马 玲，罗晓曙，蒋品群

广西师范大学 电子工程学院，广西 桂林541004

1 引言

食品、药品的生产日期及有效期一般是使用点阵字符打印在包装袋上，当发生安全事故时，很容易溯源，并找出故障原因并追责，因此研究与开发自动点阵字符识别系统不仅可以有效保证食品、药品安全，而且可以减少质量控制过程中所需的劳动力成本。

目前针对基于点阵字符的识别研究，主要分为三种方法：基于人工神经网络的方法、基于统计学识别的方法和基于匹配识别的方法[1-3]。由于人工神经网络一般需要大量样本，很难在样本数据有限及识别环境复杂的情况下取得很好的识别效果。例如，文献[1]采用卷积神经网络对易拉罐点阵字符进行识别，文献[2]采用基于HALCON的乳制品箱体点阵字符进行识别，这两种方法都只针对原始采集到的图像，且只包含点阵字符，而不包含其他非点阵字符信息，但是实际生活中产品外包装上的信息一般包括点阵字符信息和非点阵字符信息，因此这两种方法有一定局限性。那么，基于统计学识别的方法和基于匹配识别的方法就成为目前点阵字符识别研究的热点。文献[3]提出了一种针对LED点阵文本检测与识别的方法，考虑了复杂背景下的点阵字符识别，对本文有一定的参考价值，但是该方法的总体识别率不高。与以上方法不同的是，本文提出了一种基于模板匹配和支持向量机（Support Vector Machine，SVM）的组合识别方法。本文方法与传统字符识别方法相比考虑了两点实际问题：第一，充分利用点阵字符的离散性质，在包含其他非点阵字符信息的图像中自动定位出点阵字符区域，这对于复杂背景下的点阵字符识别具有一定意义。……