字符识别基于matlab模板匹配（区域生长法）字母+数字识别含Matlab源码 1214期

0 引言

在高校教学过程中，考试是最为普遍的一种教学评估、综合练习的教学手段，随着科技进步，考试阅卷的方式也发生了巨大的变革。传统的阅卷方式主要以人工阅卷为主， 存在效率低下等不足； 现代的阅卷方式采用了光学标记识别(Optica Mark Recognition， OMR) 技术， 考生只需在答题卡上填涂， 计算机会通过对答题卡进行处理从而实现自动阅卷， 但这种方式需使用特别设计的答题卡与铅笔，并且遵循一定的填涂规范。以上两种方法均给老师、考生带来了一定的限制，耗费了较多的时间；因此为了让被试者灵活、高效的进行答题，对手写体的字符识别进行研究十分有必要。

手写体的字符识别按照采取的技术路线大体上分为两类：一类是特征提取法；另一类是神经网络法。特征提取法按照提取字符特征的不同又可分为两类：一类是基于轮廓、结构特征的字符识别算法，这类算法通过识别字符图像的轮廓特征、端点特征、凹凸结构特征等，对字符进行细化处理，采用模板匹配的方式实现手写字符的自动识别。这类方式虽然能够对字符的结构进行直观地描述，但是对于噪声及产生形变的字符不能很好的识别，缺乏鲁棒性。

另一类是基于统计特征的手写体字符识别算法，这类算法通过对大量的样本训练相应的分类器，并利用这些分类器对待识别字符进行分类。优点是当采样样本足够充分时，这类方法能够具有较好的识别效果；缺点就是往往不能构造足够丰富的样本。神经网络法得到较高的识别率，但需要对大量样本进行训练，耗费较多时间，降低了识别的实时性；即使对神经网络进行改进、优化，也没有从根本上弥补其不足。

在考试中由于被试者的书写风格不一造成了手写字符的形态各异的特点，这就决定了在手写字符的识别中单一方案不会得到很好的识别效果。试卷客观题的评阅中，大多只包含A、B、C、D四个字符，字符个数少，仅对A~D四个字符进行识别能够得到较好的阅卷效率及较高的正确识别率。针对手写英文字母的特点及应用场景，