一种基于卷积算法的盲文提取翻译方法技术

本发明专利技术公开了一种基于卷积算法的盲文提取翻译方法，包括对盲文图像的校正、非局部均值去噪预处理；卷积特征提取；盲文图像偏移校正；得到每个盲文点的词组、盲方、左右；将每个盲方中的盲文点按照盲符结构转换为数字点位；将得到的数字点位转换为对应拼音；按照拼音和盲文分词连写规则进行组合对盲文进行翻译。通过本发明专利技术的方法，对盲文点识别率高，误识别率小，易于提取轮廓。易于提取轮廓。易于提取轮廓。

【技术实现步骤摘要】
一种基于卷积算法的盲文提取翻译方法


[0001]本专利技术涉及盲文的提出翻译方法。

技术介绍

[0002]据统计，我国有一千多万盲人，每年新增盲人四十几万人。一直以来，盲人就业难题始终难以解决，其中文化知识匮乏是阻碍盲人进入更广泛行业的一个重要因素。盲人阅读书籍传统是依靠纸质盲文书，盲文识别麻烦，信息量小。为了能将盲文更好的进行转换，现在出现了一些对盲文进行翻译的系统，如在中国专利申请号为：201010157756.9申请日为2010年4月28日公开日为2010年9月22日的专利文献中公开了一种自动盲文阅卷系统，属于信息技术类。该系统采用光学成像系统，将图像信息传送给计算机，软件系统对试卷图像信息进行预处理，通过图像识别算法对盲文点字进行分割，提取盲文点字特征，并将盲文点字特征进行编码，编码后的盲文点字结合知识信息库将盲文点字转换为拼音及汉字，同时可给出语音输出，并通过客观题自动批阅、主观题教师批阅的方法，给出试卷成绩，还可对试卷进行分析、打印、存储。该系统由试卷图像输入模块，试卷图像预处理模块，图像识别模块，盲文点字到拼音及汉字转换模块，纠错及批阅模块，语音输出模块，试卷分析、成绩列表及打印模块，信息存储模块，Excel接口模块，知识信息库接口模块组成。该系统硬件结构简单经济、实用性强，软件设计合理巧妙、操作简单。该自动盲文阅卷系统虽然提及到采用二值化对图像进行处理，但是，盲文点的特征是灰度值比背景大，即梯度特征，提取梯度特征的算法有很多，但是还需要保证特征提取图像不被凹点干扰，易于盲文点轮廓提取。经过实验，单独运用二值化对图像进行处理，图像误识别较多，并且易丢失梯度不大的盲文点。

技术实现思路

[0003]本专利技术目的是提供一种基于卷积算法的盲文提出翻译方法，通过本专利技术的方法，对盲文点识别率高，误识别率小，易于提取轮廓。
[0004]为达到上述目的，一种基于卷积算法的盲文提取翻译方法，包括如下步骤：S1 对获取的盲文图像进行校正、非局部均值去噪预处理。
[0005]S2卷积特征提取；创建11
×
11卷积核，11
×
11卷积核为：[0，0，0，0，0，
‑
1，0，0，0，0，0]，[0，0，0，0，0，0，0，0，0，0，0]，[0，0，0，0，0，0，0，0，0，0，0]，[0，0，0，0，0，0，0，0，0，0，0]，[0，0，0，0，0，0，0，0，0，0，0]，[
‑
1，0，0，0，0，4，0，0，0，0，
‑
1]，[0，0，0，0，0，0，0，0，0，0，0]，[0，0，0，0，0，0，0，0，0，0，0]，[0，0，0，0，0，0，0，0，0，0，0]，
[0，0，0，0，0，0，0，0，0，0，0]，[0，0，0，0，0，
‑
1，0，0，0，0，0]，然后对输入的盲文图像进行卷积运算提取出盲文点。
[0006]S3盲文图像偏移校正；对提取的卷积特征图二值化，再经过迭代五次的膨胀运算，将每一行的盲文点单独连接起来，再经过轮廓提取，计算每一行轮廓的角度，取得平均偏离角度进行旋转校正，得到校正盲文图像。
[0007]S4 将S3盲文图像偏移校正后的盲文图像中的所有盲文点按照从左到右顺序排列，依据盲文词组距将每列盲文点聚类分为各个盲文词组，再在每个盲文词组中聚类分出各个盲方，最后再将每个盲方的盲文点分出左右，得到每个盲文点的词组、盲方、左右。
[0008]S5将每个盲方中的盲文点按照盲符结构转换为数字点位。
[0009]S6 将得到的数字点位转换为对应拼音；按照拼音和盲文分词连写规则进行组合对盲文进行翻译。
[0010]上述基于卷积算法的盲文提出翻译方法，非局部均值去噪利用了整幅图像来进行去噪，以图像块为单位在图像中寻找相似区域，再对这些区域求平均，能够比较好地去掉图像中存在的高斯噪声，与现有的平滑技术相比这种去噪方法效果更好。采用本专利技术的11
×
11的卷积核进行卷积运算，对盲文点识别率高，误识别率小，易于提取轮廓。通过对盲文图像进行偏移校正能提高盲文的翻译准确率。通过S4得到每个盲文点的词组、盲方、左右便于将每个盲方中的盲文点按照盲符结构转换为数字点位，便于转换为拼音。
[0011]进一步的，在S6后，根据使用者的词库给出准确的翻译。由于盲文本身的特性，是无法区分同音字的，及其容易产生歧义，所以在得到盲文翻译的拼音后，最后需要再根据使用者的词库给出最合适的翻译。
[0012]进一步的，盲文转换成拼音后合成语音。以方便播放。
[0013]进一步的，在提取盲文点之前进行灰度图处理。图像处理对光线要求比较高，在获得图像之前进行局部灰度值处理，以提高图像的后续处理精度。
[0014]进一步的，灰度图处理的方法为：当实际区域灰度值偏差大于设定阈值时，调节相机的电子快门的曝光时间和光圈进光量直到实际区域灰度值偏差在设定阈值之内。
[0015]进一步的，在通过相机获取盲文图像之前对相机进行畸变校正。
附图说明
[0016]图1为相机畸变校正前的示意图。
[0017]图2为相机畸变校正后的示意图。
[0018]图3为去噪效果图。
[0019]图4为通过卷积运算提取出盲文点的效果图。
[0020]图5为盲文点单独连接起来的连接图。
[0021]图6为对盲文图像偏移校正后的校正图。
[0022]图7为盲符结构的示意图。
[0023]图8为现行盲文方案示意图。
具体实施方式
[0024]下面结合附图和具体实施方式对本专利技术做进一步详细说明。
[0025]基于卷积算法的盲文提取翻译方法包括如下步骤：S1如图1所示，由于相机镜头拍摄得到的图片存在严重的桶形失真，对于盲文点的识别会造成不可逆的严重误差，所以在通过相机获取盲文图像之前对相机进行畸变校正，此为现有技术，在此不再赘述。
[0026]S2在提取盲文点之前进行灰度图处理，灰度图处理的方法为：当实际区域灰度值偏差大于设定阈值时，调节相机的电子快门的曝光时间和光圈进光量直到实际区域灰度值偏差在设定阈值之内。在本专利技术中，图像处理对光线要求比较高，在获得图像之前进行局部灰度值处理，以提高图像的后续处理精度。
[0027]S3对获取的盲文图像进行校正、非局部均值去噪预处理，其中，对获取的盲文图像进行校正为现有的方法，在此不再赘述。非局部均值去噪是利用整幅图像来进行去噪，以图像块为单位在图像中寻找相似区域，再对这些区域求平均，能够比较好地去掉图像中存在的高斯噪声，去噪的效果如图3所示，与现有的平滑技术相比去噪的效果更好。
[0028]S4 卷积特征提取；创建11
×
11卷积核，11
×
11卷积核为：然后对输入的盲文图像进行卷积运算提取出盲文点，得到的结果如图4所示。卷积运算的过程为：首先，创建一个二维的滤波器矩阵即卷积核和一个要处理的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积算法的盲文提取翻译方法，其特征在于包括如下步骤：S1 对获取的盲文图像进行校正、非局部均值去噪预处理；S2卷积特征提取；创建11
×
11卷积核，11
×
11卷积核为：[0，0，0，0，0，
‑
1，0，0，0，0，0]，[0，0，0，0，0，0，0，0，0，0，0]，[0，0，0，0，0，0，0，0，0，0，0]，[0，0，0，0，0，0，0，0，0，0，0]，[0，0，0，0，0，0，0，0，0，0，0]，[
‑
1，0，0，0，0，4，0，0，0，0，
‑
1]，[0，0，0，0，0，0，0，0，0，0，0]，[0，0，0，0，0，0，0，0，0，0，0]，[0，0，0，0，0，0，0，0，0，0，0]，[0，0，0，0，0，0，0，0，0，0，0]，[0，0，0，0，0，
‑
1，0，0，0，0，0]，然后对输入的盲文图像进行卷积运算提取出盲文点；S3盲文图像偏移校正；对提取的卷积特征图二值化，再经过迭代五次的膨胀运算，将每一行的盲文点单独连接起来，再经过轮廓提取，计算每一行轮廓的角度，...

【专利技术属性】
技术研发人员：王开来，缪文南，曹英烈，朱俊杰，钟俊豪，
申请(专利权)人：广州城市理工学院，
类型：发明
国别省市：