国际邮件 光学字符识别 图像处理 字符特征提取 BP神经网络 OpenCV.doc

国际邮件论文：国际邮件批译系统的研究与开发【中文摘要】在国际邮件批译系统中,邮件地址识别的正确与否是信函翻译是否正确的先决条件,降低邮件地址识别的拒识率和误识率,能够有效的提高国际邮件批译系统的批译率和批译准确率。随着科学技术的逐渐发展,光学字符识别(OCR)技术受到越来越多人的重视和关注。它综合了数字图像处理、计算机图形学和人工智能等多方面的知识,促进了函件自动分拣系统的发展,为提高邮政业务劳动生产率提供了保证。本课题以国际邮件批译系统为背景,对国际邮件中的地址字符识别展开研究。结合国际邮件的信封特征,开发了一套高效的图像预处理算法。利用Otsu算法获得最佳阈值,以实现图像的二值化分割；利用最小二乘法实现图像的倾斜调整；基于寻找字符外轮廓的思想完成了字符分割以及归一化调整；针对印刷体英文字母和阿拉伯数字的特点,选取字符的网格特征和投影特征作为识别的特征,通过特征向量组合的方式以提高系统的识别效率。针对国际邮件的地址字符特征,详细讨论了BP神经网络输入层、输出层和隐藏层神经元数确定以及神经网络的参数设计问题。最后,重点分析了BP神经网络的训练和识别过程,包括训练样本的选取以及训练的停止条件等。基于Visual C+ 6.0和Open.【英文摘要】The translation of the mail address is correct or not depends on the recognition. Reducing the refuse recognition rate and error recognition rate of the mail address can effectively improve the translation rate and translation accuracy rate of the International Mail Translation System. With the development of science and technology, more and more people pay attention to Optical Character Recognition Technology. It integrates digital image processing, computer graphics, intelligence and other aspects of know.【关键词】国际邮件 光学字符识别 图像处理 字符特征提取 BP神经网络 OpenCV【英文关键词】International mail Optical Character Recognition Image processing Character feature extraction BP neural network OpenCV【索购全文】联系Q1：138113721 Q2：139938848【目录】国际邮件批译系统的研究与开发摘要4-5Abstract5-6第一章 绪论9-141.1 研究背景9-101.2 研究现状及发展趋势10-121.3 本文的主要内容及结构12-14第二章 国际邮件批译系统简介14-262.1 国际邮件批译系统的批译规则142.2 国际邮件批译系统的组成14-162.3 国际邮件批译系统的信息处理流程16-172.4 国际邮件批译系统的功能模块17-212.4.1 图像采集17-182.4.2 图像识别18-192.4.3 地址翻译19-212.4.4 图像显示212.4.5 地址打印212.4.6 数据统计212.5 地址翻译系统的设计21-242.5.1 分词模块的设计21-222.5.2 命名实体意译模块的结构设计22-242.6 OCR系统软件要求24-262.6.1 总体要求242.6.2 信件的特征描述24-252.6.3 系统输入252.6.4 系统输出252.6.5 系统识别要求25-26第三章 图像预处理26-383.1 灰度转化263.2 图像增强26-283.2.1 图像增强分类273.2.2 直方图均衡化27-283.3 图像二值化28-313.3.1 固定阈值法283.3.2 最大类间方差法28-313.4 图像平滑处理313.5 倾斜度调整31-333.5.1 最小二乘法31-323.5.2 图像旋转32-333.6 字符分割33-353.7 归一化调整353.8 字符特征提取35-383.8.1 字符特征提取方法36-373.8.2 字符特征的提取37-38第四章 BP神经网络及字符分类器的设计38-544.1 误差反向传播神经网络38-394.2 网络的结构设计39-454.2.1 输入层神经元个数404.2.2 输出层神经元个数及输出表示40-424.2.3 隐藏层层数42-434.2.4 隐藏层神经元的数目43-444.2.5 节点设计44-454.3 网络的训练45-524.3.1 训练样本的选取45-514.3.2 误差准则函数51-524.3.3 训练的停止条件524.3.4 网络的训练过程524.4 网络的识别52-54第五章 OCR系统设计与实现54-605.1 OpenCV简介54-555.2 OCR系统核心算法实现55-585.2.1 邮件图片选择与显示565.2.2 图像预处理56-575.2.3 字符特征提