的字符識別研究[J].信息技術(shù)，2005（4）：92-96.

[10]陳蕾，黃賢武，仲興榮，等.基于改進BP算法的數(shù)字字符識別[J].微電子學(xué)與計算機，2004，21（12）：127-130.

[11]顧晨勤，葛萬成.基于模板匹配算法的字符識別研究[J].通信技術(shù)，2009，42（3）：220-222.

[12]王軍，王員云.基于模板匹配的聯(lián)機手寫數(shù)字識別[J].現(xiàn)代計算機，2008，25（3）.

[13]荊鐘，何明.基于最小錯誤率的貝葉斯決策在手寫英文字母分類識別中的應(yīng)用[J].遼寧工業(yè)大學(xué)學(xué)報，2009.

[14]湯群芳，俞斌.基于神經(jīng)網(wǎng)絡(luò)和DSP技術(shù)的離線數(shù)字識別系統(tǒng)[J].電子測試，2009，12（6）：16-20.

[15]楊淑瑩.圖像模式識別：VC++技術(shù)實現(xiàn)[M].北京：清華大學(xué)出版社，2005.