圖像票面信息識別技術在車票、電影票以及發(fā)票等票據(jù)識別中發(fā)揮著重要的作用,對車票圖像票面信息識別技術的研究有著廣泛的實際需求。論文針對鐵路服務過程中,紙質(zhì)車票傳統(tǒng)的檢票方式服務效率低下,給廣大的旅客造成出行難的問題,提出了一套快速、高識別率的票面信息識別方法。本論文在介紹圖像信息識別系統(tǒng)中關鍵技術的基礎上,通過對車票圖像信息識別中圖像矯正與二值化、車票信息區(qū)域定位分割以及車票字符識別等關鍵環(huán)節(jié)進行算法研究,實現(xiàn)了一套車票票面信息識別系統(tǒng)。論文主要研究內(nèi)容為:（1）在票面圖像方向矯正算法研究中,提出了基于特征區(qū)域聚類下Radon變換的方向檢測算法。實驗結果表明:算法能夠對全角度任意方向車票圖像進行方向檢測,能夠消除圖像本身復雜背景、方向特征區(qū)域領域像素點對方向檢測的干擾,正確矯正率為97.8%。（2）在票面信息區(qū)域定位切割算法研究中,提出了基于全局關鍵信息搜索的車票感興趣區(qū)域定位切割算法。算法建立在車票行向量灰度值差異性的基礎上,通過全局搜索,在行向量上,對像素點灰度值為1的向量值求導,取導數(shù)值連續(xù)為0的最長區(qū)段,即為該圖像的關鍵信息所在的行;結合試湊法,確定閾值區(qū)間,切割得到車票的感興趣... 

【文章來源】：北方民族大學寧夏回族自治區(qū)

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章緒論
    1.1 課題背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 圖像方向檢測與矯正算法的研究現(xiàn)狀
        1.2.2 圖像分割算法的研究現(xiàn)狀
        1.2.3 圖像字符識別的研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容
    1.4 論文結構
    參考文獻
第二章 車票票面圖像預處理算法研究
    2.1 基于特征區(qū)域聚類下Radon變換的方向檢測算法
        2.1.1 特征域聚類算法
        2.1.2 Radon變換方向估計算法
        2.1.3 改進的Radon變換方向估計
        2.1.4 仿真與結果分析
    2.2 圖像二值化算法研究
        2.2.1 基于K-Means聚類的圖像二值化算法
        2.2.2 基于遺傳算法下直方圖熵的圖像二值化算法
        2.2.3 二值化分割仿真與結果分析
    2.3 本章小結
    參考文獻
第三章 圖像信息區(qū)域字符分割算法研究
    3.1 車票票面信息區(qū)域分析
    3.2 基于全局關鍵信息搜索的車票感興趣區(qū)域定位分割算法
        3.2.1 全局關鍵信息搜索算法
        3.2.2 基于閾值區(qū)間設定的圖像定位分割算法
        3.2.3 仿真與結果分析
    3.3 車票票面文字信息提取
        3.3.1 圖像字符定位與切割
        3.3.2 尺度歸一化處理
    3.4 本章小結
    參考文獻
第四章 車票票面信息識別算法研究
    4.1 神經(jīng)網(wǎng)絡算法
    4.2 基于學習速率可變的BP神經(jīng)網(wǎng)絡算法的字符識別研究
        4.2.1 BP神經(jīng)網(wǎng)絡的工作原理
        4.2.2 網(wǎng)絡模型參數(shù)設定
        4.2.3 建立字符庫
        4.2.4 神經(jīng)網(wǎng)絡訓練結果
    4.3 仿真與結果分析
        4.3.1 字符檢測正確率
        4.3.2 算法的時間消耗
    4.4 本章小結
    參考文獻
第五章 車票票面識別系統(tǒng)仿真與應用實現(xiàn)
    5.1 車票票面識別系統(tǒng)可視化界面設計
        5.1.1 系統(tǒng)初始化界面設計
        5.1.2 系統(tǒng)仿真實現(xiàn)過程
    5.2 車票票面識別系統(tǒng)應用實現(xiàn)
    5.3 本章小結
第六章 總結與展望
    6.1 總結
    6.2 展望
個人簡介
附錄1 作者在讀研期間公開發(fā)表的論文
附錄2 作者在讀研期間其他科研成果
致謝


【參考文獻】：
期刊論文
[1]基于特征域聚類下Radon變換的火車票圖像方向檢測算法研究[J]. 許亞杰,韋海成,肖明霞.  液晶與顯示. 2018(12)
[2]基于Canny算子和Radon變換的軌道圖像校正方法[J]. 余明揚,朱齊果,王一軍.  計算機應用. 2017(S2)
[3]基于分塊Radon尺度變換信息增強的圖像融合技術[J]. 張荊沙.  微電子學與計算機. 2017(09)
[4]基于神經(jīng)網(wǎng)絡的隧道行車車牌識別技術研究[J]. 張西,唐恬,李良榮.  公路. 2017(07)
[5]基于改進Radon變換的直線鋼軌識別算法[J]. 蔣超,牛宏俠.  鐵道標準設計. 2017(04)
[6]基于K均值聚類和開閉交替濾波的黃瓜葉片水滴熒光圖像分割[J]. 楊信廷,孫文娟,李明,陳梅香,明楠,韓佳偉,李文勇,陳明.  農(nóng)業(yè)工程學報. 2016(17)
[7]基于連通區(qū)域的復雜車牌的字符分割算法[J]. 施隆照,王凱.  計算機工程與設計. 2016(08)
[8]基于頻譜邊緣檢測和Radon變換估計運動模糊圖像的方向[J]. 加春燕,崔麗.  圖學學報. 2016(03)
[9]基于GIS和BP神經(jīng)網(wǎng)絡模型的PM10濃度預測與空間分布研究[J]. 張平,賀亮,張濤,霍培書,危才亮,妙歡.  環(huán)境科學與管理. 2016(05)
[10]基于用戶體驗的火車票票面信息改良設計[J]. 夏進軍,燠契.  包裝工程. 2016(08)

碩士論文
[1]綜合運輸通道客運交通結構優(yōu)化研究[D]. 徐其昌.長沙理工大學 2011
[2]我國物流需求預測的神經(jīng)網(wǎng)絡模型和實證分析研究[D]. 牛忠遠.浙江大學 2006



本文編號：3172519