基于視覺(jué)與聽(tīng)覺(jué)檢測(cè)的盲人閱讀器研究.pdf

1、盲人及視力障礙人士是我們社會(huì)的一個(gè)弱勢(shì)群體，他們無(wú)法像普通人一樣讀書(shū)看報(bào)，然而在現(xiàn)實(shí)生活中，99％以上的文字信息都是以視力障礙人士無(wú)法閱讀的紙制資料形式出現(xiàn)的，因此視覺(jué)能力的缺失使他們無(wú)法以最直觀的方式獲取信息。盲人閱讀器正是一種將印刷品的內(nèi)容轉(zhuǎn)化為聲音信號(hào)，供視力障礙人群獲取信息的設(shè)備，使其在沒(méi)有正常人幫助的情況下也能夠方便地獲得紙制文字信息。 本文設(shè)計(jì)了一個(gè)由文本圖像預(yù)處理、字符識(shí)別、語(yǔ)音合成等部分組成的盲人閱讀器軟件實(shí)現(xiàn)系統(tǒng)

2、。系統(tǒng)處理對(duì)象主要是印刷體文本圖片。主要研究工作如下： (1) 在預(yù)處理模塊的設(shè)計(jì)中，結(jié)合多種圖像處理技術(shù)，運(yùn)用了包括二值化、傾斜校正和字符分割等在內(nèi)的一系列預(yù)處理算法，取得了較好的效果，為后面字符特征的提取打下了堅(jiān)實(shí)的基礎(chǔ)。 (2)為了解決單個(gè)分類(lèi)器分類(lèi)效果不理想的情況，從分類(lèi)器集成的角度出發(fā)，提出了基于多個(gè)互補(bǔ)特征，多級(jí)粗分類(lèi)與細(xì)分類(lèi)相結(jié)合的分類(lèi)器設(shè)計(jì)方案。其中粗分類(lèi)包含基于字符骨架中閉合曲線和基于字符骨架中縱向線條特征的兩

3、級(jí)分類(lèi)，達(dá)到了較平均的分割待識(shí)別字符集的目的，有效地縮短了細(xì)分類(lèi)的識(shí)別時(shí)間。細(xì)分類(lèi)器的特征提取采用基于網(wǎng)格特征和投影特征的組合特征向量，很好地兼顧了字符總體特征和局部特征，大大提高了字符識(shí)別的準(zhǔn)確度。 (3) 歸納總結(jié)了現(xiàn)有TTS 功能實(shí)現(xiàn)的三種典型解決方案，結(jié)合課題研究的實(shí)際情況最終采用了利用微軟SAPI5.1提供的具有TTS 功能的語(yǔ)音開(kāi)發(fā)包的方案，極大地縮短了語(yǔ)音合成應(yīng)用系統(tǒng)的開(kāi)發(fā)周期，以較高的準(zhǔn)確率實(shí)現(xiàn)了對(duì)已識(shí)別文本的語(yǔ)音輸