盲人英語(yǔ)自助學(xué)習(xí)中的字母圖像自動(dòng)識(shí)別方法優(yōu)化

韓峰

摘 要： 采用字母圖像的特征點(diǎn)檢測(cè)方法進(jìn)行信息標(biāo)定，實(shí)現(xiàn)圖像自動(dòng)識(shí)別，為盲人進(jìn)行英語(yǔ)自助學(xué)習(xí)提供向?qū)?。提出一種基于字母角點(diǎn)分量小波三級(jí)提升分解的字母圖像自動(dòng)識(shí)別方法，對(duì)原始的字母圖像進(jìn)行盲人視覺(jué)信息空間重構(gòu)，對(duì)重構(gòu)的圖像進(jìn)行小波分解，實(shí)現(xiàn)字母信息特征分布角點(diǎn)的檢測(cè)；并采用小波三級(jí)提升分解實(shí)現(xiàn)圖像信息增強(qiáng)，實(shí)現(xiàn)字母圖像自動(dòng)識(shí)別改進(jìn)。仿真結(jié)果表明，采用該方法進(jìn)行字母圖像自動(dòng)識(shí)別的準(zhǔn)確度較高，提高了圖像的輸出信噪比及歸一化配準(zhǔn)度，可有效指導(dǎo)盲人英語(yǔ)自助學(xué)習(xí)。

關(guān)鍵詞： 盲人； 英語(yǔ)學(xué)習(xí)； 圖像自動(dòng)識(shí)別； 特征點(diǎn)檢測(cè)

中圖分類(lèi)號(hào)： TN911.73?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）12?0124?04

Abstract： The feature point detection method of letter image is used to calibrate the information to realize the image automatic recognition and guide the blind for English self?learning. A letter image automatic recognition method based on wavelet three?level lifting decomposition of alphabet corner component is proposed to reconstruct the vision information space of blind， and detect the feature distribution angular point of letter information. The wavelet three?level lifting decomposition is used to enhance the image information to improve the letter image automatic recognition. The simulation results show that the method has high accuracy for letter image automatic recognition， improves the output signal?to?noise ratio and normalized matching degree of the image， and can guide the blind for English self?learning effectively.

Keywords： blind； English learning； image automatic recognition； feature point detection

隨著數(shù)字圖像處理技術(shù)的發(fā)展，采用全息成像技術(shù)進(jìn)行數(shù)字成像，轉(zhuǎn)化為盲人的視覺(jué)空間可識(shí)別的圖像，為盲人進(jìn)行視覺(jué)信息重構(gòu)提供可能性[1]。盲人在進(jìn)行英語(yǔ)學(xué)習(xí)中，需要對(duì)字母全息成像圖像進(jìn)行視覺(jué)特征點(diǎn)的增強(qiáng)處理，通過(guò)特征點(diǎn)檢測(cè)和信息增強(qiáng)，提升成盲人能識(shí)別的字母圖像，進(jìn)而有效指導(dǎo)英語(yǔ)學(xué)習(xí)，研究盲人英語(yǔ)自助學(xué)習(xí)中的字母圖像自動(dòng)識(shí)別方法，對(duì)提高盲人的英語(yǔ)學(xué)習(xí)水平，改善盲人英語(yǔ)學(xué)習(xí)的有效性方面具有重要的理論和實(shí)踐意義。

1 字母圖像信息增強(qiáng)預(yù)處理

1.1 字母圖像盲人視覺(jué)信息空間重構(gòu)

為了提高盲人進(jìn)行英語(yǔ)自助學(xué)習(xí)的水平和可視化程度，本文提出一種基于字母角點(diǎn)分量小波三級(jí)提升分解的字母圖像自動(dòng)識(shí)別方法。對(duì)原始的字母圖像進(jìn)行盲人視覺(jué)信息空間重構(gòu)[2?3]，在4×4的像素塊區(qū)域中，進(jìn)行英語(yǔ)字母圖像的全息成像，英語(yǔ)字母圖像的塊匹配區(qū)域在第i行及第j列的像素特征點(diǎn)信息描述為：

1.2 英文字母圖像信息增強(qiáng)處理

在對(duì)原始的字母圖像進(jìn)行盲人視覺(jué)信息空間重構(gòu)的基礎(chǔ)上，對(duì)重構(gòu)的圖像進(jìn)行小波分解，對(duì)圖像分量進(jìn)行騎士巡游運(yùn)算[6]，采用Daubechies 9/7小波三級(jí)提升分解方法[7?8]，將英文字母圖像進(jìn)行R，G，B三色分離，獲得相應(yīng)的分量，，。根據(jù)奇異值分解得到英文字母圖像騎士巡游逆運(yùn)算結(jié)果，英文字母圖像的信息分量分解的總過(guò)程如圖1所示。

采用字母角點(diǎn)分量小波三級(jí)提升分解方法，進(jìn)行圖像的高頻分解，對(duì)一維雙正交9/7提升方案由兩次預(yù)測(cè)和更新完成，設(shè)英文字母圖像，待提升小波的小波反變換預(yù)測(cè)結(jié)果分別用奇數(shù)序列表示。設(shè)a，b，c，d為提升系數(shù)，對(duì)英文字母圖像進(jìn)行兩輪更新和狀態(tài)預(yù)測(cè)如下：

經(jīng)過(guò)兩輪預(yù)測(cè)和更新運(yùn)算后，最終實(shí)現(xiàn)對(duì)英文字母圖像信息增強(qiáng)處理。

2 字母圖像識(shí)別實(shí)現(xiàn)

2.1 圖像的小波三級(jí)提升分解

在上述進(jìn)行了字母圖像的信息增強(qiáng)處理的基礎(chǔ)上，進(jìn)行圖像識(shí)別改進(jìn)設(shè)計(jì)。本文提出一種基于字母角點(diǎn)分量小波三級(jí)提升分解的字母圖像自動(dòng)識(shí)別方法，對(duì)重構(gòu)的圖像進(jìn)行小波分解，實(shí)現(xiàn)字母信息特征分布角點(diǎn)的檢測(cè)。根據(jù)字母圖像A和矢量量化后的圖像W的R，G，B分量，相應(yīng)得到，，和，，。對(duì)字母圖像的高頻分量進(jìn)行置亂處理，得到點(diǎn)到線模型階段圖像的小波域子矢量，對(duì)原始圖像分量進(jìn)行Daubechies 9/7小波三級(jí)提升分解，在不同碼書(shū)尺寸下進(jìn)行Harris角點(diǎn)檢測(cè)[9]，按照?qǐng)D像的噪聲強(qiáng)度進(jìn)行三級(jí)提升小波反變換，將字母圖像的信息分量，添加到圖像的位置、尺度、主方向等信息素中，表示為，，得到字母圖像主方向信息要素分量，。采用小波三級(jí)提升分解方法進(jìn)行字母圖像識(shí)別，小波三級(jí)提升分解過(guò)程如圖2所示。

在盲人進(jìn)行英語(yǔ)自助學(xué)習(xí)中，需要對(duì)字母圖像分量，，進(jìn)行視覺(jué)重構(gòu)，得到字母圖像的經(jīng)過(guò)小波三級(jí)提升分解后的角點(diǎn)分量：

3 仿真實(shí)驗(yàn)分析

仿真建立在Matlab R2009a軟件平臺(tái)上，實(shí)驗(yàn)的硬件環(huán)境：CPU為Intel Core i3?370，主頻2.93 GHz，字母圖像的采集像素值為15×15，盲人進(jìn)行英語(yǔ)學(xué)習(xí)中觀察視覺(jué)方向?yàn)?5°，為了測(cè)試圖像識(shí)別的性能，采用圖像的輸出信噪比及歸一化配準(zhǔn)度為測(cè)試指標(biāo)。其中，圖像的輸出信噪比反應(yīng)的是圖像的可識(shí)別度，歸一化配準(zhǔn)度也稱(chēng)相似性系數(shù)，用來(lái)度量數(shù)字圖像識(shí)別的魯棒性，計(jì)算公式分別為：

式中，和分別表示原始英文字母圖像和提取出的字母圖像特征信息。選取大小為210×210的256級(jí)英文字母圖像作為原始圖像，嵌入30×30的二值高斯色噪聲，采用小波三級(jí)提升分解實(shí)現(xiàn)圖像信息增強(qiáng)， 實(shí)現(xiàn)字母信息特征分布角點(diǎn)的檢測(cè)和圖像自動(dòng)識(shí)別。圖3為不同方法進(jìn)行英文字母圖像識(shí)別的歸一化配準(zhǔn)度。

分析圖3結(jié)果得知，采用本文方法進(jìn)行盲人英語(yǔ)自助學(xué)習(xí)中的字母圖像識(shí)別，圖像的歸一化配準(zhǔn)度較高，說(shuō)明該方法的魯棒性較好，提高了對(duì)圖像的可識(shí)別能力。圖4為圖像識(shí)別的輸出信噪比，從圖4得知，本文方法進(jìn)行圖像識(shí)別的輸出信噪比較高，說(shuō)明識(shí)別的準(zhǔn)確度較高、性能較好。

4 結(jié) 語(yǔ)

本文研究了英文字母圖像的盲人自助學(xué)習(xí)識(shí)別方法，采用字母圖像的特征點(diǎn)檢測(cè)方法進(jìn)行信息標(biāo)定，實(shí)現(xiàn)圖像自動(dòng)識(shí)別，為盲人進(jìn)行英語(yǔ)自助學(xué)習(xí)提供向?qū)А１疚奶岢鲆环N基于字母角點(diǎn)分量小波三級(jí)提升分解的字母圖像自動(dòng)識(shí)別方法，對(duì)原始的字母圖像進(jìn)行盲人視覺(jué)信息空間重構(gòu)，對(duì)重構(gòu)的圖像進(jìn)行小波分解，實(shí)現(xiàn)字母信息特征分布角點(diǎn)的檢測(cè)，采用小波三級(jí)提升分解實(shí)現(xiàn)圖像信息增強(qiáng)，實(shí)現(xiàn)字母圖像自動(dòng)識(shí)別改進(jìn)。仿真結(jié)果表明，采用該方法進(jìn)行字母圖像自動(dòng)識(shí)別的準(zhǔn)確度較高，提高了圖像的輸出信噪比及歸一化配準(zhǔn)度，有效指導(dǎo)盲人英語(yǔ)自助學(xué)習(xí)，具有一定的應(yīng)用前景。

參考文獻(xiàn)

[1] 孟春芝，何凱，焦青蘭.自適應(yīng)樣本塊大小的圖像修復(fù)方法[J].中國(guó)圖象圖形學(xué)報(bào)，2012，17（3）：337?341.

[2] 劉懷愚，李璟，洪留榮.利用局部特征的子空間車(chē)輛識(shí)別算法[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（30）：156?180.

[3] 楊靖宇，張永生，鄒曉亮，等.利用暗原色先驗(yàn)知識(shí)實(shí)現(xiàn)航空影像快速去霧[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2010，35（11）：1292?1295.

[4] 雷亮，汪同慶，楊波.圖像關(guān)聯(lián)規(guī)則挖掘研究[J].計(jì)算機(jī)應(yīng)用研究，2009（6）：2374?2376.

[5] 單家凌.基于無(wú)線網(wǎng)絡(luò)車(chē)牌識(shí)別系統(tǒng)識(shí)別算法的研究[J].計(jì)算機(jī)測(cè)量與控制，2011，19（1）：124?126.

[6] FAN N. Object classification and occlusion handling using quadratic feature correlation model and neural networks [J]. International journal of pattern recognition and artificial intelligence， 2011， 25（3）： 287?298.

[7] CAND?S E J. Ridgelets： theory and applications [D]. New York： Stanford University， 1998.

[8] RAMESH S M， SHANMUGAM A. An efficient robust watermarking algorithm in filter techniques for embedding digital signature into medical images using discrete wavelet transform [J]. European journal of scientific research， 2011， 60（1）： 33?44.

[9] TAO H， ZAIN J M， AHMED M M， et al. A wavelet?based particle swarm optimization algorithm for digital image watermarking [J]. Integrated computer aided engineering， 2012， 19（1）： 81?91.

[10] CHOI J， YU K， KIM Y. A new adaptive component?substitution?based satellite image fusion by using partial replacement [J]. IEEE transactions on geoscience and remote sensing， 2011， 49（1）： 295?309.

[11] HU A， ZHANG R， YIN D， et al. Image quality assessment using a SVD?based structural projection [J]. Signal processing： image communication， 2014， 29（3）： 293?302.