基于matlab的文字识别算法课程设计报告.doc

----word.zl-摘要本课程设计主要运用MATLAB的仿真平台设计进展文字识别算法的设计与仿真。也就是用于实现文字识别算法的过程。从图像中提取文字属于信息智能化处理的前沿课题，是当前人工智能与模式识别领域中的研究热点。由于文字具有高级语义特征，对图片容的理解、索引、检索具有重要作用，因此，研究图片文字提取具有重要的实际意义。又由于静态图像文字提取是动态图像文字提取的根底，故着重介绍了静态图像文字提取技术。随着计算机科学的飞速开展，以图像为主的多媒体信息迅速成为重要的信息传递媒介，在图像中，文字信息〔如新闻标题等字幕〕包含了丰富的高层语义信息，提取出这些文字，对于图像高层语义的理解、索引和检索非常有帮助。关键字：文字识别算法；静态图像文字提取；检索----word.zl-目录1课程设计目的32课程设计要求43相关知识54课程设计分析85系统实现96系统测试与分析176.1文字识别算法仿真结果176.2基于字符及单词的识别196.2.1基于字符的识别196.2.2基于单词的识别206.3现存算法的问题216.3.1大多文字识别方法依赖于人工定义的特征216.3.2脱离上下文的字符识别易造成显著的歧义216.3.3简单的单词整体识别有着较大的局限性226.3.4训练样本制作繁琐227参考文献23----word.zl-1课程设计目的图像文字提取又分为动态图像文字提取和静态图像文字提取两种，其中，静态图像文字提取是动态图像文字提取的根底，其应用围更为广泛，对它的研究具有根底性，所以本文主要讨论静态图像的文字提取技术。静态图像中的文字可分成两大类：一种是图像中场景本身包含的文字，称为场景文字；另一种是图像后期制作中参加的文字，称为人工文字，如右图所示。场景文字由于其出现的位置、小、颜色和形态的随机性，一般难于检测和提取；而人工文字那么字体较规、大小有一定的限度且易识别，颜色为单色，相对与前者更易被检测和提取，又因其对图像容起到说明总结的作用，故适合用来做图像的索引和检索关键字。对图像中场景文字的研究难度大，目前这方面的研究成果与文献也不是很丰富，本文主要讨论图像中人工文字提取技术。静态图像中文字的特点静态图像中文字〔本文特指人工文字，下同〕具有以下主要特征：〔1〕文字位于前端，且不会被遮挡；〔2〕文字一般是单色的；〔3〕文字大小在一幅图片中固定，并且宽度和高度大体一样，从满足人眼视觉感受的角度来说，图像中文字的尺寸既不会过大也不会过小；〔4〕文字的分布比拟集中，排列一般为水平方向或垂直方向；〔6〕多行文字之间，以及单行各个字之间存在不同于文字区域的空隙。在静态图片文字的检测与提取过程中，一般情况下都是依据上述特征进展处理的。数字图象处理静态图像文字提取一般分为以下步骤：文字区域检测与定位、文字分割与文字提取、文字后处理。其流程如下图。图1静态文字处理流程图2课程设计要求在高速开展的计算机软硬件技术的支撑下，多媒体技术的开展非常迅速，计算机技术从传统的办公和计算逐渐向人工智能和数字娱乐开展。在人工智能技术中，对环境信息的拾取处理和响应显得尤为重要，其中文本信息占环境信息很大一局部，为了使人工智能系统更为完善，那么需要系统能够像人眼一样对周围环境信息进展理解，尤其是环境信息中的文本信息。实验说明，人类日常生活中，50%以上的信息量来源于眼睛捕捉的周围环境的图像，人眼可以快速捕捉到图像中感兴趣的信息，而对于计算机来说，一幅图像仅仅是杂乱的数据，如何让计算机想人眼一样快速读取图像中的信息并进展分类及检索等相应处理，一直是多年来计算机视觉和模式识别研究者们探索的问题，如果能很好解决这些问题，能给工业生产及国防科技带来巨大的改良。文字是信息存储和传递的重要载体，在很多由摄像设备拍摄的图片中，都存在或多或少的文字，比方路牌、店名、车站牌、商品简介等，识别图片中的文字对计算机理解图像的整体容有非常重大的作用。如何将图片中的文字信息抽象出来形成具有完整语义的信息，再将其表达出来用于信息传递，从而辅助人类的生产和生活是研究计算机视觉的学者们多年来一直致力于解决的问题。研究如何对自然场景图片中的字符进展识别，提取出有用信息，在获取图片文本信息的各个领域都有极大的商业价值。场景文字识别在日常生活也有着重要的地位，例如车牌的识别，盲人对周边环境信息的获取、图书馆管理的数字化和髙效化，以及网络中对指定的容的图像和视频的检索等。自然场景文本识别，就是将提取出来的自然场景图片中的进展识别，提取出信息用于进一步的处理。在对场景文字识别的研究中，获取自然场景图片时候，由于背景物体、光线、阴影、拍摄角度引起的图片背景千变万化，摄像器材的精度、拍摄人员的技术等软硬件的不同为拍摄同样的自然场景图片也带来了相当大的差异，被拍摄的图片中包含的文字大小、颜色、书写风格的各不一样