[发明专利]一种基于图像处理的填注标记识别方法

说明书

技术领域

本发明涉及图像处理、计算机视觉技术领域，具体涉及一种基于图像处理的填注标记识别方法。

背景图像技术

在数据采集方式中，问卷调查是一种最为常用的方式。通常被调查者先在纸质调查表上进行填写，然后调查人员将问卷收集后，通过手工录入将信息转换成计算机可以处理的数字信息，再进行数据的统计分析。随着社会的信息化发展，越来越多的调查数据需要输入至计算机进行处理，手工录入的方式由于其存在成本高、速度慢、易出错等难以克服的缺陷，往往不能满足实际需求。将调查问卷扫描成数字图像，利用图像处理技术对问卷图像进行自动识别和录入，将极大提高调查问卷的处理效率。

针对问卷图像的识别，目前主要有两种方式，一种是对问卷中手工填写的字符进行OCR（Optical Character Recognition，光学字符识别）识别，能够识别数字、字母或汉字，由于字符种类繁多，数量庞大，并且每个人的书写风格不同，因此对手写体字符的识别难度很大，一些技术难点短期内还难以突破，目前的识别技术在识别率和识别速度上远不能达到实用化的要求。另一种是识别问卷中特定的手写符号，如打钩、画圈等，称为OMR（Optical Mark Recognition，光学标记识别），其结构相对简单，出现了一些实用的识别系统，因此目前的调查问卷大多设计成选择类型的问卷，以便于后期处理。传统的标记识别是利用光电转换原理，将光信号转化为模拟电信号，再转为数字信号，通过数字滤波处理进行识别。这种方式存在很多限制，需要被调查者严格按照特定的方式进行填画，同时对纸张和印刷的质量的要求很高，在实际应用中会造成很多不便，从而引起较大的识别误差。

针对上述问题，通过拍摄或扫描等方式采集调查问卷图像，利用数字图像处理技术进行识别，是解决这些问题的有效途径，而对问卷图像进行识别的难点在于，手写标记存在不同程度的变形，图像光照不足或过度造成图像质量低，以及纸张褶皱、污损等引起的标记难以辨识等。目前针对手写标记的图像识别研究主要集中在：1、标记区域的定位。目前常用的方法是根据手工获取的版面结构信息，结合图像中检测出的几个定位特征，估计出每个标记的位置。这种方法准确度较高，但当调查问卷的结构发生变化时，需要对保存的结构数据进行手工修改，因此该方法缺乏灵活性，不具有普通适用性。2、标记的特征提取。针对标记的图像特征，主要分为统计特征和结构特征。统计特征主要包括密度特征，矩特征和投影特征，这些特征对噪声不敏感，但是难以描述标记的笔画结构，特征的可区分性不强。结构特征主要是通过分析标记的轮廓或骨架，提取出的反映标记笔画结构的特征，较好地描述了标记的细节，但是易受噪声的干扰。

发明内容

本发明的目的在于提供一种基于图像处理的填注标记识别方法，解决了目前计算机对手写标记的图像识别方式不够灵活，不具有普遍适用性，以及识别度低的问题。

为解决上述的技术问题，本发明采用以下技术方案：

一种基于图像处理的填注标记识别方法，包括以下步骤：

-将用于手工采集的文件转化为灰度图像，对灰度图像进行高斯平滑处理，去除灰度图像中的噪声；

-将灰度图像划分为多个图像块，根据每个图像块的灰度分布信息，采用最大类间方差法计算出图像块的分割阈值,根据分割阈值将图像块分为前景图像和背景图像两个部分，分别建立前景图像和背景图像的灰度直方图，通过分析直方图校正错分的前景图像，得到最终的二值化图像；

-利用投影法对二值化图像进行倾斜校正，然后根据水平方向上的投影直方图切分出文档中的每行字符，对每行字符建立垂直方向上的投影直方图，进而切分出每个字符，建立选择框的图像模板，通过将每个切分出的字符归一化后与模板进行匹配，检测出灰度图像中没有填画的选择框；

-根据未采集数据的空白文件的版面信息，建立版面结构模板，将检测出灰度图像中没有填画的选择框与版面结构模板进行匹配，定位出填画过的选择框，然后利用版面结构模板上的选择框图像模板，通过模板配准及求差的方式，去除填画区域中的选择框线，从而提取出填画标记；

-在填画标记的区域中设置滑动窗口，计算出窗口中的局部二值模式（Local Binary Pattern，LBP），通过改变滑动窗口的尺寸，提取多尺度下的局部二值模式特征，将这些局部二值模式特征的值进行级联，得到最终的标记特征；

-采用支持向量机（Support Vector Machine，SVM）对提取的标记特征进行识别。

更进一步的技术方案是，所述根据未采集数据的空白文件的版面信息，建立版面结构模板的方法如下：