張一飛

摘 要：網(wǎng)絡(luò)閱卷模式隨著教育信息化的發(fā)展和相關(guān)技術(shù)水平的進(jìn)步，已經(jīng)成為一種非常流行的考試信息化解決方案。在網(wǎng)絡(luò)閱卷中，圖像識別的最終目的是識別試卷圖像上的涂點(diǎn)信息，正確判別考生的填涂結(jié)果。文中介紹了一種基于動態(tài)閾值的涂點(diǎn)識別算法，并對該方法進(jìn)行了理論分析和推導(dǎo)，證明其具有很高的實(shí)際應(yīng)用價(jià)值。

關(guān)鍵詞：動態(tài)閾值；涂點(diǎn)識別；網(wǎng)絡(luò)閱卷；信息化

中圖分類號：TP393 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2016）11-00-02

0 引 言

隨著在線教育和教育信息化的發(fā)展和推廣，網(wǎng)絡(luò)閱卷模式被越來越多的學(xué)校和教育機(jī)構(gòu)所接受，已經(jīng)逐漸成為一種業(yè)界通行的考試閱卷方案。具體來說，網(wǎng)絡(luò)閱卷主要指學(xué)生參加紙質(zhì)考試后，通過獲取圖像、圖像識別、客觀題判分、主觀題閱卷、成績匯總幾個(gè)步驟，實(shí)現(xiàn)公平、公正判分，并生成成績統(tǒng)計(jì)分析結(jié)果的過程。

網(wǎng)絡(luò)閱卷流程的最終目的是實(shí)現(xiàn)涂點(diǎn)的識別，而涂點(diǎn)識別的目的是為了準(zhǔn)確判定考生的填涂情況。一般來說，網(wǎng)絡(luò)閱卷中使用識別模板對圖像進(jìn)行識別，在識別區(qū)域中，通過采集識別區(qū)域像素點(diǎn)的灰度值，利用閾值對圖像進(jìn)行二值化處理，從而判定涂點(diǎn)的填涂密度，確定填涂與否。這種判斷方式的最大問題在于閾值的選取，若選取閾值過低，或填涂較輕的涂點(diǎn)則無法識別，閾值過高又可能誤識別一些沒有填涂的圖像。因此可以考慮一種基于動態(tài)閾值的涂點(diǎn)識別算法，根據(jù)圖像像素灰度的分布確定實(shí)際閾值，根據(jù)計(jì)算后的閾值進(jìn)行二值化處理和涂點(diǎn)密度的計(jì)算。此外，由于試卷圖像在印刷、學(xué)生填涂以及掃描過程中，無可避免的會產(chǎn)生一定的噪聲信息，因此需要對圖像上的噪聲進(jìn)行去噪處理。

1 涂點(diǎn)區(qū)域的特征

1.1 涂點(diǎn)信息類型

網(wǎng)絡(luò)閱卷系統(tǒng)獲取的試卷圖像上可能存在多種涂點(diǎn)信息。具體來說可分為以下幾類：

（1）考生信息數(shù)據(jù)?？忌畔丝忌目继?、姓名、班級等個(gè)人信息，其中考號信息是最關(guān)鍵的信息，因?yàn)槠湮ㄒ粯?biāo)識了一張?jiān)嚲淼臍w屬情況。

（2）客觀題填涂數(shù)據(jù)。無論任何形式的網(wǎng)絡(luò)閱卷，其客觀題填涂信息一定是被系統(tǒng)識別并供后續(xù)判分使用的，因?yàn)檫@是保證網(wǎng)絡(luò)閱卷高速、公平、準(zhǔn)確判分的基礎(chǔ)。

（3）其他試卷信息。在試卷上還會存在一些其他類型的試卷信息，例如缺考標(biāo)記、學(xué)科標(biāo)記、選做題選做標(biāo)記等，這些標(biāo)記均以涂點(diǎn)的形式存在。

對于客觀題填涂信息而言，涂點(diǎn)識別的結(jié)果直接反映了學(xué)生填涂的結(jié)果，即學(xué)生作答的答案。對于其他試卷涂點(diǎn)信息，涂點(diǎn)識別的結(jié)果主要是學(xué)生在答題時(shí)的一些關(guān)鍵判別信息，如對試卷科目、缺考情況的認(rèn)定以及學(xué)生答題的輔助信息，如選做題的選做標(biāo)記信息等。

1.2 涂點(diǎn)的噪聲

一個(gè)典型客觀題區(qū)域經(jīng)掃描后圖像放大如圖1所示。由圖1可見，涂點(diǎn)區(qū)域的噪聲主要有隨機(jī)噪聲和邊緣噪聲兩種。

（1）隨機(jī)噪聲。隨機(jī)噪聲是指圖像上的一些干擾像素點(diǎn)的灰度深度隨機(jī)分布。隨機(jī)噪聲對于圖像信息的提取有很大的干擾作用，由圖1可見，填涂區(qū)域的周圍及內(nèi)部均存在一定程度的高斯噪聲。而在無噪聲條件下，這些噪聲點(diǎn)的位置像素應(yīng)該和背景色相同。

（2）邊緣噪聲。邊緣噪聲是指圖像中存在的尖銳邊緣，其定義主要取決于這些邊緣對有效信息的提取是正作用還是負(fù)作用。在客觀題填涂區(qū)域的識別當(dāng)中，填涂區(qū)域的邊框和填涂區(qū)域內(nèi)部的字母A＼B＼C＼D等標(biāo)記均為邊緣噪聲，其對客觀題填涂密度的識別有抑制作用，降低了像素灰度的分布空間。

（2）前景和背景的類間方差是0，1，0，1 的函數(shù)，而它們又是t的函數(shù)，因此可對每一個(gè)t級別做遍歷，統(tǒng)計(jì)對應(yīng)的前景像素比例0，背景像素比例1以及對應(yīng)的灰度均值0，1，從而計(jì)算出對應(yīng)每一個(gè)t值的類間方差g （t）。

（3）選擇類間方差最大的點(diǎn) g=max {g （t）}，即得到該區(qū)

域的閾值t。

（4）由于該算法計(jì)算出的閾值可以隨圖像的顏色深淺和黑白對比程度動態(tài)變化，但涂點(diǎn)識別需要將盡可能多的點(diǎn)判定為黑點(diǎn)，因此需要對閾值t做加權(quán)處理，取權(quán)重為1.3，即最終閾值t0=t×1.3。若加權(quán)后的閾值大于255，則取t0=255。

2.4 涂點(diǎn)密度計(jì)算

確定動態(tài)閾值后，即可計(jì)算涂點(diǎn)的填涂密度。設(shè)計(jì)算得到的閾值為t0，則灰度值小于t0的像素點(diǎn)個(gè)數(shù)統(tǒng)計(jì)為n0，總像素點(diǎn)數(shù)為涂點(diǎn)寬度與高度的乘積m×n，即可得涂點(diǎn)密度=n0/（m×n）。若>0.75，則認(rèn)為該點(diǎn)已被填涂。

3 結(jié) 語

本文介紹了網(wǎng)絡(luò)閱卷中涂點(diǎn)識別的意義和主要內(nèi)容，分析了涂點(diǎn)信息的類型和涂點(diǎn)噪聲的形式，提出了一種基于動態(tài)閾值的涂點(diǎn)識別算法，并對算法流程、去噪處理、動態(tài)閾值的計(jì)算進(jìn)行了理論分析和推導(dǎo)。該方法可以有效避免填涂深淺帶來的閾值選取問題，根據(jù)實(shí)際圖像灰度分布計(jì)算閾值，具有較高的實(shí)用價(jià)值。

參考文獻(xiàn)

[1]宋錦秀.基于圖像識別的答題卡自動閱卷研究[J].中小學(xué)電教月刊，2015（8）：69.

[2]吳翔，夏英杰，李金屏.一種答題卡的自動閱讀方法[J].濟(jì)南大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，28（4）：246-250.

[3]楊青燕，彭延軍.基于灰度圖像的答題卡識別技術(shù)[J].山東科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，28（3）：99-102.

[4]李清.基于圖像識別的網(wǎng)上閱卷系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)與優(yōu)化[D].長春：東北師范大學(xué)，2013.