基于圖像綜合特征的答題卡填涂信息自動(dòng)識(shí)別方法
【專利摘要】本發(fā)明提供基于圖像綜合特征的答題卡填涂信息自動(dòng)識(shí)別方法。首先獲取一道選擇題區(qū)域圖像數(shù)據(jù)，對(duì)其進(jìn)行形態(tài)學(xué)處理，然后再進(jìn)行自適應(yīng)閾值的二值化，接再對(duì)二值化圖像進(jìn)行輪廓檢測(cè)與異常輪廓判斷，接著利用原始圖像、形態(tài)學(xué)處理后圖像與二值圖像計(jì)算相關(guān)評(píng)價(jià)指標(biāo)，然后利用所計(jì)算出來(lái)的評(píng)價(jià)指標(biāo)和全局一致性閾值進(jìn)行填涂結(jié)果判斷，最后返回識(shí)別結(jié)果并更新全局一致性閾值。本發(fā)明能兼容不同紙張的答題卡，也能兼容濾紅卡、選項(xiàng)區(qū)域有半框、全框或者字母等類型的答題卡，且具有很快的識(shí)別速度和較高的魯棒性。
【專利說(shuō)明】基于圖像綜合特征的答題卡填涂信息自動(dòng)識(shí)別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明一般涉及計(jì)算機(jī)模式識(shí)別與圖像處理領(lǐng)域，具體涉及答題卡填涂信息自動(dòng) 識(shí)別方法。

【背景技術(shù)】
[0002] 隨著信息技術(shù)的發(fā)展，計(jì)算機(jī)處理的數(shù)據(jù)量越來(lái)越大，在很多領(lǐng)域里，亟需解決 海量數(shù)據(jù)的采集、識(shí)別和錄入的問(wèn)題。目前，在高考、成人高考、全國(guó)大學(xué)英語(yǔ)等級(jí)考試等大 型考試已經(jīng)使用OMR(光學(xué)標(biāo)記閱讀機(jī)）解決該問(wèn)題。雖然OMR技術(shù)解決了一些答題卡數(shù) 據(jù)錄入的問(wèn)題，但是由于其自身技術(shù)是基于光電識(shí)別技術(shù)的，存在許多目前難以解決的問(wèn) 題：（1)設(shè)備專用：光電識(shí)別機(jī)只能在審閱客觀題中使用，主觀題仍需使用掃描儀掃描，價(jià) 格昂貴；（2)答題卡格式固定：受限于光電頭安裝位置和排列密度相對(duì)固定，對(duì)于不同格式 的答題卡調(diào)整難度很大，甚至無(wú)法滿足要求；（3)答題卡制造成本高：0MR答題卡必須為含 鉛銅版紙進(jìn)行彩色印刷且對(duì)答題卡裁切精度有嚴(yán)格要求，經(jīng)濟(jì)成本、環(huán)境成本高，對(duì)于大多 數(shù)中小學(xué)無(wú)力承擔(dān)該費(fèi)用；(4)糾錯(cuò)流程復(fù)雜：0MR技術(shù)中，若在識(shí)別的過(guò)程中發(fā)生異常，必 須停機(jī)，人工分揀出出錯(cuò)答題卡，逐張人工重新填涂，才能重新開機(jī)識(shí)別，大大影響閱卷效 率。（5)圖像不能保存待查：不能保存識(shí)別過(guò)的答題卡圖像，判題透明性差，若要查對(duì)必須 人工從紙質(zhì)答題卡中重新分揀出來(lái)。
[0003] 利用圖像處理技術(shù)對(duì)經(jīng)過(guò)掃描的答題卡的數(shù)據(jù)進(jìn)行識(shí)別和錄入是一項(xiàng)新技術(shù)。它 除了可以克服上述OMR技術(shù)存在的缺陷外，還具有設(shè)備、紙張成本低，識(shí)別率及速度可隨計(jì) 算機(jī)軟、硬件發(fā)展不斷優(yōu)化、提升，改卷結(jié)果可直接顯示在掃描圖像上，判卷透明性高，校對(duì) 方便等特點(diǎn)。該技術(shù)將在計(jì)算機(jī)閱卷、電子政務(wù)、社會(huì)調(diào)查數(shù)據(jù)采集、生產(chǎn)和流通領(lǐng)域的過(guò) 程管理及其它領(lǐng)域中顯示出其良好的應(yīng)用前景。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明針對(duì)目前答題卡識(shí)別技術(shù)的不足，提供了基于圖像綜合特征的答題卡填涂 信息自動(dòng)識(shí)別方法。本發(fā)明的目的在于克服現(xiàn)有現(xiàn)有識(shí)別算法兼容性較差和識(shí)別效率較低 的問(wèn)題，提供一種能兼容不同紙張的答題卡，也能兼容濾紅卡、選項(xiàng)區(qū)域有半框、全框或者 字母等類型的答題卡，且具有很快的識(shí)別速度和較高的魯棒性的方法，具體技術(shù)方案如下。
[0005] 基于圖像綜合特征的答題卡填涂信息自動(dòng)識(shí)別方法，包括以下步驟：
[0006] (a)從答題卡圖像中依次獲取一道選擇題區(qū)域灰度圖像；
[0007] (b)對(duì)步驟（a)獲取的灰度圖像進(jìn)行形態(tài)學(xué)閉操作；
[0008] (C)對(duì)步驟（b)處理后所得的灰度圖像進(jìn)行自適應(yīng)閾值二值化操作，并得到二值 化閾值thresh ;
[0009] (d)對(duì)步驟（C)得到的二值化圖像進(jìn)行輪廓檢測(cè)，并判斷是否存在異常輪廓； [0010] (e)將步驟（a)所得灰度圖像反相得到圖像A，將步驟（c)得到的二值化圖像反相 得圖像B，將步驟（b)得到的灰度圖像反相并與圖像B相與得圖像C，將圖像A與圖像B相 與得到圖像D，然后利用圖像A、B、C和D計(jì)算相應(yīng)的評(píng)價(jià)指標(biāo)；
[0011] (f)利用步驟（e)計(jì)算出的評(píng)價(jià)指標(biāo)得出填涂結(jié)果；
[0012] (g)輸出填涂結(jié)果，更新全局一致性填涂閾值（globalGrayThresh);
[0013] (h)獲取下一道選擇題的圖像，重復(fù)步驟（b)-(g)，直到完成所有選擇題的識(shí)別。
[0014] 上述基于圖像綜合特征的答題卡填涂信息自動(dòng)識(shí)別方法中，步驟（d)中判斷異常 輪廓的方法為：依次對(duì)查找到的輪廓取外接矩形，判斷是否存在外接矩形的寬度大于步驟 (a)所得圖像寬度的二分之一，同時(shí)外接矩形的高度小于步驟（a)所得圖像高度的四分之 一，若存在則為異常輪廓，將該輪廓?jiǎng)h除，即將該輪廓內(nèi)像素全部置255。
[0015] 上述基于圖像綜合特征的答題卡填涂信息自動(dòng)識(shí)別方法中，步驟（e)中所需計(jì)算 的評(píng)價(jià)指標(biāo)包括方差（imgDev)、選項(xiàng)灰度和（qsGraySum)、選項(xiàng)填涂塊面積（qsArea)和選 項(xiàng)平均灰度（qsAvgGray)，其計(jì)算過(guò)程包括以下步驟：
[0016] (e-Ι)將步驟（a)所得灰度圖像反相得到圖像A，將步驟（c)得到的二值化圖像反 相得圖像B，將步驟（b)得到的灰度圖像反相并與圖像B相與得圖像C，將圖像A與圖像B 相與得到圖像D ;
[0017] (e_2)若題目選項(xiàng)數(shù)量為N，依次獲取步驟（e-Ι)中得到的圖像B、C和D對(duì)應(yīng)每個(gè) 選項(xiàng)的圖像 B^CjPDi, i = 1，2···Ν;
[0018] (e-3)利用A、Ci和Di依次計(jì)算每個(gè)選項(xiàng)的各個(gè)評(píng)價(jià)指標(biāo)imgDev、qsGraySum、 qsArea 和 qsAvgGray，其計(jì)算方法如下：perQstArea = A W*AH/N，imgDev = Σ i,j(A(i, j)- Σ k, #(k，I) AAW*AH)) V(AW*AH)，其中Aw為圖像A的寬度，Ah為圖像A的高度；選項(xiàng)灰 度

【權(quán)利要求】
1. 基于圖像綜合特征的答題卡填涂信息自動(dòng)識(shí)別方法，其特征在于，包括以下步驟： (a) 從答題卡圖像中依次獲取一道選擇題區(qū)域灰度圖像； (b) 對(duì)步驟（a)獲取的圖像進(jìn)行形態(tài)學(xué)閉操作； (c) 對(duì)步驟（b)處理后所得的灰度圖像進(jìn)行自適應(yīng)閾值二值化操作，并得到二值化閾 值thresh; (d) 對(duì)步驟（c)得到的二值化圖像進(jìn)行輪廓檢測(cè)，并判斷是否存在異常輪廓； (e) 將步驟（a)所得灰度圖像反相得到圖像A，將步驟（c)得到的二值化圖像反相得圖 像B，將步驟（b)得到的灰度圖像反相并與圖像B相與得圖像C，將圖像A與圖像B相與得 到圖像D，然后利用圖像A、B、C和D計(jì)算相應(yīng)的評(píng)價(jià)指標(biāo)； (f) 利用步驟（e)計(jì)算出的評(píng)價(jià)指標(biāo)得出填涂結(jié)果； (g) 輸出填涂結(jié)果，更新全局一致性填涂閾值globalGrayThresh; (h) 獲取下一道選擇題的圖像，重復(fù)步驟（b)-(g)，直到完成所有選擇題的識(shí)別。
2. 根據(jù)權(quán)利要求1所述基于圖像綜合特征的答題卡填涂信息自動(dòng)識(shí)別方法，其特征在 于，步驟（d)中判斷異常輪廓的方法為：依次對(duì)查找到的輪廓取外接矩形，判斷是否存在外 接矩形的寬度大于步驟（a)所得圖像寬度的二分之一，同時(shí)外接矩形的高度小于步驟（a) 所得圖像高度的四分之一，若存在則為異常輪廓，將該輪廓?jiǎng)h除，即將該輪廓內(nèi)像素全部置 255。
3. 根據(jù)權(quán)利要求1所述基于圖像綜合特征的答題卡填涂信息自動(dòng)識(shí)別方法，其特征在 于：步驟（e)中所需計(jì)算的評(píng)價(jià)指標(biāo)包括方差imgDev、選項(xiàng)灰度qsGraySum、選項(xiàng)填涂塊面 積qsArea和選項(xiàng)平均灰度qsAvgGray，其計(jì)算過(guò)程包括以下步驟： (e-Ι)將步驟（a)所得灰度圖像反相得到圖像A，將步驟（c)得到的二值化圖像反相得 圖像B，將步驟（b)得到的灰度圖像反相并與圖像B相與得圖像C，將圖像A與圖像B相與 得到圖像D; (e-2)若題目的選項(xiàng)數(shù)量為N，依次獲取步驟（e-Ι)中得到的圖像B、C和D對(duì)應(yīng)每個(gè)選 項(xiàng)的圖像&、(^和0" = 1，2"4; (e-3)利用A、Ci和Di依次計(jì)算每個(gè)選項(xiàng)的各個(gè)評(píng)價(jià)指標(biāo)imgDev、qsGraySum、qsArea和qsAvgGray,其計(jì)算方法如下：perQstArea=AW*AH/N,imgDev=Σi,j(A(i, j)-Σk, #(k，I)AAW*AH))V(AW*AH)，其中Aw為圖像A的寬度，Ah為圖像A的高度；選項(xiàng)灰 度CpGraySumi= '其中Ci (j，k)為圖像Ci對(duì)應(yīng)像素點(diǎn)的像素值；選項(xiàng)填涂塊面 積qsArea|=￥Α(·Λ?)/255'其中Biak)為圖像Bi對(duì)應(yīng)像素點(diǎn)的像素值；選項(xiàng)平均灰度 qsAvg<3ray^ $D(_aA)/qsArcai '其中Diak)為圖像Di對(duì)應(yīng)像素點(diǎn)的像素值。
4. 根據(jù)權(quán)利要求1所述基于圖像綜合特征的答題卡填涂信息自動(dòng)識(shí)別方法，其特征在 于：步驟（f)包括以下步驟： (f-Ι)若步驟（C)所得二值化閾值thresh大于bwThresh則轉(zhuǎn)到步驟（f-2)，否則轉(zhuǎn)到 步驟（f_3)，其中bwThresh為可調(diào)閾值； (f_2)利用步驟（e)所計(jì)算的評(píng)價(jià)指標(biāo)判斷該選擇題是否為空白填涂，即考生沒(méi)有進(jìn) 行填涂，其判斷方法如下：若滿足以下兩個(gè)條件的任意一個(gè)則為空白填涂： (1)imgDev〈devThresh; (2)imgDev〈2*devThresh且MAX(qsArea)>perQstArea*0· 7 ; 其中MAX(qsArea)為qsArea中的最大值，devThresh為可調(diào)閾值； (f-3)計(jì)算判斷填涂結(jié)果所需的閾值threshold_filled和threshold_gray，其計(jì)算方 法如下： threshold_filled=MAX{perQstArea*fillThresh,MAX(qsGraySum)^sensibilityThre sh},其中MAX表不取最大值，fillThresh和sensibilityThresh為可調(diào)閾值； threshold_gray=MAX{globalGrayThresh，MAX(qsAvgGray)*grayThresh}，其中MAX(qsAvgGray)為qsAvgGray中的最大值，MAX{，}為取兩個(gè)值中的最大值，grayThresh為 可調(diào)閾值； (f_4)利用步驟（e)所計(jì)算的評(píng)價(jià)指標(biāo)與步驟（f_3)計(jì)算的閾值進(jìn)行填涂結(jié)果 判斷，其判斷方法為：依次遍歷每個(gè)選項(xiàng)，若滿足QsGraysumiHhresholcLfilled且 QsAvgGrayiHhresholcLgray則該選項(xiàng)考生有填涂； (f-5)返回識(shí)別結(jié)果。
5.根據(jù)權(quán)利要求1所述基于圖像綜合特征的答題卡填涂信息自動(dòng)識(shí)別方法，其特征 在于步驟（g)中更新全局一致性填涂閾值globalGrayThresh的方法為：若在步驟（f)中 該選項(xiàng)識(shí)別為填涂，則新的全局一致性填涂閾值為該選項(xiàng)平均灰度值與原先全局一致性填 涂閾值的平均值，即gl〇balGrayThreshnew = (globalGrayThresh^d+qsAvgGrayi)/% 其中 globalGrayThresh。；^為更新前的全局一致性閾值，globalGrayThreshnew為新的全局一致性 閾值，CisAvgGrayi為該選項(xiàng)的平均灰度，如果有多個(gè)選項(xiàng)有填涂，則只需計(jì)算一次即可。
【文檔編號(hào)】G06K9/46GK104239850SQ201410338618
【公開日】2014年12月24日 申請(qǐng)日期:2014年7月16日 優(yōu)先權(quán)日:2014年7月16日
【發(fā)明者】黃翰, 劉志方, 郝志峰 申請(qǐng)人:華南理工大學(xué)