文 献 综 述
1. 引言
近年来，随着智能住宅的出现，智能抄表得到了越来越多的重视，由于其具有投资费用和运行费用低，整个过程速度快、效率高、操作简单等特点，因而具有广阔的市场前景[1]。
一方面,数字仪表广泛地应用于各种场合。其可分为两类,一类是数显式数字仪表,另一类是机械式的数字仪表。由于数显式数字仪表大多功能比较齐全,对此类仪表的自动识别意义不大。而对于机械式的数字仪表,其使用量大,设备简单,价格低廉,计量单位和制造商在出厂校表时通常采用人眼或者光电采样的方法,但这两个方法效率比较低下 [2]。 因此,本次课题就是针对机械式数字仪表的自动识别系统进行开发。
另一方面，伴随着嵌入式图像处理器技术的进步，图像处理系统越来越趋向于小型化与高速化。因此，将高集成度的嵌入式平台与图像处理系统相融合，可以在提高系统密集性的同时，提高稳定度、可靠度与易扩展能力，并且在很大程度上降低开发成本[3]。这些优秀的特性使嵌入式图像处理系统在科学研究、安全监控、医疗、工程监测等电子通信领域和信息处理领域得到广泛的应用[4]。也因此，本次课题是基于嵌入式平台和图像处理系统的表计字符识别算法的开发。
水表字符识别过程通常分为：图像预处理、字符区域检测与分割、字符识别[5，9，12，14]。本文将对这些步骤的常用方法逐一展开论述。
2. 图像预处理
通常采集到的水表图像会受天气、光照、位置等外界因素的影响，导致图像灰度不均、对比度较低、存在大量噪声等。为了精确定位出水表数字字符区域、分割出单个字符并成功识别出字符，需要对拍摄的图像采用基本的图像处理技术进行预处理[5]。
文献[5]采用加权平均值法灰度化水表彩色图像，将其转化为单通道的灰度图像；
随后，利用加权中值滤波方法对水表图像中存在的噪声进行了滤除；采用灰度拉伸和直方图均衡化[6]对水表图像亮度进行了调节；再利用Otsu全局阈值法针对不同阶段的水表图像进行二值化；最后采用形态学处理方法[7-8]对水表图像中小面积噪声区域进行了滤除。经过处理后的水表图像质量得到了很好的改善，为后续水表读数的定位、分割和识别打下了良好的基础。
文献[9]区别于文献[5]的地方在于其采用了基于照明反射模型的同态滤波[10]和针对其处理图像噪声特点而采用的高斯滤波，并采用连通区域标记算法[11]进一步提升了图像质量。
在最近的一些研究[12,13]中，还考虑到在进行水表图像的釆集过程中，摄像头的安装位置和拍摄的角度不同，会使采集到的图像发生一定的倾斜。倾斜的图像对后续的字符定位和分割造成困难，因此在图像预处理过程中加入了倾斜矫正。
文献[12]采用 SIFT 算法［14，15］中基于图像梯度主方向的基本思想将当前图像旋转到当前图像主梯度方向，即对图像进行旋转纠正。
文献[13]则首先采用采用二值图像的水平投影以及垂直投影进行边框定位，然后用Canny算法提取边框边缘，再采用Hough变换检测平行直线，通过判断该直线的倾斜度来推算水表图像的倾斜度，最后据此倾斜度，通过仿射映射对图像进行矫正，同时为保证矫正后的图像没有空洞，采用双线性插值法对变换后的图像进行双线性插值重采样处理。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
