1. 研究目的与意义
随着时代的发展，科技的进步，机器在越来越多的领域起着重要作用，从方方面面影响着人们的生活。人们有超过80%的信息是通过视觉获取的，视觉是人类认识外部世界的重要途径。在生产过程中，人们将机器与视觉结合起来，使得机器具备了人的视觉，也具备了人获取外界信息的方式[1]。机器视觉技术通过图像拍摄装置完成图像采集，并对图像进行处理，获取信息以控制机器运动装置。
光学字符识别（ocr）技术是机器视觉技术的一个重要分支，这一概念最早是由德国科学家tausheck[1]提出的。近几十年来，中国高速发展，对识别技术的需求和要求越来越高。我国在ocr领域起步较晚，但发展势头十分迅猛，已经广泛应用在人们日常生产生活的方方面面。比如，物流信息扫描，车牌号码智能识别，扫描翻译等，给人们的生活提供了许多便利。为了能够推动知识的传播和发展，给人们的学习生活提供更多的帮助，越来越多的人加入到了机器视觉在知识学习领域的应用中来。而在本课题中，主要针对的是知识学习领域的文本检测，旨在实现计算题的自动求解。对图片信息的处理过程中，除了文本识别外，数学字符识别也是不可或缺的一部分。由于数学字符结构的多样性和复杂性，以及数学符号的多义性，对数学算式进行精准识别和理解成为了本课题的主要研究部分，具有广阔的发展空间和极高的研究价值[2]。然而，国内主流市场上，拍照计算的软件只占有很少的部分，多数是题目查询软件。例如，国内某款应用软件，可以通过扫描题目，搜索出最为匹配的答案。然而，再精确的匹配都会有错误的出现，搜索出的答案的准确度自然没有直接进行自动计算来的高。因此，有越来越多的国内外有志之士参与到这一课题的研究中来。种种迹象表明，机器视觉背景下计算题求解问题还有很多方面需要不断探索，其实用化发展也将继续深入下去。
课题中研究基于机器视觉的计算题自动求解问题，总体流程包括了从图像的采集，到数学计算题的识别与理解，最后是针对提取后数学算式的自动求解。将这一研究成果付诸实践，既可以帮助学生检验计算结果是否正确，同时也可以帮助老师在阅卷或检查作业的时候提高效率。另外，它还可以通过设置不同的使用权限，给予使用者最恰当的帮助。而课题中计算题的识别部分可以通过推广至各类公式的识别，帮助推进书籍文献的电子化，推动知识传播的进程。这一研究影响着人类的学习生活，既提高了人们学习的效率，又提高了人们获取知识的正确率。在未来生活中可以做到专业化，也可以做到日常化，因此展开这一课题的研究很有必要。
2. 研究内容和预期目标
研究内容：本课题通过机器视觉技术，完成对数学计算题的提取和自动求解。在这一过程中，主要研究计算题的字符识别、结构分析和语法分析。如何正确地分析算式的结构和语义，将其转换为计算机理解的计算含义并实现自动求解，是本课题的技术难点所在。
预期目标：本课题期望在经过处理分析后，能够精确地分割和识别字符，同时能够将图像中的数学算式转换为计算机理解的语言，分析其计算含义，然后呈现出自动计算的结果。并且，将自动计算的结果与手动计算的结果进行对比，进行对错判定，期望两者高度重合，自动计算的结果具有高正确率。
3. 研究的方法与步骤
研究方法：使用matlab平台，完成对图像的预处理。字符分割、字符识别和结构分析是研究中的主要方面和重难点所在。其中字符分割采用投影法，然后进行大小归一，再进行模板匹配识别数学字符。结构分析采用基准线结构数树算法来解决问题，对计算题中的各数学字符进行优先级比较和结构拆分，生成结构树，导入编辑器，求得计算结果。
研究步骤：
（1）明确研究内容和目标，查阅相关资料和文献。
4. 参考文献
[1] 郝学智．基于机器视觉的复杂背景下的数字字符识别[d]．郑州大学：2018
[2] 史广顺．数学公式图像的结构理解与重现[j]．智能系统学报，2008，3(5)：29-35
[3] ahmad-montaser awal，harold mouchère, and christian viard-gaudin. a global learning approach for an online handwritten mathematical expression recognition system[j].pattern recodnition letters., 2014,35(1):68-77
5. 计划与进度安排
（1）2月1日至2月23日：明确设计目的，查阅相关文献，根据阅读的资料文献初步了解设计的原理以及实现的方法，同时完成英文文献的翻译工作。
（2）2月24日至3月8日：完成开题报告初稿并修改。
（3）3月9日至3月15日：掌握matlab平台的使用方法。
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
