盲人英語自助學習中的字母圖像自動識別方法優化

韓峰

摘 要： 采用字母圖像的特征點檢測方法進行信息標定，實現圖像自動識別，為盲人進行英語自助學習提供向導。提出一種基于字母角點分量小波三級提升分解的字母圖像自動識別方法，對原始的字母圖像進行盲人視覺信息空間重構，對重構的圖像進行小波分解，實現字母信息特征分布角點的檢測；并采用小波三級提升分解實現圖像信息增強，實現字母圖像自動識別改進。仿真結果表明，采用該方法進行字母圖像自動識別的準確度較高，提高了圖像的輸出信噪比及歸一化配準度，可有效指導盲人英語自助學習。

關鍵詞： 盲人； 英語學習； 圖像自動識別； 特征點檢測

中圖分類號： TN911.73?34； TP391 文獻標識碼： A 文章編號： 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

隨著數字圖像處理技術的發展，采用全息成像技術進行數字成像，轉化為盲人的視覺空間可識別的圖像，為盲人進行視覺信息重構提供可能性[1]。盲人在進行英語學習中，需要對字母全息成像圖像進行視覺特征點的增強處理，通過特征點檢測和信息增強，提升成盲人能識別的字母圖像，進而有效指導英語學習，研究盲人英語自助學習中的字母圖像自動識別方法，對提高盲人的英語學習水平，改善盲人英語學習的有效性方面具有重要的理論和實踐意義。

1 字母圖像信息增強預處理

1.1 字母圖像盲人視覺信息空間重構

為了提高盲人進行英語自助學習的水平和可視化程度，本文提出一種基于字母角點分量小波三級提升分解的字母圖像自動識別方法。對原始的字母圖像進行盲人視覺信息空間重構[2?3]，在4×4的像素塊區域中，進行英語字母圖像的全息成像，英語字母圖像的塊匹配區域在第i行及第j列的像素特征點信息描述為：

1.2 英文字母圖像信息增強處理

在對原始的字母圖像進行盲人視覺信息空間重構的基礎上，對重構的圖像進行小波分解，對圖像分量進行騎士巡游運算[6]，采用Daubechies 9/7小波三級提升分解方法[7?8]，將英文字母圖像進行R，G，B三色分離，獲得相應的分量，，。根據奇異值分解得到英文字母圖像騎士巡游逆運算結果，英文字母圖像的信息分量分解的總過程如圖1所示。

采用字母角點分量小波三級提升分解方法，進行圖像的高頻分解，對一維雙正交9/7提升方案由兩次預測和更新完成，設英文字母圖像，待提升小波的小波反變換預測結果分別用奇數序列表示。設a，b，c，d為提升系數，對英文字母圖像進行兩輪更新和狀態預測如下：

經過兩輪預測和更新運算后，最終實現對英文字母圖像信息增強處理。

2 字母圖像識別實現

2.1 圖像的小波三級提升分解

在上述進行了字母圖像的信息增強處理的基礎上，進行圖像識別改進設計。本文提出一種基于字母角點分量小波三級提升分解的字母圖像自動識別方法，對重構的圖像進行小波分解，實現字母信息特征分布角點的檢測。根據字母圖像A和矢量量化后的圖像W的R，G，B分量，相應得到，，和，，。對字母圖像的高頻分量進行置亂處理，得到點到線模型階段圖像的小波域子矢量，對原始圖像分量進行Daubechies 9/7小波三級提升分解，在不同碼書尺寸下進行Harris角點檢測[9]，按照圖像的噪聲強度進行三級提升小波反變換，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，。采用小波三級提升分解方法進行字母圖像識別，小波三級提升分解過程如圖2所示。

在盲人進行英語自助學習中，需要對字母圖像分量，，進行視覺重構，得到字母圖像的經過小波三級提升分解后的角點分量：

3 仿真實驗分析

仿真建立在Matlab R2009a軟件平臺上，實驗的硬件環境：CPU為Intel Core i3?370，主頻2.93 GHz，字母圖像的采集像素值為15×15，盲人進行英語學習中觀察視覺方向為45°，為了測試圖像識別的性能，采用圖像的輸出信噪比及歸一化配準度為測試指標。其中，圖像的輸出信噪比反應的是圖像的可識別度，歸一化配準度也稱相似性系數，用來度量數字圖像識別的魯棒性，計算公式分別為：

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，采用小波三級提升分解實現圖像信息增強， 實現字母信息特征分布角點的檢測和圖像自動識別。圖3為不同方法進行英文字母圖像識別的歸一化配準度。

分析圖3結果得知，采用本文方法進行盲人英語自助學習中的字母圖像識別，圖像的歸一化配準度較高，說明該方法的魯棒性較好，提高了對圖像的可識別能力。圖4為圖像識別的輸出信噪比，從圖4得知，本文方法進行圖像識別的輸出信噪比較高，說明識別的準確度較高、性能較好。

4 結 語

本文研究了英文字母圖像的盲人自助學習識別方法，采用字母圖像的特征點檢測方法進行信息標定，實現圖像自動識別，為盲人進行英語自助學習提供向導。本文提出一種基于字母角點分量小波三級提升分解的字母圖像自動識別方法，對原始的字母圖像進行盲人視覺信息空間重構，對重構的圖像進行小波分解，實現字母信息特征分布角點的檢測，采用小波三級提升分解實現圖像信息增強，實現字母圖像自動識別改進。仿真結果表明，采用該方法進行字母圖像自動識別的準確度較高，提高了圖像的輸出信噪比及歸一化配準度，有效指導盲人英語自助學習，具有一定的應用前景。

參考文獻

[1] 孟春芝，何凱，焦青蘭.自適應樣本塊大小的圖像修復方法[J].中國圖象圖形學報，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輛識別算法[J].計算機工程與應用，2010，46（30）：156?180.

[3] 楊靖宇，張永生，鄒曉亮，等.利用暗原色先驗知識實現航空影像快速去霧[J].武漢大學學報（信息科學版），2010，35（11）：1292?1295.

[4] 雷亮，汪同慶，楊波.圖像關聯規則挖掘研究[J].計算機應用研究，2009（6）：2374?2376.

[5] 單家凌.基于無線網絡車牌識別系統識別算法的研究[J].計算機測量與控制，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.