[发明专利]一种答卷的扫描方向判断方法

摘要

本发明公开了一种答卷的扫描方向判断方法，其特征在于，包括如下步骤(1)扫描答卷，获得答卷图像；(2)计算答卷图像的最佳分割阈值；(3)检测水平直线特征点；(4)检测垂直直线特征点；(5)水平直线特征点和垂直直线特征点进行匹配；(6)生成模板数据；(7)判断扫描方向。本发明设计了一种直线特征点之间的相似度指标计算方法，该方法考虑了匹配率和匹配精度两种因素，具有准确率高、算法时间复杂度低且易于实现的优点；在扫描方向判断算法的设计上，使用水平直线检测或者垂直直线检测的多个直线模式与模板数据做匹配算法，因此算法具有非常高的稳定性。该方法广泛应用于答卷图像的扫描、分析、识别等领域。

主权项

一种答卷的扫描方向判断方法，其特征在于，包括如下步骤：(1)扫描答卷，获得答卷图像；(2)计算答卷图像的最佳分割阈值；(3)检测水平直线特征点；(4)检测垂直直线特征点；(5)水平直线特征点和垂直直线特征点进行匹配；(6)生成模板数据；(7)判断扫描方向；所述步骤(3)包括如下步骤：(3.1)记水平直线检测的列位置总数为Nh，一般取Nh＝32，假设图像的宽度表示为W，则列位置的间隔步长Sh表示为：Sh＝W/Nh                                (5)因此所有的列位置的集合可以表示为：Ph＝{pi|i*Sh},i＝0,1,2,...(Nh‑1)                 (6)依次判断每个列位置上的行位置处像素灰度是否满足水平直线的特征点；(3.2)设定一个初值Rh，如果(Dh/Nh)<Rh成立，取Rh＝0.90，则重新调整Sh为Sh'如下：Sh'＝Sh*(Dh/Nh)                      (8)(3.3)输出所有列位置上的水平直线特征点，列位置的总数Nh'Nh'＝W/Sh'经过列的步长调整后，重新检测特征点Dh；所述步骤(4)包括如下步骤：使用两个集合表示某两个行或者某两个列检测到的直线特征点的位置，直线特征点的位置构成直线模式，Li＝{p0,p1,...pm‑1}Lj＝{q0,q1,...qn‑1}                       (14)i≠j公式(14)表示在第i个位置检测到了m个直线特征点的坐标，在第j个位置检测到了n个直线特征点的坐标，因为直线检测是按照坐标从小到大顺序检测的，因此满足下列不等式：p0<p1<p2<,...<pm‑1                     (15)q0<q1<q2<,...<qn‑1这样直线特征点之间的匹配问题等价于两个位置集合之间的最佳匹配问题，并且两个集合中的坐标满足公式(15)的要求，所有可能的匹配模式总数C＝m*n，假定集合Li中的第α个位置和集合Lj中的第β个位置是匹配的，定义该匹配模式的相似度Sα,β为：Sα,β＝RM*EMRM∈[0,1]                                 (16)EM∈[0,1]其中RM表示匹配率，EM表示匹配精度，匹配率和匹配精度越大越好，集合Li中的第α个位置和集合Lj中的第β个位置匹配时，按下列方式判断是否匹配：f(pα,qβ)=1,|pα-qβ|≤T0,else---(17)]]>其中T表示系统容许的最大匹配误差参数，一般设置为6，越大表示越容易匹配，越小表示系统要求的匹配精度越高，f(pα,qβ)＝1表示两个点是匹配的，否则两个点不匹配，不匹配时匹配误差记为0，匹配的两个点按如下方式计算两个点位置的匹配误差：e(pα,qβ)＝|pα‑qβ|/T                            (18)计算Sα,β时，先按如下方式调整集合Li和Lj：Li＝{p0‑pα,p1‑pα,...pm‑1‑pα}＝{p'0,p′1,...p'm‑1}Lj＝{q0‑qβ,q1‑qβ,...qn‑1‑qβ}＝{q'0,q′1,...q'm‑1}         (19)i≠j按公式(19)调整后，集合Li中第α个位置处的坐标为0，同理集合Lj中第β个位置处的坐标为0，下面计算集合Li中第k个点的坐标在集合Lj中的匹配点对应的下标k'，该下标满足条件：min(|p'k‑q′kk|),kk＝0,1,2...m‑1                   (20)根据公式(20)可以计算出集合Li中每个点的下标ui在集合Lj中匹配的下标vi，记匹配对应关系为：M＝{(ui,vi)|i＝0,1,2,...(m‑1)}                    (21)根据匹配对应关系，计算匹配率和匹配精度如下：RM=1mΣi=0m-1f(pui,qvi)]]>EM=1.0-1Σi=0m-1f(pui,qvi)Σi=0m-1e(pui,qvi)---(22)]]>将公式(21)、公式(22)带入公式(16)即可得到Sα,β，因此直线特征点之间的匹配问题等价于如下最大值问题：max Sα,βα＝0,1,2,...(m‑1)                               (23)β＝0,1,2,...(n‑1)所述步骤(6)包括如下步骤：(6.1)对模板图像执行水平直线特征点检测并生成模板数据η0，扫描方向为方向0，记录图像的宽度W0和高度H0之间的大小关系Ω0，根据模板数据η0生成数据η2，模板数据中有m个水平直线特征点坐标：η0={pi|i=0,1,2,...(m-1)}η2={H0-pi|i=0,1,2,...(m-1)}---(24)]]>(6.2)输入待确定扫描方向的图像I；(6.3)图像I的宽度W1和高度H1之间的大小关系Ω1如果与Ω一致，则图像I的扫描方向为方向0或者方向2，转步骤(6.4)，否则图像I的扫描方向为方向1或者方向3，转步骤(6.7)；(6.4)检测图像I的水平直线特征点，输出所有列位置上的水平直线特征点，假设最终输出了N个水平直线模式Ψ＝{ψ0,ψ1,ψ2...ψN‑1}，根据直线特征点之间的匹配算法计算模板数据η0与N个水平直线模式Ψ之间的相似度，得到N个相似度Sη0,Ψ，同理计算模板数据η2与N个水平直线模式Ψ之间的相似度，得到N个相似度Sη2,Ψ：Sη0,Ψ={sη0,i|i=0,1,2...(N-1)}Sη2,Ψ={sη2,i|i=0,1,2...(N-1)}---(25)]]>(6.5)计算Sη0,Ψ中最大的相似度，记为sη,0，计算Sη2,Ψ中最大的相似度，记为sη,2；(6.6)如果sη,0>(sη,2+δ)，则图像I的扫描方向为方向0，其中δ为可靠性控制参数，一般取值为0.1，如果(sη,0+δ)<sη,2，图像I的扫描方向为方向2，否则图像I的扫描方向不能确定，给出提示信息，人工确认扫描方向，(6.7)检测图像I的垂直直线特征点，输出所有行位置上的垂直直线特征点，假设最终输出了K个垂直直线模式根据直线特征点之间的匹配算法计算模板数据η0与K个垂直直线模式之间的相似度，得到K个相似度同理计算模板数据η2与K个垂直直线模式之间的相似度，得到K个相似度(6.8)计算中最大的相似度，记为sη,1，计算中最大的相似度，记为sη,3；(6.9)如果sη,1>(sη,3+δ)，则图像I的扫描方向为方向1，如果(sη,1+δ)<sη,3，图像I的扫描方向为方向3，否则图像I的扫描方向不能确定，给出提示信息，人工确认扫描方向。