嵌入式盲人閱讀器系統(tǒng)設計與開發(fā).pdf

1、人們日常生活中接觸到的多數(shù)信息都以圖像的形式進行傳遞，盲人以及視力障礙人士由于視力缺陷在沒有正常人幫助下根本無法獲取這些信息，這很大程度上限制了盲人認知世界的機會。盲人閱讀器是一款融合了光學字符識別(OCR)和語音合成(TTS)技術、實現(xiàn)圖像文字到語音轉換的設備，能幫助盲人自由獲取紙質以及電子版文字信息。
　　本文所實現(xiàn)的盲人閱讀器系統(tǒng)使用QT進行界面編寫，可分為以下模塊:
　　(1)視頻圖像采集與預處理模塊。該模塊主要完成

2、攝像頭視頻待識別文檔的采集以及包括灰度化、二值化、去噪、版面分析、傾斜校正、字符切分等的圖像預處理。本文通過比較分析，選取了合適的算法，取得了良好的實驗效果。該模塊是整個盲人閱讀器系統(tǒng)的基礎，其性能穩(wěn)定與否直接關系到系統(tǒng)識別率的高低。
　　(2)文本識別模塊。該模塊由字符預處理、特征提取和文本識別組成，是整個系統(tǒng)的核心。本文介紹了細化和歸一化字符預處理算法，并詳細介紹了漢字識別中常用的幾種漢字特征提取過程。考慮到漢字數(shù)量巨大，屬于

3、超大類別模式識別，本文利用漢字各種特征的互補性，采取了多級粗分類和細分類相結合的多特征多分類器漢字識別方法，粗分類縮小了待匹配字符范圍，有效減少了計算量，細分類利用多種特征進行聯(lián)合判別，漢字識別準確率得到很大提升。
　　(3)語音播報模塊。針對軟件使用環(huán)境的不同，本文實現(xiàn)了基于MicrosoR SpeechSDK、科大訊飛MSP、自制語音庫三種語音播報方法，都取得了較好效果，其中自制語音庫語音播報適用于各種平臺，但語音不夠流暢，且

4、占據(jù)較大存儲空間。
　　此外，為增加軟件的交互性，Windows下軟件中添加了語音識別模塊，方便盲人通過語音的方式使用軟件。結果表明，軟件系統(tǒng)智能友好地完成了盲人閱讀基本功能，對印刷體中文文檔識別準確率達到99.67％，達到了軟件設計要求。
　　本文中實現(xiàn)了盲人閱讀器系統(tǒng)的嵌入式開發(fā)，選用合眾達DVS6446為硬件平臺，QT/Embedded為嵌入式圖形界面開發(fā)工具（主要為方便調試引入）。本文完成了嵌入式Linux開發(fā)環(huán)境的