高保平，白瑞林，温振市

（江南大学 智能控制研究所轻工过程先进控制教育部重点实验室，江苏 无锡214122）

0 引 言

将字符识别技术应用于工业生产中，可以提高生产的自动化程度，便于产品的智能化管理。特征提取是字符识别中的一个重要环节。工业器件上的字符容易受到工业现场环境（噪声，拍摄角度，光线明暗等）的影响，给识别造成一定困难。如何降低外界干扰引起的不确定性，提取出有效的、维数尽可能少的特征向量，提高识别系统的准确性和实时性，是字符特征提取面临的关键问题。

字符识别中常用的特征可以分为结构特征和统计特征两大类［1］。轮廓层次属于结构特征的一种。用轮廓描述字符的特征符合人的感官认知过程，而且轮廓层次特征易于提取，在分类效果上较其他特征提取方法也具有一定的优势。文献 ［2］将轮廓层次特征用于手写字符的识别，采用两级分类器进行粗分类和细分类，识别率较好，但是由于系统的复杂性，识别速度有待提高。

文献 ［3］将网格特征和轮廓特征串行融合，作为K近邻分类器的分类依据进行车牌字符识别，其特征维数较高。轮廓层次特征虽然能较为全面的反应字符的结构层次，但是对于工业器件上的字符所处的复杂环境，其实用价值仍然会有一定的局限性。

本文利用小波变换多辨析分析的特点，提出了一种结合小波分解和轮廓层次的特征提取方法，克服了轮廓层次特征所存在的不足，对工业器件字符所处的复杂环境也有更好的适应性。……