摘要
随着我国民主进程的不断发展，选举活动中对选票方式的需求逐渐增加。经过对多种选票方式的研究比较，发现基于纸质票的选票是一种在日常生活中被广泛使用且具有较高公信力的方式。为了保留最原始的纸质票选方式，并解决人工统计票数效率低的问题，本文研究了一种基于图像智能识别的纸质选票自动统计系统，选民可以在纸质票上填写勾（√）、圈（O）、叉（ × ）符号表达自己的意见，系统则利用图像处理相关技术对纸票实现自动识别和统计。本研究深入分析了系统在识别纸票过程中会遇到的问题，并提出了相应的解决方案： (1) 针对纸质选票图像易受噪音等客观因素干扰，纸票上信息识别困难的问题，本文提出了一种基于主成分分析的改进型限制对比度自适应直方图均衡化算法，来增强图像上的细节信息。该算法首先利用主成分分析方法去除图像的噪音，接着利用模糊裁剪技术自适应调整模糊半径和限制对比度自适应直方图均衡化算法中的剪切点，最后应用改进的各向异性扩散滤波器对图像进行平滑处理。为了验证所提出的算法能有效改善图像的质量，本文在三个公共数据集和一个自采选票图像数据集上进行了实验，并使用信息熵、均方误差和峰值信噪比三个指标进行了性能分析和评价。实验结果表明，该算法能够显著改善图像的质量，也使得图像在保留细节的同时更加平滑，同时也为随后在纸票上进行的符号识别任务提供了更高质量的图像。 (2) 针对传统方法中利用像素值识别手写符号需要设计大量规则的问题，本文提出了一种基于AlexNet网络的手写符号识别方法。实验采集了50余名学生书写的300例样本数据，并通过数据增强的方法扩充了数据集，共得到3000张手写符号样本，解决了手写符号数据集匮乏的问题。通过反复调参实验确定了适合该网络训练的参数，测试集结果显示，对于三种手写符号的识别率为符号“√”98%，符号“O”97%，符号“×”94%。实验证明，相比传统的识别方法，本文选定AlexNet网络模型作为纸票符号的识别算法，能够显著提高符号识别的准确率，同时为手写符号识别分类提供了一种新的思路。 (3) 为了使选票统计系统能够得到应用，本文采用 PyQt 框架构建了一款选票智能识别和统计系统。该系统采用Qt Designer设计了用户友好的交互界面，并应用了本文提出的算法进行选票识别和统计。用户通过该界面直接操作系统，实时观察选票统计流程。经过测试，系统能够在几秒钟内给出单张选票的结果，在几分钟内给出百张选票的结果。相较于现有的人工统计方式，该系统既保留了传统纸质选票的方式，又解决了纸质选票统计效率低的问题，具有较高的实用性和应用价值。
NETL