[发明专利]基于模板匹配的印刷体数字识别方法

说明书

本发明提供一种基于模板匹配的印刷体数字识别方法，该方法包括待识别图像输入部分、模板匹配识别部分、识别结果输出部分，其很好的挺高了印刷体数字识别的识别率和系统的抗干扰性。通过对模板匹配方法的研究和实现，为数字识别提供了新的解决途径和思路，非常有使用价值和改进的价值。

技术领域：本发明提供一种基于模板匹配的印刷体数字识别方法，基于模板匹配的印刷体数字识别算法属于字符识别领域。

背景技术：印刷体数字识别一直是模式识别领域的研究热点。随着当今社会信息化的快速发展,我们正被数字化时代围绕着，数字正朝着替代我们对话和文字语言表达、记忆的方向进展。手机号码、驾驶证号码、身份证号码和体检表中一系列表达出身份、能力、对象和健康质量的数字信息表示都需要用计算机解读的阿拉伯数字：1、2、3、4、5、6、7、8、9、0的组合来表达。因此针对这类问题的处理系统设计的关键之一就是设计出高可靠性和高识别率的数字识别方法。然而，没有哪个数字识别方法能够达到完美的识别效果。因此，对印刷体数字的识别研究仍然是有重大意义的。

左右轮廓特征的印刷体数字识别算法，是模板特征匹配的一个典型应用。它的的主要思路是，把单个数字水平分为六部分，可以均匀分为六分，也可以不均匀分，可以根据字符字体的特点进行相应的调整。在特征提取过程中，不再是扫描每一行的连续黑色像素点的个数，作为该行的左(右)轮廓特征。而是对靠近上下边缘和中间的位置采样密度大些。取样的位置选择斐波那契数列进行取样。斐波那契数列为1，1，2，3，5，8，若选择5个数字，则选择1，2，3，5，8位置处进行取样，既在第一部分和第六部分靠近上下边缘处，第三部分和第四部分靠近中间处开始的1/8，2/8，3/8，5/8，8/8的位置取样。利用公式得到所需的左侧边缘的特征，共20个。对于数字的右边缘来说，因为右轮廓的边缘很大程度上和左边缘一致，所以在右边缘抽样时只在第三和第四部分取样，采样方式采用和左边缘一样的不均匀采样，这样会得到10个特征，不过为了提高对“2”和“7”间的对比，对字符的第六部分进行采样，采样方式如前，只是只采样4个特征，为1/8，2/8，3/8，5/8四个位置。这样对图像的左右边缘特征提取后为一个34维的特征向量。最后通过提取算法得到的为34维的特征向量，使用欧几里德距离来比较特征向量之间的相似度。计算待识别数字的特征向量与标准库中各个数字的标准模板特征向量的欧氏距离，选择距离最小的模板字符作为识别结果。由于特征向量维数太大导致识别时间较长。

基于数字结构特征的印刷体数字识别算法，多特征抽取和模板特征匹配的方法来实现印刷体数字的快速识别。通过提取算法得到的为10维的特征向量，使用欧几里德距离来比较特征向量之间的相似度。计算待识别数字的特征向量与标准库中各个数字的标准模板特征向量的欧氏距离，选择距离最小的模板字符作为识别结果。虽然降低的特征向量维数，但该算法的识别率还是没有达到某些高识别率的要求。

发明内容：

发明目的：本发明提供一种基于模板匹配的印刷体数字识别方法，其目的是解决以往的方式所存在的缺点。

技术方案：本发明是通过以下技术方案来实现的：

一种基于模板匹配的印刷体数字识别方法，其特征在于：该方法包括待识别图像输入部分、模板匹配识别部分、识别结果输出部分，具体步骤如下：

待识别图像输入部分，包括以下步骤：

步骤1、通过外部设备照相机采集待识别数字的图像，本步骤中相机像素必须达到300万像素以上，使采集的图像达到最低识别要求，将采集好的图像输入系统；

步骤2、将输入的待识别图像进行前期预处理，首先将图像通过中值滤波法去除噪声，其次将彩色图像进行灰度化处理，再次对灰度化的图像进行二值化处理，然后对二值化的图像进行噪声粘连区域修复再采用自适应阈值分割对数字图像分割，最后将分割好的数字图像归一化处理，将处理好的图像输入模板匹配识别部分；

模板匹配识别部分，该部分的识别基于模板匹配的印刷体数字识别方法，包括以下步骤：