基于安卓皇冠体育投注网站手机的液晶屏数字识别系统的设计与实现

时间:2018-10-21 05:38来源:未知 作者:admin 围观:字体://

  针对带有七段码的数字液晶屏,设计了一种基于安卓手机的液晶屏数字识别系统。

  字符的分割技术[7]可以将单个字符从图像中分割出来。直方图[8]广泛应用于计算机视觉应用中,可以对图像的数据进行统计,获得数据分布的统计图。

  对于一个大小为X×Y的二值化图像,定义其在横轴和纵轴的投影分布函数为Hx(i)(i=1,2,,X)和Hy(i)(i=1,2,正规的体育投注站,Y),其中,X代表横轴的坐标,Y代表纵轴的坐标,初始化时设置函数值均为0。遍历该图像中的像素点,如果该像素点为黑色像素点,则将该像素点对应的投影分布函数Hx(i)和Hy(i)分别加1。最后,得出图像在横轴和纵轴的投影分布函数Hx(i)和Hy(i)。利用纵轴和横轴方向分布函数中波峰和波谷的位置[9],根据字符和空白在纵轴和横轴投影的不同,得出各个字符的顶、底、左端和右端在图像中位置。

  根据各个字符在图像中的位置,即可将字符分割,对图3(c)进行字符分割后各个字符如图6所示。

  得到字符在图像中的位置后,即可将字符从图像中分割出来。由于实际分割过程中每个字符大小不一致,如图6所示,所以对分割字符进行归一化处理,使不同字符的大小统一为固定大小,便于后续字符分割。正规的体育投注站首先将图6中字符周围的空白位置切除,然后采用三次样条插值的方法,对源图像附近的4×4个邻近像素进行三次样条拟合,最后将目标像素对应的三次样条值作为目标图像对应像素点的值。将字符归一化以后,所得各个字符如下图7所示。

  将字符从图像中分割以后,就可以对图像进行特征提取。采用网格法[10]提取字符的21个特征值,正规的体育投注站用于字符图像的识别。首先将字符图像均分为5行3列的区域,分别求得每个区域内黑色像素所占该区域的比例,作为字符的15个特征值;然后将字符图像均分为3行,分别求得每行内黑色像素点占该区域的比例,作为字符图像的3个特征值;最后,将字符图像均分为3列,分别求得每列内黑色像素点占该区域的比例,作为字符图像的另外3个特征值。共提取字符图像的21个特征值,用于字符图像的识别。

  用误差反向后传算法即BP神经网络来进行数字字符的识别。BP神经网络由Rumelhart和McClelland于1985年提出,实现了Minsky和Papert认为不能实现的多层网络的设想[11]。

  三层BP神经网络的模型如图8所示,皇冠体育投注网站。包括输入层、隐含层和输出层,各层间由连接权值构成。BP神经网络的训练过程由信号的正向传播和误差的反向传播两个过程组成,其学习的本质是各连接权值的动态调整。随着网络的不断学习,权值也不断的调整,直到误差减少到可接受的程度或者训练达到预定的训练次数。

  2.3节说明了提取字符的21个特征值,本系统BP神经网络的输入层采用21个节点,分别对应字符的21个特征值。数字字符的识别结果共10个,正规的体育投注站本文用各个数字对应的四位二进制数表示其对应的期望输出,即输出层采用4个节点。

  由理论分析证明,具有单隐层的BP神经网络即可满足大部分的设计需求,本文中采用单隐层。

  BP神经网络隐含层节点数的设计与训练样本数的多少、体育投注站,样本噪声的大小及样本中蕴含规律的复杂程度密切相关。实际应用中常用试凑法确定最佳隐节点个数[12]。下面是一些确定隐节点数的经验公式:

  经过分析与实际检验,本系统采用10个隐节点数时,可以使网络误差很小,同时具有很高的训练精度,训练速度也很快,所以采用10个隐节点数。

  网络训练所需样本数取决于输入输出的非线性映射关系的复杂程度,映射关系越复杂,为保证映度,所需要的样本数就越多。对于本系统而言,当每个数字字符取10个样本,总共取100个样本的时候,就可以训练出比较理想的BP神经网络。

相关标签:数字字符(8)
相关文章:
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:

Baidu