試卷成績復核工作存在于各個階段的教育中,而傳統(tǒng)的復核方式主要依賴于人類勞動。人工復核試卷成績時存在以下問題:（1）教師們均為高素質(zhì)人才,若將大量時間耗費在這項工作中,是一種人力資源的浪費。（2）人長時間重復一件事情,不僅工作效率低,還會增加出錯的可能性。為解決以上問題,本文設計了一個試卷成績自動復核系統(tǒng)。該系統(tǒng)分為兩部分,單元格數(shù)據(jù)提取和分數(shù)識別復核。傳統(tǒng)分數(shù)識別方法先將圖像二值化再提取分數(shù),然后將分數(shù)分割成單個數(shù)字再識別。但由于分數(shù)提取算法復雜,數(shù)字間存在連筆的情況,粘連分數(shù)分割點難以確定,易出現(xiàn)誤分割情況。為了解決以上問題,本文利用分數(shù)與其他內(nèi)容顏色不同,并運用數(shù)學形態(tài)學算法,實現(xiàn)單元格數(shù)據(jù)的完整提取。為避免單元格內(nèi)分數(shù)的誤分割,本文提出了一種多分類器下無分割手寫數(shù)字字符串識別的改進算法。該算法設計了兩種分類器,一個長度分類器和兩個數(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長度的數(shù)字分類器,通過三個分類器的共同合作,完成分數(shù)識別,實現(xiàn)成績復核。使用自建孤立數(shù)字數(shù)據(jù)集和粘連兩位數(shù)字數(shù)據(jù)集,將傳統(tǒng)Lenet-5網(wǎng)絡進行改進,訓練出三個分類器模型。對比實驗... 

【文章來源】：遼寧工程技術大學遼寧省

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

試卷成績表格Figure2.1Testpaperscoreform

遼寧工程技術大學碩士學位論文19圖3.1均值濾波效果圖Figure3.1Meanfilteringeffectchart均值濾波法計算簡單、速度快。但由于噪聲點的像素值也參與了模板像素值的運算，該方法無法完全去除噪聲，會使圖像產(chǎn)生模糊，尤其是圖像邊緣和細節(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前要處理像素點(x,y)選擇一個模板，該模板由當前像素和其周圍的若干像素組成，然后對當前像素點像素值f(x,y)和模板像素值進行排序，選取中值替代當前像素點的值。其濾波過程為：①以當前點(x,y)為中心，為其選取合適的采樣窗口大小，點(x,y)為窗口中心，窗口的其他點由(x,y)周圍點組成，窗口共有m個點，像素值大小分別為1f(x,y)，2f(x,y)，…，(,)mfxy，將這m點的像素灰度值從大到小進行排序。②將像素點排序后的中值賦值給f(x,y)，即整個窗口的m個像素點排序后的結(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

遼寧工程技術大學碩士學位論文19圖3.1均值濾波效果圖Figure3.1Meanfilteringeffectchart均值濾波法計算簡單、速度快。但由于噪聲點的像素值也參與了模板像素值的運算，該方法無法完全去除噪聲，會使圖像產(chǎn)生模糊，尤其是圖像邊緣和細節(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前要處理像素點(x,y)選擇一個模板，該模板由當前像素和其周圍的若干像素組成，然后對當前像素點像素值f(x,y)和模板像素值進行排序，選取中值替代當前像素點的值。其濾波過程為：①以當前點(x,y)為中心，為其選取合適的采樣窗口大小，點(x,y)為窗口中心，窗口的其他點由(x,y)周圍點組成，窗口共有m個點，像素值大小分別為1f(x,y)，2f(x,y)，…，(,)mfxy，將這m點的像素灰度值從大到小進行排序。②將像素點排序后的中值賦值給f(x,y)，即整個窗口的m個像素點排序后的結(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】：
期刊論文
[1]基于決策樹和加權KNN混合算法的光學符號識別技術[J]. 張巖,李洋博,柳姍,葉紫荊,孫克磊.  赤峰學院學報(自然科學版). 2019(02)
[2]基于概率的可移植的直線檢測算法[J]. 江浪.  工業(yè)控制計算機. 2019(01)
[3]基于局部二進制和支持向量機的手寫體數(shù)字識別[J]. 郭偉林,鄧洪敏,石雨鑫.  計算機應用. 2018(S2)
[4]基于改進卷積神經(jīng)網(wǎng)絡的多源數(shù)字識別算法[J]. 卜令正,王洪棟,朱美強,代偉.  計算機應用. 2018(12)
[5]基于光學字符識別技術的機車視頻轉(zhuǎn)儲分析系統(tǒng)設計[J]. 齊浩.  甘肅科技. 2018(22)
[6]基于改進的概率Hough變換的直線檢測優(yōu)化算法[J]. 刁燕,吳晨柯,羅華,吳必蛟.  光學學報. 2018(08)
[7]基于跨連接LeNet-5網(wǎng)絡的面部表情識別[J]. 李勇,林小竹,蔣夢瑩.  自動化學報. 2018(01)
[8]深度學習相關研究綜述[J]. 張軍陽,王慧麗,郭陽,扈嘯.  計算機應用研究. 2018(07)
[9]基于改進Hough變換的直線檢測算法[J]. 李慧鵬,朱偉偉,譚朦曦,鄭曉.  半導體光電. 2017(04)
[10]基于改進的卷積神經(jīng)網(wǎng)絡LeNet-5的車型識別方法[J]. 王秀席,王茂寧,張建偉,程鵬.  計算機應用研究. 2018(07)

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



本文編號：3609317