視頻圖像中字符識別算法的研究及其DSP實(shí)現(xiàn).pdf

1、視頻圖像中的字符往往對理解圖像的內(nèi)容起著重要的作用，從視頻圖像中提取出字符信息有助于對圖像信息的分析與處理。視頻圖像中的字符識別技術(shù)融合了數(shù)字圖像處理、計(jì)算機(jī)圖形學(xué)、模式識別、計(jì)算機(jī)視覺、人工神經(jīng)元網(wǎng)絡(luò)等多個(gè)學(xué)科的理論和方法。
　　本文在MATLAB上通過對不同尺寸的中值濾波模板進(jìn)行仿真比較，選取3×3中值濾波模板。通過對幀間差文本檢測算法的仿真分析，提出連續(xù)幀邊緣差的文本幀檢測算法。采用多分辨率分解、Sobel邊緣檢測、橫向與縱

2、向腐蝕操作、膨脹操作、多分辨率融合相結(jié)合的方法進(jìn)行文本定位，根據(jù)文本特征制定了文本篩選的規(guī)則，實(shí)驗(yàn)結(jié)果表明本文方法可以得到很好的文本定位效果。
　　本文通過對文本分割算法和傾斜校正算法進(jìn)行仿真、比較分析，根據(jù)仿真結(jié)果確定采用K均值聚類的文本分割算法和Hough變換的傾斜校正算法對定位出的文本進(jìn)行分割和校正。利用基于投影的字符分割算法對字符進(jìn)行切割，并對其進(jìn)行改進(jìn)以適用于粘連字符的分割。為了提高字符的識別率，本文采取坐標(biāo)映射的方法對

3、字符進(jìn)行歸一化處理，將分割出的字符歸一化為25×25的標(biāo)準(zhǔn)尺寸。采用BP人工神經(jīng)元網(wǎng)絡(luò)進(jìn)行字符識別，為了得到較好的識別網(wǎng)絡(luò)，對基本BP算法、變學(xué)習(xí)率的改進(jìn)型BP算法、引入動(dòng)量項(xiàng)的改進(jìn)型BP算法進(jìn)行訓(xùn)練仿真，通過對訓(xùn)練時(shí)間及收斂性的比較分析，采用變學(xué)習(xí)率與引入動(dòng)量項(xiàng)相結(jié)合的改進(jìn)型BP算法，實(shí)驗(yàn)結(jié)果表明，該算法的識別率可以達(dá)到94％以上。
　　本文采用北京瑞泰創(chuàng)新科技有限責(zé)任公司的ICETEK-DM6437-B評估模塊作為硬件開發(fā)平臺

4、，并在其上實(shí)現(xiàn)視頻圖像中字符識別算法。在CCS集成開發(fā)環(huán)境下進(jìn)行視頻圖像中字符識別算法的C程序開發(fā)。首先設(shè)置DSP/BIOS的相關(guān)環(huán)境參數(shù)并創(chuàng)建對象;接著保存配置文件并加載到工程中;然后編寫視頻圖像中字符識別算法C程序;最后對算法程序進(jìn)行調(diào)試直到滿足要求。為了提高算法的執(zhí)行速度，本文還對數(shù)學(xué)形態(tài)學(xué)算法、字符分割算法、變量的定義及循環(huán)體進(jìn)行了優(yōu)化。
　　測試結(jié)果表明，在DSP上實(shí)現(xiàn)視頻圖像中字符識別算法基本滿足預(yù)期要求，這為以后進(jìn)一