智能图像识别在初中几何自动阅卷中的应用研究
发布时间：2024-03-29 23:59
机器自动阅卷是教育智能化的重要研究领域之一,但目前只有客观题的自动阅卷技术得到了应用,各科目主观题的自动阅卷还没有达到实用程度。初中几何主观题的阅卷需要综合考虑逻辑推理、语义理解、作图和辅助线添加结果对比等诸多难题。本文主要研究几何图形全局特征的提取和基于卷积神经网络的几何图形识别方法,并应用于初中几何主观题阅卷中的图形检测和识别业务环节。主要研究内容包括如下几点:(1)研究并实现印刷体扫描图片中几何图形的边和顶点的提取算法。以霍夫直线检测结果为输入,实现边提取算法,合并属于同一条边的多条线段,输出几何图形中各边端点。设计顶点提取算法,通过获取各边端点和交点提取顶点坐标,并提取每个顶点的关联边。(2)研究和实现几何图形拓扑结构的提取算法。以几何图形中的边和顶点信息为输入,设计和实现拓扑结构提取算法,获取各顶点在其所有关联边上的邻接顶点,并以各顶点之间的邻接关系描述几何图形拓扑结构。(3)研究和实现同构图形生成算法。根据同构几何图形的特点,设置同构图形生成原则。根据顶点关联边特点和自身特性,判断顶点移动性、确定顶点移动范围。以几何图形拓扑结构为输入,移动每个可移动顶点构造同构图形库。(4...
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景和意义
1.2 研究历史和现状
1.2.1 自动阅卷研究现状
1.2.2 图形识别研究现状
1.2.3 图像识别研究现状
1.3 研究内容
1.4 论文组织结构
第2章 相关技术
2.1 直线检测算法
2.1.1 霍夫变换
2.1.2 Radon变换
2.1.3 最小二乘法
2.1.4 随机抽样一致性算法
2.1.5 Freeman链码
2.1.6 直线段检测算法
2.2 卷积神经网络
2.2.1 卷积神经网络概述
2.2.2 卷积神经网络特点
2.2.3 经典卷积神经网络
2.2.4 卷积神经网络的工作机制
2.3 本章小结
第3章 基于霍夫直线检测的几何图形拓扑结构提取算法
3.1 图像预处理
3.2 霍夫直线检测
3.2.1 霍夫变换基本原理
3.2.2 统计概率霍夫变换
3.2.3 几何图形直线检测
3.3 图形边的提取算法
3.3.1 边提取算法流程
3.3.2 线段聚类标准
3.3.3 线段聚类
3.3.4 线段合并
3.4 图形顶点的提取算法
3.4.1 顶点提取算法设计原理
3.4.2 生成顶点数组
3.4.3 补充关联边
3.4.4 顶点合并
3.4.5 顶点提取算法流程
3.5 图形拓扑结构的提取算法
3.6 实验结果和分析
3.6.1 图像预处理
3.6.2 边提取实验及影响因素分析
3.6.3 顶点提取实验
3.6.4 边提取结果对顶点提取的影响
3.6.5 拓扑结构提取实验
3.6.6 边、顶点的提取与拓扑结构提取的关系
3.7 本章小结
第4章 基于图形同构及CNN的几何图形识别方法
4.1 手绘图形识别问题
4.2 同构几何图形生成原理
4.2.1 同构几何图形生成原则
4.2.2 判定图形顶点移动性
4.2.3 确定图像顶点移动范围
4.3 同构几何图形自动生成算法
4.3.1 校准边的端点
4.3.2 关联边移动性
4.3.3 顶点移动性及移动范围
4.3.4 算法步骤
4.4 基于CNN的识别算法实现
4.4.1 TensorFlow框架
4.4.2 卷积神经网络结构设计
4.5 算法实现与结果分析
4.5.1 同构图形生成
4.5.2 构建训练集
4.5.3 基于CNN的几何图形识别方法
4.6 本章小结
第5章 几何图形识别方法的应用
5.1 辅助线获取
5.2 中英文字符混合识别
5.3 流程图识别
5.4 本章小结
结论
参考文献
攻读硕士学位期间的研究成果
致谢
本文编号：3941499
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景和意义
1.2 研究历史和现状
1.2.1 自动阅卷研究现状
1.2.2 图形识别研究现状
1.2.3 图像识别研究现状
1.3 研究内容
1.4 论文组织结构
第2章 相关技术
2.1 直线检测算法
2.1.1 霍夫变换
2.1.2 Radon变换
2.1.3 最小二乘法
2.1.4 随机抽样一致性算法
2.1.5 Freeman链码
2.1.6 直线段检测算法
2.2 卷积神经网络
2.2.1 卷积神经网络概述
2.2.2 卷积神经网络特点
2.2.3 经典卷积神经网络
2.2.4 卷积神经网络的工作机制
2.3 本章小结
第3章 基于霍夫直线检测的几何图形拓扑结构提取算法
3.1 图像预处理
3.2 霍夫直线检测
3.2.1 霍夫变换基本原理
3.2.2 统计概率霍夫变换
3.2.3 几何图形直线检测
3.3 图形边的提取算法
3.3.1 边提取算法流程
3.3.2 线段聚类标准
3.3.3 线段聚类
3.3.4 线段合并
3.4 图形顶点的提取算法
3.4.1 顶点提取算法设计原理
3.4.2 生成顶点数组
3.4.3 补充关联边
3.4.4 顶点合并
3.4.5 顶点提取算法流程
3.5 图形拓扑结构的提取算法
3.6 实验结果和分析
3.6.1 图像预处理
3.6.2 边提取实验及影响因素分析
3.6.3 顶点提取实验
3.6.4 边提取结果对顶点提取的影响
3.6.5 拓扑结构提取实验
3.6.6 边、顶点的提取与拓扑结构提取的关系
3.7 本章小结
第4章 基于图形同构及CNN的几何图形识别方法
4.1 手绘图形识别问题
4.2 同构几何图形生成原理
4.2.1 同构几何图形生成原则
4.2.2 判定图形顶点移动性
4.2.3 确定图像顶点移动范围
4.3 同构几何图形自动生成算法
4.3.1 校准边的端点
4.3.2 关联边移动性
4.3.3 顶点移动性及移动范围
4.3.4 算法步骤
4.4 基于CNN的识别算法实现
4.4.1 TensorFlow框架
4.4.2 卷积神经网络结构设计
4.5 算法实现与结果分析
4.5.1 同构图形生成
4.5.2 构建训练集
4.5.3 基于CNN的几何图形识别方法
4.6 本章小结
第5章 几何图形识别方法的应用
5.1 辅助线获取
5.2 中英文字符混合识别
5.3 流程图识别
5.4 本章小结
结论
参考文献
攻读硕士学位期间的研究成果
致谢
本文编号：3941499
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3941499.html