機(jī)器自動閱卷是教育智能化的重要研究領(lǐng)域之一,但目前只有客觀題的自動閱卷技術(shù)得到了應(yīng)用,各科目主觀題的自動閱卷還沒有達(dá)到實(shí)用程度。初中幾何主觀題的閱卷需要綜合考慮邏輯推理、語義理解、作圖和輔助線添加結(jié)果對比等諸多難題。本文主要研究幾何圖形全局特征的提取和基于卷積神經(jīng)網(wǎng)絡(luò)的幾何圖形識別方法,并應(yīng)用于初中幾何主觀題閱卷中的圖形檢測和識別業(yè)務(wù)環(huán)節(jié)。主要研究內(nèi)容包括如下幾點(diǎn):(1)研究并實(shí)現(xiàn)印刷體掃描圖片中幾何圖形的邊和頂點(diǎn)的提取算法。以霍夫直線檢測結(jié)果為輸入,實(shí)現(xiàn)邊提取算法,合并屬于同一條邊的多條線段,輸出幾何圖形中各邊端點(diǎn)。設(shè)計(jì)頂點(diǎn)提取算法,通過獲取各邊端點(diǎn)和交點(diǎn)提取頂點(diǎn)坐標(biāo),并提取每個(gè)頂點(diǎn)的關(guān)聯(lián)邊。(2)研究和實(shí)現(xiàn)幾何圖形拓?fù)浣Y(jié)構(gòu)的提取算法。以幾何圖形中的邊和頂點(diǎn)信息為輸入,設(shè)計(jì)和實(shí)現(xiàn)拓?fù)浣Y(jié)構(gòu)提取算法,獲取各頂點(diǎn)在其所有關(guān)聯(lián)邊上的鄰接頂點(diǎn),并以各頂點(diǎn)之間的鄰接關(guān)系描述幾何圖形拓?fù)浣Y(jié)構(gòu)。(3)研究和實(shí)現(xiàn)同構(gòu)圖形生成算法。根據(jù)同構(gòu)幾何圖形的特點(diǎn),設(shè)置同構(gòu)圖形生成原則。根據(jù)頂點(diǎn)關(guān)聯(lián)邊特點(diǎn)和自身特性,判斷頂點(diǎn)移動性、確定頂點(diǎn)移動范圍。以幾何圖形拓?fù)浣Y(jié)構(gòu)為輸入,移動每個(gè)可移動頂點(diǎn)構(gòu)造同構(gòu)圖形庫。(4...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 研究歷史和現(xiàn)狀
        1.2.1 自動閱卷研究現(xiàn)狀
        1.2.2 圖形識別研究現(xiàn)狀
        1.2.3 圖像識別研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)技術(shù)
    2.1 直線檢測算法
        2.1.1 霍夫變換
        2.1.2 Radon變換
        2.1.3 最小二乘法
        2.1.4 隨機(jī)抽樣一致性算法
        2.1.5 Freeman鏈碼
        2.1.6 直線段檢測算法
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)概述
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)特點(diǎn)
        2.2.3 經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)
        2.2.4 卷積神經(jīng)網(wǎng)絡(luò)的工作機(jī)制
    2.3 本章小結(jié)
第3章 基于霍夫直線檢測的幾何圖形拓?fù)浣Y(jié)構(gòu)提取算法
    3.1 圖像預(yù)處理
    3.2 霍夫直線檢測
        3.2.1 霍夫變換基本原理
        3.2.2 統(tǒng)計(jì)概率霍夫變換
        3.2.3 幾何圖形直線檢測
    3.3 圖形邊的提取算法
        3.3.1 邊提取算法流程
        3.3.2 線段聚類標(biāo)準(zhǔn)
        3.3.3 線段聚類
        3.3.4 線段合并
    3.4 圖形頂點(diǎn)的提取算法
        3.4.1 頂點(diǎn)提取算法設(shè)計(jì)原理
        3.4.2 生成頂點(diǎn)數(shù)組
        3.4.3 補(bǔ)充關(guān)聯(lián)邊
        3.4.4 頂點(diǎn)合并
        3.4.5 頂點(diǎn)提取算法流程
    3.5 圖形拓?fù)浣Y(jié)構(gòu)的提取算法
    3.6 實(shí)驗(yàn)結(jié)果和分析
        3.6.1 圖像預(yù)處理
        3.6.2 邊提取實(shí)驗(yàn)及影響因素分析
        3.6.3 頂點(diǎn)提取實(shí)驗(yàn)
        3.6.4 邊提取結(jié)果對頂點(diǎn)提取的影響
        3.6.5 拓?fù)浣Y(jié)構(gòu)提取實(shí)驗(yàn)
        3.6.6 邊、頂點(diǎn)的提取與拓?fù)浣Y(jié)構(gòu)提取的關(guān)系
    3.7 本章小結(jié)
第4章 基于圖形同構(gòu)及CNN的幾何圖形識別方法
    4.1 手繪圖形識別問題
    4.2 同構(gòu)幾何圖形生成原理
        4.2.1 同構(gòu)幾何圖形生成原則
        4.2.2 判定圖形頂點(diǎn)移動性
        4.2.3 確定圖像頂點(diǎn)移動范圍
    4.3 同構(gòu)幾何圖形自動生成算法
        4.3.1 校準(zhǔn)邊的端點(diǎn)
        4.3.2 關(guān)聯(lián)邊移動性
        4.3.3 頂點(diǎn)移動性及移動范圍
        4.3.4 算法步驟
    4.4 基于CNN的識別算法實(shí)現(xiàn)
        4.4.1 TensorFlow框架
        4.4.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
    4.5 算法實(shí)現(xiàn)與結(jié)果分析
        4.5.1 同構(gòu)圖形生成
        4.5.2 構(gòu)建訓(xùn)練集
        4.5.3 基于CNN的幾何圖形識別方法
    4.6 本章小結(jié)
第5章 幾何圖形識別方法的應(yīng)用
    5.1 輔助線獲取
    5.2 中英文字符混合識別
    5.3 流程圖識別
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間的研究成果
致謝



本文編號：3941499