基于OCR的紙幣冠字號(hào)識(shí)別及硬件仿真.pdf

1、冠字號(hào)識(shí)別技術(shù)是清分機(jī)的必備技術(shù)，現(xiàn)在很多自動(dòng)取款機(jī)也帶有此功能，但是現(xiàn)在識(shí)別的技術(shù)都要求紙幣比較新，不能污漬，否則誤識(shí)或退幣。產(chǎn)生此問(wèn)題的主要原因是機(jī)器內(nèi)置識(shí)別算法不能對(duì)這些污染進(jìn)行處理。本文的研究?jī)?nèi)容即是嘗試對(duì)這些問(wèn)題提出一些解決辦法。通過(guò)對(duì)上海某公司清分機(jī)的冠字號(hào)誤識(shí)樣本分析，影響其識(shí)別的問(wèn)題有以下幾種：大塊的污漬斑塊，冠字號(hào)區(qū)域的直線干擾，字符的低分辨率，識(shí)別算法方面，本文分章節(jié)對(duì)上述問(wèn)題的產(chǎn)生及解決進(jìn)行具體的論述。
　　

2、首先，對(duì)于斑塊或散粒污染，通常使用的平滑圖片的方式發(fā)現(xiàn)效果不佳，原因是有些大塊的污染不能被平滑掉。對(duì)于這個(gè)問(wèn)題，本文使用基于連通域面積比較刪除法的方式，并通過(guò)與中值濾波的效果對(duì)比，顯示其在此類(lèi)問(wèn)題上的良好特性。
　　其次，樣本含有特有的直線噪聲，成為影響字符識(shí)別的重要原因。對(duì)直線的處理，相比傳統(tǒng)的二值圖算法，本文使用的基于灰度圖域的直線算法，有著明顯的優(yōu)勢(shì)，做到了去除直線的同時(shí)基本完全留了字符信息。
　　字符分辨率較低是因?yàn)?/p>

3、機(jī)器使用的圖像傳感器分辨率低的原因，在低分辨率下對(duì)字符的識(shí)別也是本文的一個(gè)難點(diǎn)。對(duì)于這個(gè)問(wèn)題，本文從字符歸一化和改進(jìn)識(shí)別算法兩個(gè)方面解決。由于分辨率較低，每個(gè)像素相對(duì)含有的信息量就較多，字符的細(xì)節(jié)就尤為重要。本文使用基于筆畫(huà)的雙邊緣檢測(cè)算法，統(tǒng)一了字符的最大筆畫(huà)寬度，且二值化后能更多得保留字符細(xì)節(jié)信息。相應(yīng)的，此算法的引入，使總體識(shí)別率有了7％的提升。
　　識(shí)別算法使用基于BP神經(jīng)網(wǎng)絡(luò)的多層判別樹(shù)架構(gòu)，顯著提高了字符的識(shí)別率。綜合