基于視覺與聽覺檢測的盲人閱讀器研究.pdf

1、盲人及視力障礙人士是我們社會的一個弱勢群體，他們無法像普通人一樣讀書看報，然而在現(xiàn)實生活中，99％以上的文字信息都是以視力障礙人士無法閱讀的紙制資料形式出現(xiàn)的，因此視覺能力的缺失使他們無法以最直觀的方式獲取信息。盲人閱讀器正是一種將印刷品的內(nèi)容轉(zhuǎn)化為聲音信號，供視力障礙人群獲取信息的設備，使其在沒有正常人幫助的情況下也能夠方便地獲得紙制文字信息。 本文設計了一個由文本圖像預處理、字符識別、語音合成等部分組成的盲人閱讀器軟件實現(xiàn)系統(tǒng)

2、。系統(tǒng)處理對象主要是印刷體文本圖片。主要研究工作如下： (1) 在預處理模塊的設計中，結合多種圖像處理技術，運用了包括二值化、傾斜校正和字符分割等在內(nèi)的一系列預處理算法，取得了較好的效果，為后面字符特征的提取打下了堅實的基礎。 (2)為了解決單個分類器分類效果不理想的情況，從分類器集成的角度出發(fā)，提出了基于多個互補特征，多級粗分類與細分類相結合的分類器設計方案。其中粗分類包含基于字符骨架中閉合曲線和基于字符骨架中縱向線條特征的兩

3、級分類，達到了較平均的分割待識別字符集的目的，有效地縮短了細分類的識別時間。細分類器的特征提取采用基于網(wǎng)格特征和投影特征的組合特征向量，很好地兼顧了字符總體特征和局部特征，大大提高了字符識別的準確度。 (3) 歸納總結了現(xiàn)有TTS 功能實現(xiàn)的三種典型解決方案，結合課題研究的實際情況最終采用了利用微軟SAPI5.1提供的具有TTS 功能的語音開發(fā)包的方案，極大地縮短了語音合成應用系統(tǒng)的開發(fā)周期，以較高的準確率實現(xiàn)了對已識別文本的語音輸