题目：基于PCNN的工业现场OCR算法研究

随着社会和经济发展，物联网概念的提出，实现产品链条可追溯在生产过行程中具
有重要意义。激光喷码广泛应用于产品编码打印。为了识别激光码，需要用到光学字符
识别（OCR）技术。由于生产现场环境复杂、光照不均等原因，所得图像模糊不清、 成
像质量较差，这对光学字符的识别方法提出了更高要求。本文研究工业字符的预处理、
分割以及识别等几个方面的算法，并在实际应用领域做了一些工作。
（1）针对工业现场图成像质量差、产生噪声多的特点及工业线上识别高速高准确
度的要求， 提出基于模糊理论的 PCNN （脉冲耦合神经网络） 快速滤波算法， 利用 PCNN
检测噪声点， 对 PCNN 模型的集群点火特性进行了分析， 提出了寻找噪声点的成立条件，
确定了初始阈值的选择标准，避免了 PCNN 多次迭代对算法速度的影响。在准确检测到
噪声点后，引入模糊算法，归纳噪声点归属的模糊集，构造合适的模糊规则，在确定隶
属函数的基础上，寻找最大的隶属度，针对噪点进行模糊滤波。
（2）针对图像的二值化问题，研究 PCNN 模型中迭代循环的参数设定，提出一种
基于 PCNN 的参数自适应二值化算法。采用统计学分析确定神经网络自适应参数，解决
PCNN 模型复杂、参数多的问题，实现对模糊字符的二值分割。试验结果表明，该算法
处理后的图像区分度高，有较强适用性。
（3）提出一种基于连通域法的 PCNN 分割算法，结合 PCNN 模型和连通域思想，
结合了两种方法的优势，利用 PCNN 模型的集群脉冲输出特性检测并标记字符边缘， 在
确定边缘的基础上利用连通域法标记连通域，进而进行分割，通过有限次的 PCNN 循环
得到边缘后，可以有效减少连通域标记所需的判断时间，提高处理效率。随后提出了基
于 PCNN 理论的字符识别算法，利用字符归一化后的九宫格获取字符的特征数组，并以
此来识别字符。该算法简单有效，取得了较好的实验效果。
最后，利用 Visual C# 平台，设计并实现一种 OCR 系统，将整个流程各个步骤的
识别算法移植到系统中，获得了较为满意的处理效果。