[发明专利]试卷卷面手写体分数识别方法

说明书

技术领域：

本发明涉及的是一种手写体数字识别的方法，具体是一种识别试卷卷面手写体分数的方法。

背景技术：

在教学过程中，试卷作为一种重要的教学评估手段广泛的应用于各类学校中，然而教师需要花费大量的时间对试卷卷面分数进行处理和统计。如何对如此大量的试卷中的手写体分数进行自动识别和统计处理，是目前面临的难题。因此，试卷卷面手写体数字的识别具有很大的研究价值和应用前景。

经过对现有技术的总结发现，手写体数字的识别的方法主要有两种：基于结构特征的方法和基于统计特征的方法。前者是利用手写数字骨架的结构特征如：圈、端点、交叉点、轮廓进行识别，该方法能够精确的描述数字的结构特征，对书写较规范的数字有较高的识别率，但是该方法比较复杂；后者利用手写数字的统计特征如：密度、矩、特征区域进行识别，该方法中的手写数字的统计特征比较容易获得，能够准确的描述一类模式的结构特征，但由于手写数字的任意性，变化多样，只有在样本的一致性较好的情况下，才能获得较高的识别率。

发明内容：

本发明的目的在于克服现有技术的不足，提供一种识别率高、易于实现的试卷卷面手写体分数识别方法，满足教学的需要。

为了达到上述目的，本发明的构思是：

利用手写数字的端点和交叉点的个数对手写数字进行初次分类；经过上述分类的数字，再结合手写数字的端点位置关系进行判别，最终达到识别的目的。

本发明运用图像处理算法对试卷卷面手写分数进行识别，利用了手写数字骨架的结构特征的同时，结合了几何和结构的知识，有效的减少了算法的复杂度，并且在识别过程中不需要大量的训练样本。这样使得该方法容易实现，并具有较高的可靠性和识别率。

根据上述的发明构思，本发明是采用以下技术方案来实现的：

一种试卷卷面手写体分数识别方法，其特征在于通过摄像头获取实时试卷卷面图像，经过预处理后，提取出试卷卷面中手写数字的骨架结构特征，利用手写数字的端点和交叉点的个数对手写数字进行初次分类，然后结合手写体数字端点的位置关系对每一端点主要和次要位置关系初分类，最后进行手写数字进行识别，其识别是通过数字骨架特征的提取和骨架位置关系的判定来实现；其具体操作步骤如下：

(1)数字骨架特征提取的步骤

①输入样本：将试卷卷面图象由摄像头和图象采集卡经模数转换后输入计算机；

②预处理：计算机对得到的实时试卷图象进行灰度化、二值化、平滑去噪、字符分割、归一化、倾斜校正、重排、数字骨架细化等处理；

③数字骨架特征提取：对试卷卷面图象中的分数进行特征提取，提取出手写数字的端点和交叉点两个特征，并记录下端点和交叉点的个数，同时保存端点的坐标；利用手写数字的端点和交叉点的个数对手写数字进行初次分类；

(2)骨架位置关系判断的步骤

①主要位置关系计算：计算骨架端点的连线在水平坐标轴上倾斜角度的三角正切值；对每一端点主要和次要位置关系初分类；

②次要位置关系计算：计算端点间的纵向距离与整个数字高度的比值；

③根据上述两种位置关系的计算结合数字骨架的特征来识别手写数字。

在数字骨架特征提取阶段，在待识别数字的特定区域中，采用模板匹配法在区域内进行搜索，最终提取出数字骨架的端点和交叉点数目，同时记录下端点在识别区域中的坐标位置。根据提取出的骨架特征，对数字进行分类，对于分类的结果，然后再根据端点位置关系来判别。最后分析前面两个阶段的结果，最终达到手写数字识别的目的。

以下对本发明的方法作进一步的说明：

所述的试卷卷面图象，是利用摄像头实时采集的，因此图象受到噪声和外界因素的影响，在进行骨架特征提取前，一般来说要对图象进行预处理。对试卷卷面图象的预处理包括以下过程：灰度化、二值化、平滑去噪、归一化、数字分割、倾斜校正和骨架细化。由于本方法要对数字骨架的特征进行特征提取，因此骨架细化的很必要的，在本方法中采用的是并行细化算法，该细化方法具有很好的实用性，获取的图像骨架避免了过度腐蚀，并且还具有良好的连通性。同时，还对细化后的图象进行了骨架优化，本发明采用3×3的模板对细化后的图象枝头进行了一个象素级的删除，进行了短枝处理。这样优化了数字骨架图象的质量，为下一步的骨架特征提取打下了良好的基础。

所述的手写数字骨架特征提取，本发明采用的是局部特征提取方法：在特定的识别区域内，运用符合特征的模板进行搜索，最终提取出数字骨架的特征。为了取得更好的运算效率，在本发明中，提取的是数字骨架的特征有：端点和交叉点。