基于模板匹配的OCR盲人導(dǎo)讀儀器（STM32+OV5640）

　　摘 要

　　本論文詳細(xì)介紹了一款低成本便攜式的OCR文字識別 ，TTS語音播報系統(tǒng)的實現(xiàn)方案。本次研發(fā)的盲人導(dǎo)讀儀系統(tǒng)，核心的軟硬模塊子子系統(tǒng)包括：500萬高清攝像頭JPEG圖像采集子系統(tǒng)，大功率NRF2401圖像傳輸子系統(tǒng)，MFC上位機圖像解碼子系統(tǒng)，OCR模式識別子系統(tǒng)， TTS文本語音子系統(tǒng)。本文將對設(shè)計的各個子系統(tǒng)詳細(xì)闡述。

　　關(guān)鍵詞：模式識別OCR; TTS語音播報系統(tǒng); OV5640五百萬像素采集系統(tǒng)；

　　OCR blind reading meter based on template matching

　　This paper introduces in detail a low-cost portable OCR character recognition， the implementation scheme of TTS speech broadcasting system. The research and development of the blind reading meter system， the core of hard and soft module a subsystem including： 5 million hd camera JPEG image acquisition subsystem， high-power NRF2401 image transmission subsystem， MFC PC image decoding subsystem， OCR pattern recognition subsystem， TTS text-to-speech subsystem. This article will be to the design of each subsystem in detail

　　Key words： OCR pattern recognition; TTS speech broadcasting system; OV5640 mega pixels acquisition system。

　　1緒論

　　書籍是人類進(jìn)步的階梯，視覺障礙的弱勢群體如果想要閱讀一些文獻(xiàn)資料，傳統(tǒng)的方法要依賴盲文，憑借手觸覺去感知文字，由于盲文的發(fā)行量相對較少，加上他笨重，體積大，致使收到很大限制。隨著計算機的領(lǐng)域的飛速發(fā)展，OCR （Optical Character Recognition，光學(xué)字符識別） ，TTS（Text To Speech，從文本到語音），OV5640（高清攝像頭）日益成熟，這些新興技術(shù)，將為視覺殘障人士帶來福音，將視覺文字變成聽覺語音，自此弱勢的殘障人士可以打破視覺閱讀障礙，享受文本書籍的知識殿堂。

　　1.1課題的背景與意義

　　我國的印刷體漢字識別是從70年代開始研究，大致可以分為如下3個階段：

　　第一階段：20世紀(jì)70年代末期到20時期，主要是算法和方案探索。

　　第二階段：20世紀(jì)90年代，中文OCR技術(shù)從實驗室走向市場。

　　第三階段：21世紀(jì)初至今，主要是印刷體漢字識別技術(shù)和系統(tǒng)性能的提高，包括漢英混排識別率的提高和穩(wěn)健性的增強。

　　1.2 OCR的研究現(xiàn)狀及研究意義

　　現(xiàn)有的文字技術(shù)一般采用光學(xué)的方式將文本圖像信息采集到計算機中，因此該技術(shù)被稱為光學(xué)字符識別（Optical Character Recognition， OCR）技術(shù)，經(jīng)過將近一個研究，OCR已經(jīng)成為現(xiàn)如今模式是被領(lǐng)域里最活躍的研究方向之一。它綜合了人工智能，計算機圖像，數(shù)字圖像處理等多方面的內(nèi)容，并在計算機領(lǐng)域及其相關(guān)領(lǐng)域得到了廣泛的應(yīng)用。近些年來，我國的中文印刷體文檔識別發(fā)展十分

　　隨著社會的發(fā)展，科學(xué)文化的進(jìn)步，越來越多的視覺障礙人式（包括先天性行殘疾人士，或者因意外事故及其傷病視力下降乃至失去視覺的殘疾人士）更加渴望閱讀這個時代最前沿的書籍期刊，鑒于盲文的厚重，不便于攜帶，印刷量小，延遲性高等缺點，市場上主流的OCR識別器售價相對較高，一種低成本，高識別率的OCR盲人導(dǎo)讀儀的研發(fā)有相當(dāng)大的現(xiàn)實意義，其核心算法也有著極其廣泛的社會應(yīng)用：

　　1.使用OCR進(jìn)行印刷體版文稿的自動識別錄入，這類產(chǎn)品的缺點是對于表格，插圖，公式需要手工進(jìn)行干預(yù)。

　　2圖形，圖像，公式，文本，中英文交疊等混版復(fù)雜版面進(jìn)行自動切分的印刷識別系統(tǒng)的算法研究提供解決思路。

　　3郵件自動分揀系統(tǒng)，郵件的自動分揀系統(tǒng)東是郵政系統(tǒng)提高心寒分揀速度和質(zhì)量的極為有效手段之一國內(nèi)外已經(jīng)普遍使用，其核心算法是書寫體的識別。

　　4 手寫體表格數(shù)據(jù)自動錄入系統(tǒng)，應(yīng)用于政府，保險，醫(yī)療等個行業(yè)的申報表，調(diào)查表等表格數(shù)據(jù)的處理與錄入【1】。 。

　　1.3研究的主要內(nèi)容和預(yù)期目標(biāo)

　　該系統(tǒng)致力于實現(xiàn)一種低成本，便攜式，易操作，高識別率的簡易OCR中文識別系統(tǒng)。根據(jù)基于模板匹配的OCR的自身特點，以及現(xiàn)階段研究水平，調(diào)研了中文OCR在各個行業(yè)的應(yīng)用市場，如下對基于模板匹配的盲人導(dǎo)讀儀的各個系統(tǒng)和實現(xiàn)原理及算法進(jìn)行簡要講解。

　　1.3.1 核心子系統(tǒng)解決方案概述

　　1. 基于OV5640 500萬像素的自動對焦的高清攝像頭模組，實現(xiàn)JPEG，BMP高清圖像采集存儲。

　　2. 基于大功率NRF2401的無線傳圖子系統(tǒng)，可以實現(xiàn)一點對多點，單點對單點實時圖像采集傳輸。

　　3基于VS2010 MFC上位機算法處理子系統(tǒng)，SerialPort串口接收模塊，Cimage類進(jìn)行數(shù)據(jù)流圖像解碼編碼，微軟公司開源MicroSoft Image documentOCR控件作為核心算法將采集解碼得到圖片文字解碼出來，顯示到Edit文本框，將文字編碼串口發(fā)送科科大訊飛模塊。

　　4基于科大訊飛模組XFS5512CE文字語音轉(zhuǎn)碼解碼芯片將OCR識別的文字進(jìn)行語音播報，實現(xiàn)文本到語音的轉(zhuǎn)換。

　　1.3.2 預(yù)期目標(biāo)

　　1. STM32F103RBT6能正常驅(qū)動500萬OV5640高清模組，實現(xiàn)圖形采集

　　2. NRF2401能實現(xiàn)無線傳圖，文字解碼信息發(fā)送

　　3.MFC數(shù)據(jù)流解碼JPEG，OCR文字識別，OCR解碼發(fā)送

　　4.下位機驅(qū)動科大訊飛模塊，實現(xiàn)文字解碼發(fā)送。

　　2基于模板匹配中文OCR語音導(dǎo)讀儀工作原理

　　2.1 OCR工作原理

　　與普通印刷體文檔是被相比，中文印刷體文檔識別在對文檔所包含的文字字符識別過程中。一個完整的中文印刷體文檔識別系統(tǒng)應(yīng)包括如下諸多模塊：

　　文檔圖像預(yù)處理。該部分完成對原始文檔圖像預(yù)處理，使得原始文檔圖像能夠達(dá)到識別的要求。

　　文檔圖像版面分析，該部分實現(xiàn)文檔圖像中文本，表格和圖像等不同區(qū)域的分離，并在識別出每個區(qū)域的類別后交由不同的處理模塊進(jìn)行進(jìn)一步的分析和處理。

　　文檔圖像中的多字符識別，該部分處理通過文檔版面分析得到的文本區(qū)域，包括漢字識別和公式識別的模塊。漢字識別模塊負(fù)責(zé)包括中文字符在內(nèi)的所有字符的識別。

　　文檔圖像中圖形圖像暫存模塊。該部分負(fù)責(zé)處理通過文檔版面分析得帶的圖像圖像區(qū)域。

　　版面分析過程中，分析得到的文字區(qū)域，圖像區(qū)域和表格區(qū)域?qū)⒈环謩e切割成單獨的圖像，其中文字圖像區(qū)域?qū)⑺椭劣∷Ⅲw漢字識別模塊進(jìn)行處理。與其他的數(shù)字圖像模式識別應(yīng)用類似，印刷體的漢字識別的基本過程包括圖像預(yù)處理。圖像分割，圖像分割，特征提取，圖像分類等過程。圖像的預(yù)處理通過圖像增強，文字字符切割等步驟形成單個漢字字符圖像，圖像分割則在單個漢字圖像中提起漢字輪廓，特征提取則是是依據(jù)漢字輪廓提取代表的各個漢字模式的本質(zhì)的表達(dá)形式，即各種特性，形成漢字模板庫（可以理解為字典）并存儲在計算機中。識別時，圖像分類過程將漢字的模式特性和漢字的模板庫元素逐一匹配，在用一定的匹配準(zhǔn)則進(jìn)行判別。最后在模板庫中找出最接近的位置漢字的模板元素，該模版元素的漢字就是識別的結(jié)果。