基于游程特征的选票符号识别方法

doi:10.3724/SP.J.1087.2012.01906

计算机应用 ›› 2012, Vol. 32 ›› Issue (07): 1906-1909.DOI: 10.3724/SP.J.1087.2012.01906

基于游程特征的选票符号识别方法

张晶晶,肖刚,张元鸣,陆佳炜,徐俊

浙江工业大学计算机科学与技术学院，杭州310023

收稿日期:2012-01-03 修回日期:2012-02-27 发布日期:2012-07-05 出版日期:2012-07-01
通讯作者: 张晶晶
作者简介:张晶晶(1987-），男，河南周口人，硕士研究生，主要研究方向：图形图像处理；肖刚(1965-)，男，浙江上虞人，教授，博士，主要研究方向：图形图像处理、智能信息系统；张元鸣(1977-），男，河南濮阳人，副教授，博士，主要研究方向：软件体系结构。
基金资助:
浙江省科技厅公益项目（2010C31002）

Recognition approach for ballot symbol based on run features

ZHANG Jing-jin,XIAO Gang,ZHANG Yuan-ming,LU Jia-wei,XU Jun

College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou Zhejiang 310023, China

Received:2012-01-03 Revised:2012-02-27 Online:2012-07-05 Published:2012-07-01
Contact: ZHANG Jing-jin

摘要/Abstract

摘要： 选票符号识别是基于图像理解的计票系统的关键技术，为提高选票符号识别的正确率，提出了一种基于游程特征的选票符号识别方法。首先给出了选票符号游程特征的定义，构建了选票符号的游程判定模型；然后利用三叉树结构描述了游程区域之间的相对位置关系；此外，通过游程区域的合并实现了噪声环境下主游程区域的提取，并对歧义符号的处理方法进行了研究；最后，实验结果表明，游程特征能够准确描述选票符号的几何特征，所给出的算法细分能力强，识别正确率高，比基于模板匹配的算法的正确率提高了6.07%。

关键词: 选举计票, 选票符号识别, 游程特征

Abstract: Recognition of hand-written ballot symbols is crucial in vote-counting system based on image understanding. To improve the accuracy of ballot symbol recognition, a symbol recognition approach based on run feature was proposed. Firstly, the concept of run was presented and a discriminant model was established based on run features of ballot symbols. Secondly, the relative positions of runs were described with a ternary tree. In addition, the main run regions were extracted in noisy environment by merging run regions, and an approach of recognizing ambiguous symbols was also given. Finally, the experimental results show that the run features can accurately reflect the geometrical features of ballot symbols. The proposed approach achieves high accuracy, and its accuracy is 6.07% higher than that of template matching algorithm.

Key words: vote-counting, ballot symbol recognition, run feature

中图分类号:

TP391.413

张晶晶肖刚张元鸣陆佳炜徐俊. 基于游程特征的选票符号识别方法[J]. 计算机应用, 2012, 32(07): 1906-1909.

ZHANG Jing-jin XIAO Gang ZHANG Yuan-ming LU Jia-wei XU Jun. Recognition approach for ballot symbol based on run features[J]. Journal of Computer Applications, 2012, 32(07): 1906-1909.

参考文献

[1] KOHNO T, STUBBLEFIELD A, RUBIN A D, et al. Analysis of an electronic voting system ［C］// Proceedings of the 2004 IEEE Symposium on Security and Privacy. Washington, DC: IEEE Computer Society, 2004: 27-40.

[2] 王思佳,韩伟,陈克非.电子选举研究的挑战和进展［J］.计算机工程,2006,32(15):7-10.

[3] 王庆生，张剑，解磊.利用OMR自动读票的计算机选举系统［J］.计算机应用研究，2002，19（12）：88-89.

[4] 张香让.高速后台选举系统选票图像处理算法研究［D］.成都：中国科学院成都计算机应用研究所,2005.

[5] 孙挺.基于CMOS图像传感器的机器视觉系统及其应用研究［D］.绵阳：西南科技大学，2003.

[6] 刘海萍.基于版面理解的自定义选票快速识别方法研究与应用［D］.杭州：浙江工业大学，2007.

[7] 沈军强.选票图像的版面理解和快速识别方法研究［D］.杭州：浙江工业大学，2009.

[8] 沈军强，肖刚，陈久军，等.基于表格线游程的选票图像几何结构快速识别［J］.计算机工程，2009，35(17)：187-190.

[9] RAMEL J Y, VINCENT N, EMPTOZ H. A structural representation for understanding line-drawing images ［J］. International Journal on Document Analysis and Recognition, 2000, 3(2): 58-66.

[10] QURESHI R J, RAMEL J Y, CARDOT H, et al. Combination of symbolic and statistical features for symbols recognition ［C］// Proceedings of the 2007 IEEE International Conference on Signal Processing, Communications and Networking. Piscataway: IEEE, 2007: 477-482.

[11] LUQMAN M M, BROUARD T, RAMEL J Y. Graphic symbol recognition using graph based signature and Bayesian network classifier ［C］// Proceedings of the 2009 10th International Conference on Document Analysis and Recognition. Piscataway: IEEE, 2009: 1325-1329.

[12] BURGES C J C. A tutorial on support vector machines for pattern recognition ［J］. Data Mining and Knowledge Discovery, 1998, 2(2): 121-1667.

[13] 管继斌,明德烈.基于游程的倾斜表格图像的快速检测和校正［J］.华中科技大学学报：自然科学版,2005, 33(8):69-71.

[14] 彭涛，马宏，戴元红，等.基于游程特征的文本图像识别方法［J］.计算机工程与应用，2010，46(7)：194-196.

[15] 谢顺平，都金康，王结臣.实现栅格图形和图像数据矢量化提取的游程轮廓追踪法［J］.遥感学报，2004，8(5)：465-469.

[16] CAO ZHIGUO, XIAO YANG, ZOU LAMEI. The application of run-length features in remote sensing classification combined with neural network and rough set ［C］// Proceedings of the 2007 IEEE International Conference on Granular Computing. Piscataway: IEEE, 2007: 552-557.

基于游程特征的选票符号识别方法

Recognition approach for ballot symbol based on run features

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	奉俊鹏杨恢先蔡勇勇翟云龙李球球. 基于非下采样contourlet梯度方向直方图的人脸识别[J]. 计算机应用, 2014, 34(1): 158-161.
[2]	赵雯典邓振生. 基于边缘竞争模糊水平集的脑部磁共振图像自动分割[J]. 计算机应用, 2013, 33(09): 2683-2685.
[3]	李峰王正群徐春林周中侠薛巍. 基于马氏距离的局部边界Fisher分析降维算法[J]. 计算机应用, 2013, 33(07): 1930-1934.
[4]	毛金莲. 自适应多视角学习及其在图像分类中的应用[J]. 计算机应用, 2013, 33(07): 1955-1959.
[5]	申海洋李月娥张甜. 基于边缘方向直方图相关性匹配的图像检索[J]. 计算机应用, 2013, 33(07): 1980-1983.
[6]	刘恒郑烇秦龙赵天昊王嵩. 基于同心圆分割的大视场星图识别算法[J]. 计算机应用, 2013, 33(07): 1984-1987.
[7]	滕少华陈海涛张巍. 基于超球支持向量机的多姿态协同人脸检测[J]. 计算机应用, 2013, 33(07): 1988-1990.
[8]	张筱吴军娄小龙. 新的雾霾退化场景再现快速算法[J]. 计算机应用, 2013, 33(07): 1995-1997.
[9]	党向盈鲍蓉姜代红. GPU并行实现的基于多方向线状梯度调节预测器边缘检测算法[J]. 计算机应用, 2013, 33(07): 2002-2004.
[10]	郭秋梅黄玉清. 基于二维熵和轮廓特征的非结构化道路检测[J]. 计算机应用, 2013, 33(07): 2005-2008.
[11]	张宁刘文萍. 基于克隆选择算法和K近邻的植物叶片识别方法[J]. 计算机应用, 2013, 33(07): 2009-2013.
[12]	敖谦朱燕平江少锋. 基于混合水平集的脑组织自动提取方法[J]. 计算机应用, 2013, 33(07): 2014-2017.
[13]	徐建元于鸿洋. 基于计算机视觉的电池表面探伤方法[J]. 计算机应用, 2013, 33(07): 2018-2021.
[14]	胡文瑾李战明. 基于全变分小波域缺损修复算法的一种数值实现[J]. 计算机应用, 2013, 33(01): 28-30.
[15]	张红颖李鸿孙毅刚. 基于混合高斯模型的阴影去除算法[J]. 计算机应用, 2013, 33(01): 31-34.