详情

原文传递铁路客票自动识别技术的研究

论文题名：	铁路客票自动识别技术的研究
关键词：	铁路客票;票号分割;离散变换;神经网络;自动识别
摘要：	随着计算机科学的迅速发展，模式识别与数字图像处理技术已经广泛地应用于工业、农业、国防、交通、科研等领域，是国内外研究和开发应用的热点之一。铁路客票自动识别是实现铁路验检票工作自动化管理的前提。针对铁路企业的运营现状，目前铁路客票自动验检票系统是基于条码扫描器设计的自动装置。但是，由于受到客票印刷质量、票面人为污损和系统设计中软硬件的限制，目前尚未能在铁路运营实际中得到应用。于是，深入研究能够符合铁路运营现状，适合实际应用的高可靠性铁路客票自动识别系统，是当前必要而且迫切的任务。对于现在使用的打印客票，我们提出了面向数字图像处理、模式识别和自动控制的高可靠性铁路客票自动识别系统。课题涉及图像分割、匹配、字符识别等方面的热点问题，研究的目的在于找出适合铁路企业运营现状的可靠和有效的算法实现铁路客票的自动识别。铁路客票自动识别系统有几个主要的环节：铁路客票票号分割，客票票号字符识别，客票条码分割识别以及进站控制端。本文主要研究客票的高可靠性自动识别技术，首先介绍了自动识别技术中的几个主要研究方向，然后针对客票识别的实际问题进行了深入研究。课题的主要研究内容以及创新点可以概括如下：在灰度图像的处理基础上研究了灰度图像的预处理方法：直方图均衡、图像滤波、图像二值化、字符归一化等实验。针对客票的灰度图像中相近的灰度值较多，而且杂影非常丰富(固有的花纹、铁路字符立体纹)采用一般的处理方法难以有效地独立分割出票号的问题，分别研究了灰度图像中的分割方法和彩色图像的 HSI，空间变换处理方法，并且提出基于离散KL变换和形态学处理的彩色客票的处理方法，实验结果表明这种算法对铁路客票票号的分割十分有效。在铁路客票票号字符的识别中研究了模板相关匹配算法和神经网络识别算法。在模板相关匹配中做出了大量的分析，并针对性地进行了相应修改，以提高相关匹配的速度；在神经网络的识别算法中，引入了改进的粒子群优化算法，优化初始BP神经网络的权值和偏置，将粒子群优化的全局最优搜索和BP网络的局部最优搜索特点结合起来，有效地提高了识别精度、收敛速度，改善了网络的泛化能力，实验结果表明这种方法提高了客票字符的识别率。随后在铁路客票的条码分割中提出基于最大连续字符串的识别算法，并且根据实际现状和工作经验，提出一种实现铁路验检票系统的进站控制端的硬件设计思路。
作者：	郭文
专业：	模式识别与智能系统
导师：	乔谊正
授予学位：	硕士
授予学位单位：	山东大学
学位年度：	2007
正文语种：	中文