試卷成績復(fù)核工作存在于各個(gè)階段的教育中,而傳統(tǒng)的復(fù)核方式主要依賴于人類勞動(dòng)。人工復(fù)核試卷成績時(shí)存在以下問題:（1）教師們均為高素質(zhì)人才,若將大量時(shí)間耗費(fèi)在這項(xiàng)工作中,是一種人力資源的浪費(fèi)。（2）人長時(shí)間重復(fù)一件事情,不僅工作效率低,還會(huì)增加出錯(cuò)的可能性。為解決以上問題,本文設(shè)計(jì)了一個(gè)試卷成績自動(dòng)復(fù)核系統(tǒng)。該系統(tǒng)分為兩部分,單元格數(shù)據(jù)提取和分?jǐn)?shù)識(shí)別復(fù)核。傳統(tǒng)分?jǐn)?shù)識(shí)別方法先將圖像二值化再提取分?jǐn)?shù),然后將分?jǐn)?shù)分割成單個(gè)數(shù)字再識(shí)別。但由于分?jǐn)?shù)提取算法復(fù)雜,數(shù)字間存在連筆的情況,粘連分?jǐn)?shù)分割點(diǎn)難以確定,易出現(xiàn)誤分割情況。為了解決以上問題,本文利用分?jǐn)?shù)與其他內(nèi)容顏色不同,并運(yùn)用數(shù)學(xué)形態(tài)學(xué)算法,實(shí)現(xiàn)單元格數(shù)據(jù)的完整提取。為避免單元格內(nèi)分?jǐn)?shù)的誤分割,本文提出了一種多分類器下無分割手寫數(shù)字字符串識(shí)別的改進(jìn)算法。該算法設(shè)計(jì)了兩種分類器,一個(gè)長度分類器和兩個(gè)數(shù)字分類器。采用長度分類器獲取字符長度信息,利用字符長度信息將其送入到對應(yīng)長度的數(shù)字分類器,通過三個(gè)分類器的共同合作,完成分?jǐn)?shù)識(shí)別,實(shí)現(xiàn)成績復(fù)核。使用自建孤立數(shù)字?jǐn)?shù)據(jù)集和粘連兩位數(shù)字?jǐn)?shù)據(jù)集,將傳統(tǒng)Lenet-5網(wǎng)絡(luò)進(jìn)行改進(jìn),訓(xùn)練出三個(gè)分類器模型。對比實(shí)驗(yàn)... 

【文章來源】：遼寧工程技術(shù)大學(xué)遼寧省

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

試卷成績表格Figure2.1Testpaperscoreform

遼寧工程技術(shù)大學(xué)碩士學(xué)位論文19圖3.1均值濾波效果圖Figure3.1Meanfilteringeffectchart均值濾波法計(jì)算簡單、速度快。但由于噪聲點(diǎn)的像素值也參與了模板像素值的運(yùn)算，該方法無法完全去除噪聲，會(huì)使圖像產(chǎn)生模糊，尤其是圖像邊緣和細(xì)節(jié)部分，但是可以減緩噪聲對圖像處理的影響。（2）中值濾波中值濾波的方法也是為當(dāng)前要處理像素點(diǎn)(x,y)選擇一個(gè)模板，該模板由當(dāng)前像素和其周圍的若干像素組成，然后對當(dāng)前像素點(diǎn)像素值f(x,y)和模板像素值進(jìn)行排序，選取中值替代當(dāng)前像素點(diǎn)的值。其濾波過程為：①以當(dāng)前點(diǎn)(x,y)為中心，為其選取合適的采樣窗口大小，點(diǎn)(x,y)為窗口中心，窗口的其他點(diǎn)由(x,y)周圍點(diǎn)組成，窗口共有m個(gè)點(diǎn)，像素值大小分別為1f(x,y)，2f(x,y)，…，(,)mfxy，將這m點(diǎn)的像素灰度值從大到小進(jìn)行排序。②將像素點(diǎn)排序后的中值賦值給f(x,y)，即整個(gè)窗口的m個(gè)像素點(diǎn)排序后的結(jié)果為csf，…，cf，…，csf，其中值為cf，用中值cf取代原來點(diǎn)f(x,y)，即(,)cfxyf。以此類推，用該模板窗口遍歷整張圖片，遍歷結(jié)束后得到中值濾波圖片，濾波效果如圖3.2所示。圖3.2中值濾波效果圖Figure3.2Medianfilteringeffectchart

遼寧工程技術(shù)大學(xué)碩士學(xué)位論文19圖3.1均值濾波效果圖Figure3.1Meanfilteringeffectchart均值濾波法計(jì)算簡單、速度快。但由于噪聲點(diǎn)的像素值也參與了模板像素值的運(yùn)算，該方法無法完全去除噪聲，會(huì)使圖像產(chǎn)生模糊，尤其是圖像邊緣和細(xì)節(jié)部分，但是可以減緩噪聲對圖像處理的影響。（2）中值濾波中值濾波的方法也是為當(dāng)前要處理像素點(diǎn)(x,y)選擇一個(gè)模板，該模板由當(dāng)前像素和其周圍的若干像素組成，然后對當(dāng)前像素點(diǎn)像素值f(x,y)和模板像素值進(jìn)行排序，選取中值替代當(dāng)前像素點(diǎn)的值。其濾波過程為：①以當(dāng)前點(diǎn)(x,y)為中心，為其選取合適的采樣窗口大小，點(diǎn)(x,y)為窗口中心，窗口的其他點(diǎn)由(x,y)周圍點(diǎn)組成，窗口共有m個(gè)點(diǎn)，像素值大小分別為1f(x,y)，2f(x,y)，…，(,)mfxy，將這m點(diǎn)的像素灰度值從大到小進(jìn)行排序。②將像素點(diǎn)排序后的中值賦值給f(x,y)，即整個(gè)窗口的m個(gè)像素點(diǎn)排序后的結(jié)果為csf，…，cf，…，csf，其中值為cf，用中值cf取代原來點(diǎn)f(x,y)，即(,)cfxyf。以此類推，用該模板窗口遍歷整張圖片，遍歷結(jié)束后得到中值濾波圖片，濾波效果如圖3.2所示。圖3.2中值濾波效果圖Figure3.2Medianfilteringeffectchart

【參考文獻(xiàn)】：
期刊論文
[1]基于決策樹和加權(quán)KNN混合算法的光學(xué)符號(hào)識(shí)別技術(shù)[J]. 張巖,李洋博,柳姍,葉紫荊,孫克磊.  赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版). 2019(02)
[2]基于概率的可移植的直線檢測算法[J]. 江浪.  工業(yè)控制計(jì)算機(jī). 2019(01)
[3]基于局部二進(jìn)制和支持向量機(jī)的手寫體數(shù)字識(shí)別[J]. 郭偉林,鄧洪敏,石雨鑫.  計(jì)算機(jī)應(yīng)用. 2018(S2)
[4]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的多源數(shù)字識(shí)別算法[J]. 卜令正,王洪棟,朱美強(qiáng),代偉.  計(jì)算機(jī)應(yīng)用. 2018(12)
[5]基于光學(xué)字符識(shí)別技術(shù)的機(jī)車視頻轉(zhuǎn)儲(chǔ)分析系統(tǒng)設(shè)計(jì)[J]. 齊浩.  甘肅科技. 2018(22)
[6]基于改進(jìn)的概率Hough變換的直線檢測優(yōu)化算法[J]. 刁燕,吳晨柯,羅華,吳必蛟.  光學(xué)學(xué)報(bào). 2018(08)
[7]基于跨連接LeNet-5網(wǎng)絡(luò)的面部表情識(shí)別[J]. 李勇,林小竹,蔣夢瑩.  自動(dòng)化學(xué)報(bào). 2018(01)
[8]深度學(xué)習(xí)相關(guān)研究綜述[J]. 張軍陽,王慧麗,郭陽,扈嘯.  計(jì)算機(jī)應(yīng)用研究. 2018(07)
[9]基于改進(jìn)Hough變換的直線檢測算法[J]. 李慧鵬,朱偉偉,譚朦曦,鄭曉.  半導(dǎo)體光電. 2017(04)
[10]基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)LeNet-5的車型識(shí)別方法[J]. 王秀席,王茂寧,張建偉,程鵬.  計(jì)算機(jī)應(yīng)用研究. 2018(07)

碩士論文
[1]針對保險(xiǎn)理賠單據(jù)的光學(xué)字符識(shí)別的研究與實(shí)現(xiàn)[D]. 葉智銘.華南理工大學(xué) 2018
[2]基于圖像的表格識(shí)別算法與自動(dòng)錄入系統(tǒng)[D]. 郭佳.北京郵電大學(xué) 2018
[3]基于數(shù)據(jù)顏色特殊性的加分表格識(shí)別系統(tǒng)研究[D]. 蘭鵬生.昆明理工大學(xué) 2017
[4]表單識(shí)別中的關(guān)鍵問題研究[D]. 何柳.沈陽工業(yè)大學(xué) 2016
[5]基于OCR成績單錄入系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 王志瑜.吉林大學(xué) 2015
[6]基于自學(xué)習(xí)的手寫表格數(shù)字字符串快速識(shí)別方法的研究[D]. 仲小挺.哈爾濱工業(yè)大學(xué) 2014
[7]表格手寫內(nèi)容識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 王淞.華中科技大學(xué) 2011



本文編號(hào)：3609317