機器自動閱卷是教育智能化的重要研究領(lǐng)域之一,但目前只有客觀題的自動閱卷技術(shù)得到了應(yīng)用,各科目主觀題的自動閱卷還沒有達到實用程度。初中幾何主觀題的閱卷需要綜合考慮邏輯推理、語義理解、作圖和輔助線添加結(jié)果對比等諸多難題。本文主要研究幾何圖形全局特征的提取和基于卷積神經(jīng)網(wǎng)絡(luò)的幾何圖形識別方法,并應(yīng)用于初中幾何主觀題閱卷中的圖形檢測和識別業(yè)務(wù)環(huán)節(jié)。主要研究內(nèi)容包括如下幾點:(1)研究并實現(xiàn)印刷體掃描圖片中幾何圖形的邊和頂點的提取算法。以霍夫直線檢測結(jié)果為輸入,實現(xiàn)邊提取算法,合并屬于同一條邊的多條線段,輸出幾何圖形中各邊端點。設(shè)計頂點提取算法,通過獲取各邊端點和交點提取頂點坐標,并提取每個頂點的關(guān)聯(lián)邊。(2)研究和實現(xiàn)幾何圖形拓撲結(jié)構(gòu)的提取算法。以幾何圖形中的邊和頂點信息為輸入,設(shè)計和實現(xiàn)拓撲結(jié)構(gòu)提取算法,獲取各頂點在其所有關(guān)聯(lián)邊上的鄰接頂點,并以各頂點之間的鄰接關(guān)系描述幾何圖形拓撲結(jié)構(gòu)。(3)研究和實現(xiàn)同構(gòu)圖形生成算法。根據(jù)同構(gòu)幾何圖形的特點,設(shè)置同構(gòu)圖形生成原則。根據(jù)頂點關(guān)聯(lián)邊特點和自身特性,判斷頂點移動性、確定頂點移動范圍。以幾何圖形拓撲結(jié)構(gòu)為輸入,移動每個可移動頂點構(gòu)造同構(gòu)圖形庫。(4...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 研究歷史和現(xiàn)狀
        1.2.1 自動閱卷研究現(xiàn)狀
        1.2.2 圖形識別研究現(xiàn)狀
        1.2.3 圖像識別研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)技術(shù)
    2.1 直線檢測算法
        2.1.1 霍夫變換
        2.1.2 Radon變換
        2.1.3 最小二乘法
        2.1.4 隨機抽樣一致性算法
        2.1.5 Freeman鏈碼
        2.1.6 直線段檢測算法
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)概述
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)特點
        2.2.3 經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)
        2.2.4 卷積神經(jīng)網(wǎng)絡(luò)的工作機制
    2.3 本章小結(jié)
第3章 基于霍夫直線檢測的幾何圖形拓撲結(jié)構(gòu)提取算法
    3.1 圖像預(yù)處理
    3.2 霍夫直線檢測
        3.2.1 霍夫變換基本原理
        3.2.2 統(tǒng)計概率霍夫變換
        3.2.3 幾何圖形直線檢測
    3.3 圖形邊的提取算法
        3.3.1 邊提取算法流程
        3.3.2 線段聚類標準
        3.3.3 線段聚類
        3.3.4 線段合并
    3.4 圖形頂點的提取算法
        3.4.1 頂點提取算法設(shè)計原理
        3.4.2 生成頂點數(shù)組
        3.4.3 補充關(guān)聯(lián)邊
        3.4.4 頂點合并
        3.4.5 頂點提取算法流程
    3.5 圖形拓撲結(jié)構(gòu)的提取算法
    3.6 實驗結(jié)果和分析
        3.6.1 圖像預(yù)處理
        3.6.2 邊提取實驗及影響因素分析
        3.6.3 頂點提取實驗
        3.6.4 邊提取結(jié)果對頂點提取的影響
        3.6.5 拓撲結(jié)構(gòu)提取實驗
        3.6.6 邊、頂點的提取與拓撲結(jié)構(gòu)提取的關(guān)系
    3.7 本章小結(jié)
第4章 基于圖形同構(gòu)及CNN的幾何圖形識別方法
    4.1 手繪圖形識別問題
    4.2 同構(gòu)幾何圖形生成原理
        4.2.1 同構(gòu)幾何圖形生成原則
        4.2.2 判定圖形頂點移動性
        4.2.3 確定圖像頂點移動范圍
    4.3 同構(gòu)幾何圖形自動生成算法
        4.3.1 校準邊的端點
        4.3.2 關(guān)聯(lián)邊移動性
        4.3.3 頂點移動性及移動范圍
        4.3.4 算法步驟
    4.4 基于CNN的識別算法實現(xiàn)
        4.4.1 TensorFlow框架
        4.4.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    4.5 算法實現(xiàn)與結(jié)果分析
        4.5.1 同構(gòu)圖形生成
        4.5.2 構(gòu)建訓(xùn)練集
        4.5.3 基于CNN的幾何圖形識別方法
    4.6 本章小結(jié)
第5章 幾何圖形識別方法的應(yīng)用
    5.1 輔助線獲取
    5.2 中英文字符混合識別
    5.3 流程圖識別
    5.4 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間的研究成果
致謝



本文編號：3941499