解析一种基于cis 的快速字符识别算法

《解析一种基于cis 的快速字符识别算法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、解析一种基于CIS的快速字符识别算法1引言　　传统字符识别需经过摄像头图像采集，灰度化，二值化，文本检测，文本校正，字符分割，字符识别。本文提出使用CIS采集图像，即可直接获取灰度图像，省略灰度化步骤，采用Bit-band方式存储图像，可省略二值化步骤。考虑到文本检测时，由于文本笔画的厚度会增加文本检测算法的复杂度和计算量，因此，采用一种改进的FPA算法对字符进行细化，减少文本厚度，然后再使用S算法对文本图像数据集进行训练，再实现对样本图像的识别。本文给出的算法浮点运算量与传统算法相比大大减少，计算时间减少，同时，本文也给出了一种基于CIS扫描的字符识别系统。　　2系统算法设

2、计　　2.1图像采集时序　　CIS在500kHz时钟下，通过控制SI信号和单色红光光源LEDr信号，每行可采集784个像素值。采集到的图像在扫描方向上有拉伸形变，在于扫描方向垂直方向上无非线性形变。　　2.2图像大小调整　　使用Bit-band方式存储图片，CIS获取的784个byte中，取每个byte中的最高一位bit放在Bit-band中，实现二值化，如此，实现了用1个byte代替8个byte，节省内存。为减少计算量和遍历图像所需的时间，将图像采用双线性差值法缩放到64*64大小。　　2.3文本检测　　2.3.1图像细化　　采用一种改进后的FPA算法进行字符细化。与原有的

3、FPA算法相比，新增的8个模板所规定图像中前景点为1，背景点为0，细化可分为两个子过程。其中，带星号的代表当前的前景点，改进过后的FPA算法对图像中所有的前景点进行判断，根据前景点周围的八邻域之内的像素值和他们之间的关系进行计算，所使用的算法可分为如下步骤:　　①先行后列遍历图像，找到第一个前景点。　　②如果满足上述条件，则将该前景点删除，如果不满足，则继续遍历图像，寻找下一个前景点，重复上述过程，直到达到最大迭代次数后停止。在已经做过前三步的图像上，先行后列遍历图像，找到一个前景点。　　传统FPA细化算法处理效果和改进过后的FPA细化算法处理效果从表中可以看出，在迭代次数较

4、小时，计算量较小，但细化效果不理想，当迭代次数增加时，相对增加了计算量，但是细化效果较好;在相同迭代次数时，改进过后的FPA算法相对于传统FPA算法而言，具有更好的细化效果，在直线笔画处，减少了断笔画的情况，在拐点处，减少了两个笔画之间的粘连。　　2.3.2文本检测与分割　　经过前面的处理，使用S_DATA.xml文件中。　　2.6字符识别　　字符识别采用SVM多分类进行预测。计算图像1*64维特征向量与训练的字符集中的各字符的特征向量计算欧式距离，距离最小者为匹配度最高，设两幅图像的1*64维度特征向量分别为:　　3系统设计　　采用ARMCortex3内核的STM32F10

5、3VET6芯片作为MCU。MCU中TIM2_CH1为CIS提供工作时钟，TIM2_CH2与TIM2_CH1频率相同，极性相反，作为ADC触发源，触发ADC开启转换通道5，保存像素值，TIM3_CH1控制CIS光源LEDr的亮度，TIM3_CH2控制SI信号，控制CIS的转换开启与停止，通过ADC读入的像素以DMA方式写入数组中，外接一块LCD屏幕来显示读入的图像，MCU与LCD之间通过USART1接口进行通信，字符识别的结果通过USART2接口发送到TTS进行语音朗读。　　4结束语　　与传统字符识别算法相比，本方案中提到的算法主要有以下特点:　　①根据CIS采集到的数据，使用

6、Bit-band方式存储，省略灰度化和图像存储空间。　　②采用改进的FPA算法与SWT算法结合提取文本区域，减少计算量和计算时间，改善了细化后的文本，提高了识别率。　　③图像旋转部分没有直接对图像进行旋转，减少了浮点运算。