圖像識別技術研究及其在發(fā)牌機中的應用.pdf

1、隨著橋牌游戲的日益盛行和比賽規(guī)則的多樣化與復雜化，越來越多的功能各異的發(fā)牌機開始應用在橋牌比賽、大學生人文素質教育以及人們休閑娛樂生活中。智能的發(fā)牌機一般包含控制系統(tǒng)部分、執(zhí)行機械部分、圖像采集與處理部分及數(shù)據(jù)通信等部分。論文著重對智能發(fā)牌機系統(tǒng)中的撲克視頻圖像的采集、自然環(huán)境下采集的目標進行分割、特征提取和字符識別的一些關鍵的技術進行了深入探討，主要解決了以下幾個問題：
　　針對自然環(huán)境下采集的目標如何分割的問題，論文提出了改進

2、的二值化算法。算法的改進點在于引入了大窗口和小窗口并行計算的思想，根據(jù)兩個窗口內像素的統(tǒng)計值來標記有效像素，從而達到算法加速的目的。實驗表明：在保留了整個圖像多個較完整的字符筆畫和花型輪廓的基礎上，改進的二值化算法最大提速48％。
　　針對如何快速判別二類目標的問題，論文給出了一種標識字符和花型的算法。首先，計算連通區(qū)域特征以去除非目標區(qū)域；其次，對候選目標傾斜矯正后提取反應目標結構、筆畫和方向的特征；最后，輸入神經(jīng)網(wǎng)絡進行特征分

3、類，達到高質量的目標快速識別和低質量的目標二類檢測的目的。
　　針對受光照、噪聲等因素干擾的低質量目標高精度識別問題，論文設計了一種多特征融合的分類算法。首先，通過最小平均熵相關系數(shù)和非線性變換優(yōu)化了 Gabor濾波器組的最佳輸出；其次，歸一化主軸方向以達到幾何不變性；最后，算法采用了基于置信度分析的Log-OP的融合方法，融合神經(jīng)網(wǎng)絡判別結果和強分類器的分類結果。實驗結果表明：字符和花型識別準確率分別為98.5%和98.7%。<

4、br>　　針對撲克圖像識別技術在發(fā)牌機上的應用問題，論文給出了撲克識別系統(tǒng)的設計框架、處理時間和分類性能分析。首先，通過UDP連接實現(xiàn)了基于C/S結構的PC機和ARM視頻數(shù)據(jù)網(wǎng)絡傳輸。其次，采用OpenCV完成了PC機端的圖像處理與識別，實現(xiàn)了撲克圖像識別系統(tǒng)良好的可視化界面。最后，分析了實時圖像采集和分類識別程序在時間上性能指標。系統(tǒng)運行結果表明，撲克識別系統(tǒng)滿足發(fā)牌機在時間上和精度上的需求，成功解決了圖像識別技術應用在智能發(fā)牌機上諸