论文部分内容阅读
随着社会的发展与进步，我国民主化程度不断加深，民主选举作为发扬民主的重要途径，变得更加普遍和重要。民主选举的广泛发展，给我国的选举系统带来了新的挑战。从高层领导人的选举到基层干部，如社区干部、村委干部的选举等，都需要利用选举系统对选票信息进行快速处理。 目前，国内主要是通过智能票箱自动计票方式实现选票信息的处理，该方式在一定程度上满足了选举活动的需要，保证了选举活动的自动化、高效化以及安全化，但智能票箱方式主要是针对高层选举，且采用填涂块式的选票。而针对我国的基层选举，目前的选票处理方式存在一定的不足。首先是选票设计方面，选票通常会印制标记块来辅助定位，不仅影响美观，而且占用版面空间、对印制要求高;其次是自动化程度方面，目前选票分割定位通常需要人工提前进行模式制作，自动化程度不高;第三是时效性方面，一次选举中会产生大量的选票，而对批量选票进行处理时，时效性往往得不到保证;第四是识别准确率方面，基层选举面向平民百姓，选民通过填写勾(√)、叉(×)、圈(○)等选举符号来表达自己的投票意愿，由于每个人手写习惯不同、手写笔画不规则等，导致符号形状各异，目前选举系统对手写体符号识别准确率不是很高。 针对上述这些不足，通过深入分析当前国内外研究现状，本文提出了一种基于OCR的选票图像识别方法，主要工作总结如下: (1)利用边缘检测、形态学操作等图像处理技术，对选票图像进行预处理，实现了选票图像的噪声去除、倾斜校正以及选票表格线的修复等。 (2)研究了选票图像的版面划分问题。版面划分实际上就是通过选票图像的分割定位以及分类识别，实现选举符号单元的提取。它包含表格单元提取和符号单元提取两部分，其中，表格单元提取是指识别出选票图像的表格单元，符号单元提取是指从表格单元中提取出符号单元。本文提出了一种改进的基于Hough变换的版面划分方法，实现了去标记块的选票图像检测定位，也不需要人工提前参与。 (3)研究了选举符号的特征提取问题，提出了一种改进的基于游程的特征提取方法。该方法利用随机抽样一致（RANdom SAmple Consensus，RANSAC）技术，充分考虑了手写符号体的不规则、模糊等现象，提高了特征提取的有效性及稳定性。 (4)研究了选举符号的光学字符识别(Optical Character Recognition，OCR)问题。在上述特征提取的基础上，分别采用支持向量机法(Support Vector Machine，SVM)、神经网络法实现了选举符号的识别，识别准确率达到99.96％，拒识率仅为0.09％。