銀行票據(jù)手寫(xiě)數(shù)字串識(shí)別的預(yù)處理與分割.pdf

1、票據(jù)手寫(xiě)數(shù)字串識(shí)別系統(tǒng)對(duì)銀行業(yè)有非常大的實(shí)用價(jià)值。對(duì)于掃描得到的票據(jù)圖像,主要處理步驟包括字符識(shí)別以及識(shí)別前的預(yù)處理與分割兩大部分,現(xiàn)有識(shí)別算法中,單個(gè)數(shù)字字符的識(shí)別正確率高于99％,在這種情況下,提高整個(gè)數(shù)字串識(shí)別率的關(guān)鍵在于數(shù)字串圖像的前期預(yù)處理與分割。
　　 本文以某建設(shè)銀行支票中的手寫(xiě)數(shù)字串為背景,主要對(duì)預(yù)處理和分割過(guò)程中的一些核心技術(shù)進(jìn)行研究和改進(jìn),并取得了一定的成果。主要研究?jī)?nèi)容包括:
　　 1)對(duì)彩色圖像進(jìn)

2、行灰度化處理,針對(duì)圖像中存在紅色印章的情況,提出了適合本文的圖像灰度化算法,在保留數(shù)字字符信息的情況下去除印章影響,同時(shí)對(duì)灰度圖像進(jìn)行增強(qiáng)、去噪,為后續(xù)工作打好基礎(chǔ)。
　　 2)去除數(shù)字串的外框,主要分為框線檢測(cè)與字符相交檢測(cè)兩部分。針對(duì)框線有些傾斜、彎曲的情況,提出了先進(jìn)行直線檢測(cè),再尋找精確邊緣點(diǎn),最后分段進(jìn)行直線擬合的方法準(zhǔn)確描述框線。在框線與字符相交的處理過(guò)程中,提出了基于灰度梯度的交叉點(diǎn)檢測(cè)算法,并結(jié)合字符與框線的相交

3、形狀對(duì)交叉點(diǎn)進(jìn)行左右、上下配對(duì),準(zhǔn)確描述了相交部分的信息,最后在去框的過(guò)程中,對(duì)字符與框線相交的部分進(jìn)行了保留。
　　 3)對(duì)數(shù)字串進(jìn)行傾斜矯正,由于每個(gè)人的書(shū)寫(xiě)習(xí)慣不同,不少數(shù)字串是傾斜的,為了便于切分以及使數(shù)字的特征更加集中,需要進(jìn)行方向上的歸一化處理。對(duì)于傾斜角的計(jì)算,本文首先提出了基于數(shù)字筆畫(huà)梯度方向的方法,該方法對(duì)于90%的數(shù)字串有效,對(duì)于另外的10%情況,本文又提出了基于字符框架信息的方法計(jì)算傾斜角。兩種方法相輔相成

4、,取得了很好的效果。
　　 4)切割整個(gè)數(shù)字串為單個(gè)數(shù)字字符,首先根據(jù)每個(gè)連通域的字符輪廓信息判別此連通域?yàn)閱巫只蛘尺B字串,對(duì)于粘連數(shù)字串,提出了一種基于灰度圖像的切分算法。算法首先根據(jù)灰度圖像中,字符邊緣點(diǎn)的梯度方向變化率準(zhǔn)確尋找切分點(diǎn),再結(jié)合切分線的類(lèi)別連接切分點(diǎn),計(jì)算切分可靠性,然后選擇不同的切分線,生成切割組合,最后基于識(shí)別反饋的方法選擇最佳切割組合。
　　 結(jié)合改進(jìn)的k-近鄰分類(lèi)器,實(shí)現(xiàn)了票據(jù)手寫(xiě)數(shù)字串識(shí)別系統(tǒng)