銀行票據手寫數字串識別的預處理與分割.pdf

1、票據手寫數字串識別系統(tǒng)對銀行業(yè)有非常大的實用價值。對于掃描得到的票據圖像,主要處理步驟包括字符識別以及識別前的預處理與分割兩大部分,現(xiàn)有識別算法中,單個數字字符的識別正確率高于99％,在這種情況下,提高整個數字串識別率的關鍵在于數字串圖像的前期預處理與分割。
　　 本文以某建設銀行支票中的手寫數字串為背景,主要對預處理和分割過程中的一些核心技術進行研究和改進,并取得了一定的成果。主要研究內容包括:
　　 1)對彩色圖像進

2、行灰度化處理,針對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,在保留數字字符信息的情況下去除印章影響,同時對灰度圖像進行增強、去噪,為后續(xù)工作打好基礎。
　　 2)去除數字串的外框,主要分為框線檢測與字符相交檢測兩部分。針對框線有些傾斜、彎曲的情況,提出了先進行直線檢測,再尋找精確邊緣點,最后分段進行直線擬合的方法準確描述框線。在框線與字符相交的處理過程中,提出了基于灰度梯度的交叉點檢測算法,并結合字符與框線的相交

3、形狀對交叉點進行左右、上下配對,準確描述了相交部分的信息,最后在去框的過程中,對字符與框線相交的部分進行了保留。
　　 3)對數字串進行傾斜矯正,由于每個人的書寫習慣不同,不少數字串是傾斜的,為了便于切分以及使數字的特征更加集中,需要進行方向上的歸一化處理。對于傾斜角的計算,本文首先提出了基于數字筆畫梯度方向的方法,該方法對于90%的數字串有效,對于另外的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)切割整個數字串為單個數字字符,首先根據每個連通域的字符輪廓信息判別此連通域為單字或粘連字串,對于粘連數字串,提出了一種基于灰度圖像的切分算法。算法首先根據灰度圖像中,字符邊緣點的梯度方向變化率準確尋找切分點,再結合切分線的類別連接切分點,計算切分可靠性,然后選擇不同的切分線,生成切割組合,最后基于識別反饋的方法選擇最佳切割組合。
　　 結合改進的k-近鄰分類器,實現(xiàn)了票據手寫數字串識別系統(tǒng)