Распознавание графических символов
СОДЕРЖАНИЕ - ВВЕДЕНИЕ
- 1. ПОСТАНОВКА ЗАДАЧИ
- 2. ОПИСАНИЕ ИСПОЛЬЗОВАННЫХ АЛГОРИТМОВ
- 2.1 Алгоритм сегментации текста
- 2.2 Алгоритм распознавания слова. Персептрон
- 3. РАЗРАБОТКА И РЕАЛИЗАЦИЯ ПО
- 3.1 Архитектура программы
- 3.2 Интерфейс программы
- 3.3 Описание разработанных классов
- 4. ТЕСТИРОВАНИЕ ПО
- ВЫВОДЫ
- СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
- ПРИЛОЖЕНИЕ A ЛИСТИНГ ПРОГРАММЫ
- ОПИСЬ ЛИСТОВ ГРАФИЧЕСКОЙ ЧАСТИ
ВВЕДЕНИЕ В последние годы распознавание образов находит все большее применение в повседневной жизни. Распознавание речи и рукописного текста значительно упрощает взаимодействие человека с компьютером, распознавание печатного текста используется для перевода документов в электронную форму. Реализация методов распознавания необходима в автоматизированных системах, предназначенных для использования в криминалистике, медицине, военном деле. Особо следует отметить распознавание полноценных изображений. Область применения данного раздела многогранна. Например, на современных заводах контроль качества производимой продукции зачастую производят с использованием систем распознавания, которые отсеивают брак. Распознавание полноценных изображений применяется также на дорогах, для определения и распознавания номеров автомобилей, контроль их скорости. Обработка изображений актуальна и при анализе снимков из космоса и с самолётов. Таким образом, видно, что область применения распознавания изображений широка и многогранна и позволяет намного сократить и упростить рабочий процесс и вместе с тем повысить его качество. Однако, возможности интеллектуального анализа изображений с помощью компьютеров оставляют желать лучшего. Можно с уверенностью отметить лишь успехи в распознавании букв и цифр в документах и текстах, а также анализе изображений специального вида. Такая область как распознавание текстур, исследование в которой проводятся не одно десятилетие, пока не имеет универсальных методов. Задачей распознавания изображений является применение методов, позволяющих либо получить некоторое описание изображения, поданного на вход системы, либо отнести это изображение к некоторому определенному классу. Процедура распознавания применяется к некоторому изображению и обеспечивает преобразование его в некоторое абстрактное описание: набор чисел, цепочку символов или граф. Последующая обработка такого описания позволяет отнести исходное изображение к одному из нескольких классов. Но возникает ряд трудностей и проблем. Чаще всего это связано с тем, что изображения предъявляются на сложном фоне или изображения эталона и входные изображения отличаются положением в поле зрения, или входные изображения не совпадают с эталонами за счет случайных помех. В данном курсовом проекте разработано приложение, позволяющие на изображении какого либо документа, либо просто текста находить слово "Указ". Входное изображение может быть любого размера, ориентация текста должна быть горизонтальной. Приложение реализовано в среде программирования MS Visual Studio 2008 на языке C#. Платформа .Net дает широкий набор классов для работы с изображениями и обработки результатов. 1. ПОСТАНОВКА ЗАДАЧИСогласно заданию к курсовому проекту необходимо спроектировать приложение, реализованное на языке C# в среде разработки Microsoft Visual Studio 2008, реализующее распознавание слова "Указ" на изображении документа.Исходные данные:1. Растровое изображение документа.2. Текст документа должен быть написан на белом фоне, черным шрифтом.3. Шрифт текста не должен быть курсивным либо полужирным.4. Размер изображения может быть любым.5. Положение текста на изображении горизонтальное.Приложение должно выполнять следующие задачи:1. Загрузка изображения в приложение.2. Сегментация текста на слова.3. Распознавание среди слов слово "Указ".Выходные данные:1. Таблица найденных слов "Указ". 2. ОПИСАНИЕ ИСПОЛЬЗОВАННЫХ АЛГОРИТМОВ2.1 Алгоритм сегментации текстаПроцесс сегментации текста состоит из двух этапов: выделение строк текста и выделение слов в строках.Поиск строк осуществляется путем просмотра пикселей изображения сверху вниз. При проходе запоминаются вертикальные координаты всех полностью белых полос на изображении (рисунок 2.1).Рисунок 2.1 - Разбиение текста на строкиПосле нахождения всех белых горизонтальных полос анализируются их индексы. Для исключения соседних линий, строкой текста считается растр находящийся между двумя последовательными в списке, но не соседними белыми полосками.Процесс поиска слов в строке заключается в анализировании вертикальных полос на изображении строки. При нахождении первой не полностью бело линии координата запоминается и считается начальной координатой слова, затем анализируются расстояния между буквами. При превышении некоторого порога слово "вырезается" из строки. Процесс продолжается до конца строки.Алгоритм сегментации текста представлен в графической части2.2 Алгоритм распознавания слова. ПерсептронРаспознавание слова "Указ" в разработанном приложении, реализовано на базе персептрона. Алгоритм обучения персептрона - без учета правильности ответа. Персептрон построен по схеме "Несколько сумматоров". Общая схема персептрона представлена на рисунке 2.2Рисунок 2.2 - Схема персептрона с несколькими сумматорамиКаждый А-элемент имеет несколько входов и один выход.А-элементы производят алгебраическое суммирование сигналов, поступивших на их входы, и полученную сумму сравнивают с одинаковой для всех А-элементов величиной ?. Если сумма больше ?, А-элемент возбуждается и выдает на выходе сигнал, равный единице. Если сумма меньше ?, А-элемент остается невозбужденным и выходной его сигнал равен нулю. Таким образом, выходной сигнал j-го ?-элемента:yj = где величина rij принимает значение +1, если i -й рецептор подключен ко входу j-го ?-элемента со знаком плюс; и значение -1, если рецептор подключен со знаком минус, и значение 0, если i-ый рецептор к j-му ?-элементу не подключается (j = 1, 2, …, m, где m - число ?-элементов).Выходные сигналы ?-элементов умножаются на переменные коэффициенты ?j.После умножения на ? выходные сигналы поступают на сумматоры ?, количество которых также равно числу различаемых образов.? = Предъявленный объект относится к тому образу, сумматор которого имеет наибольший сигнал.В данной работе есть два распознаваемых класса условно из можно обозначить "Указ" и "Не указ". При обучении класса "Указ" на вход персептрона поступают изображения слова "Указ" написанное разными шрифтами. При обучении класса "Не указ", для повышения надежности работы персептрона, поступают те же изображения с текстом "Указ", но с инвертированными цветом. В каждом такте персептрон отвечает на предъявленный ему объект возбуждением некоторых А-элементов. Обучение состоит в том, что коэффициенты ?j возбужденных в данном такте А-элементов увеличиваются на некоторую величину (например на единицу), если в этом такте был предъявлен объект образа А, и уменьшается на эту же величину, если был предъявлен объект образа В. 3. РАЗРАБОТКА И РЕАЛИЗАЦИЯ ПО3.1 Архитектура программыПрограмма написана как проект Windows Forms Application, т.е. windows-приложение, графический интерфейс которого представлен формами и диалоговыми окнами. Структура разработанного проекта представлена на рисунке 3.1.Рисунок 3.1 - Структура проектаПриложение разработано на принципах ООП. Диаграмма разработанных классов представлена на рисунке 3.2 Рисунок 3.2 - Диаграмма классов приложенияОбщая схема приложения в натации IDEF0 приведена на рисунке 3.3.Рисунок 3.3 - Общая схема IDEF0 приложения 3.2 Интерфейс программыПользовательский интерфейс представлен главным окном приложения, со всеми элементами управления, необходимыми для отображения и обработки информации. Главная форма в режиме проектирования показана на рисунке 3.4.Рисунок 3.4 - Главная форма приложения в режиме проектирования3.3 Описание разработанных классовНиже представлен перечень классов разработанных в приложение с кратким описанием их назначения и описанием основных методов.Form1 - класс, описывающий главную форму приложения, содержит методы обработки событий от элементов управления. Содержит элементы управления для отображения исходного изображения, сегментов изображения и результатов распознавания.Segmentation - описывает процесс сегментации изображения.Методы:public static List<Bitmap> GetStrings(Bitmap text) - выделение растров, соответствующих строкам текста;public static List<Bitmap> GetStringWords(Bitmap str) - сегментирование одной строки на слова;public static List <Bitmap> GetWords(Bitmap text) - выделение слов из всего текста;public static Bitmap TrimBitmap(Bitmap bmp) - обрезка белых полей вокруг изображения на битмапе.Recognizer - класс, реализующий персептрон для распознавания образов.Методы :public void Teach(Bitmap b, int classindex) - обучение персептрона;public string Recognize(Bitmap b) - распознавание изображения b;public void SerializeParams() - сохранение параметров персептрона на диске;public void DeserializeParams() - чтение параметров персептрона с диска;public static Bitmap NormalizeBitmap(Bitmap b, Size sz) - подгонка битмапа b по размеру sz. На выходе бинаризованное изображение размера sz;public static Bitmap InverseBitmap(Bitmap b) - инверсия цвета изображения b. 4. ТЕСТИРОВАНИЕ ПОТребования к установленному ПО: - .Net Framework 3.5 Целью проведения испытаний является проверка работоспособности (надежности) программы при различных условиях ее функционирования и настройках. Для демонстрации работоспособности программы необходимо провести ряд испытаний с различными начальными условиями. Тестовые примеры выполнялись в среде операционной системы Windows 7 Ultimate при использовании процессора AMD Athlon 3600+ 1.9 ГГц, 1 Гб RAM и разрешении экрана 1280x1024. Приложение подверглось критическому и углубленному тестированию. При проведении критического тестирования не было выявлено ошибок и некорректной работы приложения. 4.1 Запуск приложенияДля запуска приложения необходимо запустить исполняемый файл WordSearcher.exe. Окно приложения после запуска показано на рисунке 3.4Рисунок 3.4 - Главное окно приложения Для начала работы необходимо загрузить исходное изображение, для чего необходимо нажать кнопку "Открыть". В диалоге выбора файла необходимо выбрать изображение. Окно программы после открытия исходного изображения представлено на рисунке 3.5Рисунок 3.5 - Окно программы с открытым изображениемПосле открытия изображения становится активным кнопка "Сегментация", после нажатия на которую, текст на изображении разбивается на слова.Результат сегментации представлен на рисунке 3.6.Рисунок 3.6 - Результат сегментации Перед непосредственным распознаванием текста необходимо произвести обучение персептрона, нажав кнопку "обучить", либо загрузить ранее сохраненные параметры, нажав кнопку "загрузить". Обучение персептрона осуществляется изображением содержащим слово "Указ", написанное разными шрифтами. После обучения, можно сохранить параметры персептрона в файл, нажав "сохранить", и прочитать их при следующем распознавании.После обучения, либо загрузки параметров персептрона, можно производить распознавание изображений. Результат распознавания показан на рисунке 3.7.Рисунок 3.7 - Результат распознаванияПри углубленном тестировании также не было найдено ошибок. Интерфейс программы разработан таким образом, что пользователю на каждом этапе обработки изображения может выполнить только определенные действия, что значительно снижает риск появления ошибок выполнения.Результат работы программы при загрузке не файла изображения представлен на рисунке 3.8. Рисунок 3.8 - Результат работы приложения при неверно формате файла ВЫВОДЫВ результате выполнения данного курсового проекта было разработано приложение, позволяющее распознавать слово "Указ" в тексте на изображении. Размеры изображения и шрифта текста может быть практически любым, что дает гибкие возможности для применения приложения.Для распознавания применяется персептрон. Качество распознавания изображения зависит от количества предложенных образов для обучения и количество А-элементов. Количество поддерживаемых шрифтов зависит от шрифтов, которым написаны слова на изображениях для обучения.Перед непосредственным распознаванием, как правило, необходимо выполнять сегментацию изображения. Сегментация является неотъемлемой частью при распознавании образов, в общем случае, и непосредственно в данном проекте, так как ее результатом являются изображения, содержащие только необходимые для распознания объекты (слова текста). СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ1. Microsoft Developer Network (MSDN) [Электрон. ресурс]. ? Режим доступа: http://msdn.ru/2. Ковалева И.Л., "Алгоритмы обработки изображений", БНТУ, 2007 ПРИЛОЖЕНИЕ AНебольшой мануал по проге:- Текст должен быть черным по белому- Картинки для теста есть в архиве.- Ориентация текста не под углом.- Размер картинки желательно не меньше чем, те, что лежат в архиве, потому что при маленьком изображении плохо распознается из-за сливания пикселей.- Распознавание персептроном с несколькими сумматорами и алгоритмом обучения без учета правильности ответа (она может это спросить=)- Для обучения персептрона надо открыть изображение "Картинка для обучения.png" из папки "тестовые изображения" или создать аналогичную самостоятельно и открыть ее. Потом нажать "сегментация", Потом "Обучить", можно сохранить обучение, нажав "сохранить". Теперь можно открывать изображение, которое будет распознаваться. Для распознавания надо нажать "сегментация", потом "распознать".
Страницы: 1, 2
|
