题目：基于小波变换的工业现场OCR技术研究

计算机智能处理的OCR（Optical Character Recognition，光学字符识别）已广泛用于智能监控与物流识别中。为了防止假冒伪劣，对产品进行质量监控和跟踪调查，工业字符编码已成为产品信息的重要组成部分。但是传统的OCR技术对图像质量要求较高，对于工业现场恶劣的成像环境已无法满足实际需求。因此研究工业现场复杂情况下的字符识别具有重要的理论与实际价值。本文研究了工业图像字符前景提取、字符分割、小波矩特征提取、支持向量机分类以及算法的实际应用等关键技术，设计并实现了基于小波变换的工业OCR系统。

针对工业现场环境干扰较大、成像背景较复杂等特点，本文提出了一种基于灰度信息和边缘信息的字符前景提取方法，该方法可在复杂的工业图像上有效的区分目标和背景以及边缘细节信息，可获得良好的字符前景提取效果。

为适应工业图像字符排列紧密，间距不均，背景干扰，字符粘连断裂等情况，本文在充分研究常用分割算法效果的基础上，提出了一种基于连通域定位，基于小波分析寻找字符外轮廓距离的局部极小值点的字符分割算法。通过对实际工业字符图像的实验结果分析表明该算法可以有效的实现分割。

为适应工业现场字符位置的随机性，选取小波矩进行特征提取。为了克服小波矩特征提取计算量大、且没有统一的方法选取有效特征的困难。本文提出了一种基于边缘小波矩的特征提取算法，该算法在提高小波矩特征有效性的同时可大大降低算法耗时。实际处理结果表明，基于边缘小波矩的算法对图像适应性好且效率较高。

最后，设计了软件系统框架，详细介绍了系统架构设计、性能评测以及各部分功能，开发了一套实际的应用系统，并进行了大规模的应用测试，满足工业现场的要求。