銀行票據(jù)手寫數(shù)字串識別的預(yù)處理與分割.pdf

1、票據(jù)手寫數(shù)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(jù)圖像,主要處理步驟包括字符識別以及識別前的預(yù)處理與分割兩大部分,現(xiàn)有識別算法中,單個數(shù)字字符的識別正確率高于99％,在這種情況下,提高整個數(shù)字串識別率的關(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)銀行支票中的手寫數(shù)字串為背景,主要對預(yù)處理和分割過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。主要研究內(nèi)容包括:
　　 1)對彩色圖像進(jìn)

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(shù)字字符信息的情況下去除印章影響,同時對灰度圖像進(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(jìn)行直線檢測,再尋找精確邊緣點,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程中,提出了基于灰度梯度的交叉點檢測算法,并結(jié)合字符與框線的相交

3、形狀對交叉點進(jìn)行左右、上下配對,準(zhǔn)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(jìn)行了保留。
　　 3)對數(shù)字串進(jìn)行傾斜矯正,由于每個人的書寫習(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。對于傾斜角的計算,本文首先提出了基于數(shù)字筆畫梯度方向的方法,該方法對于90%的數(shù)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(shù)字串為單個數(shù)字字符,首先根據(jù)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(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,字符邊緣點的梯度方向變化率準(zhǔn)確尋找切分點,再結(jié)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(jié)合改進(jìn)的k-近鄰分類器,實現(xiàn)了票據(jù)手寫數(shù)字串識別系統(tǒng)