CN104331688A - 一种雷管外壳点阵字符识别方法 - Google Patents

Abstract

本发明公开了一种雷管外壳点阵字符识别方法，属于图像处理与模式识别领域。该方法具体包括：1.对采集到的字符图像进行灰度化和二值化预处理；2.针对不连续字符图像进行形态学滤波和近邻域搜索校正；3.利用连通域切分法得到单个字符区域图像；4.将字符边界到区域边界的距离作为识别特征值，利用最小距离分类器和多级识别法获得最终识别结果。本发明提供了一种适用于断裂字符的识别方法，解决了雷管外壳字符识别效果差的问题。本发明还可用于产品标签、车牌号码、打印文档等的识别，具有应用前景广和便于在系统模块上实现的优点。

Description

一种雷管外壳点阵字符识别方法

技术领域

本发明属于模式识别领域，尤其涉及点阵字符的识别，具体为一种雷管外壳点阵字符识别方法。

背景技术

雷管作为一种易燃、易爆物品，对生产企业、周围居民及环境等都存在着威胁。雷管一旦爆炸，不仅涉及到企业自身的生产安全，还威胁着生产者和使用者的生命安全，易造成严重后果。

雷管编码是雷管使用单位对其进行有效管理的依据，只有对每个雷管进行编码才能方便记录其具体使用情况，因此雷管编码须具有唯一性。在雷管的具体管理过程中，对雷管编码进行提取，并研究其字符识别方法是对雷管进行有效管理的必要手段。随着雷管编码方式的多样化，利用激光对雷管进行编码成为目前的一种发展趋势，但由于成像背景不均匀使得点阵字符图像受到的噪声干扰较大，不利于字符的识别。另外，点阵字符的不连续使得雷管编码在识别过程中出现了断裂的情况，严重影响了字符的识别。出现字符断裂的原因主要体现在：第一，激光打点字符在图像中具体表现为点阵形式；第二，点阵字符与背景噪声不易区分。这些不仅造成了雷管编码识别率的降低，甚至会出现无法识别的情况。因此，通过研究断裂字符的提取来实现点阵字符的有效、合理识别具有重要的科学意义。

现有的字符图像识别方法大多基于光学字符识别(OpticalCharacter Recognition，OCR)技术来实现，且大多是针对印刷体文字识别和手写体文字识别来说的，如统计模式识别、结构模式识别和人工神经网络等，且取得了较好地研究成果。但由于这些方法在进行文字识别时针对的是连续型文字，而对于由字母A～Z和数字0～9组成的点阵字符来说却并不适用，且鲜有相关报道。因此，通过对雷管编码中的字符进行识别不仅具有重要的现实意义，而且弥补了现有字符识别技术只能处理连续字符的缺陷。

由上可知，目前急需一种能够有效提取断裂字符的方法，以实现雷管点阵字符的自动、有效识别。

发明内容

本发明为了解决点阵字符图像不能被有效提取的问题，提供了一种雷管外壳点阵字符识别方法，解决不均匀背景下不连续字符的提取问题，并根据所选特征值和多级分类方法得到识别结果。

本发明是采用如下的技术方案实现的：一种雷管外壳点阵字符识别方法，包括以下步骤：

S1：将摄相机固定，镜头与雷管外壳字符面垂直，字符面中的字符串和镜头画面保持水平，获取字符图像；

S2：由S1获得的字符图像为RGB三通道图像，对其进行灰度化，首先将字符图像的格式由RGB格式转换成YUV格式，取Y通道值为图像灰度值，得到灰度图像I，利用自适应局部阈值分割方法对灰度图像I进行二值化，得到二值化图像I′；

S3：对二值化图像I′采用形态学闭运算滤波，滤波后图像中的字符存在断裂时利用近邻域搜索连接法来保持所有字符的连通，具体过程如下：对滤波后图像中的每个字符连通区域进行标记并计算其面积，面积小于阈值TH的连通区域认为是字符断裂区域，从该字符连通区域向其周围八邻域搜索找到距离其最近的连通区域，然后把这两区域按照最近路径连接起来，每完成一次连接再重复上述过程，直到所有的被标记区域面积都大于阈值TH；

S4：对S3所获图像中的每个字符连通区域分别进行上、下、左、右四个方向的搜索，找到连通区域的边界点，并以此提取出一个矩形区域为单个字符区域，利用双线性插值法将每个字符区域进行归一化处理，以保持各个字符区域的大小一致，归一化尺寸大小应与模版库的字符块尺寸大小一致；

S5：计算字符区域中每一列或每一行的区域边界点到字符边界点的距离，若该列或行中无字符点则记为0，将字符边界到区域边界的四个距离作为特征值；

S6：利用多级分类法构建最小距离分类器，采用S5中四个特征值依次对每个切分字符进行识别，获得最终识别结果；

S7：将S6得到的最终识别结果保存至数据库或输出。

本发明效果在于：通过形态学滤波和近邻域搜索校正处理解决了不连续字符图像的提取问题，保持了字符的连通性，为后续的分类识别提供了基础。

附图说明

图1为本发明方法具体流程图；

图2为采集到的原始图像；

图3为二值化图像；

图4为字符校正图像；

图5为识别结果。

具体实施方式

图1为本发明方法流程图，以编码为6470306C18077的雷管为例具体实现步骤如下：

S1：图像的采集；将摄相机固定，镜头与雷管外壳字符面垂直，字符面中的字符串和镜头画面保持水平，采集字符图像；(在此以图2所采集到的原始图像为例来进行以下步骤的说明)

S2：图像的预处理；对采集到的图2的字符图像进行灰度化和二值化处理：

S21：图像灰度化；将采集得到的字符图像(图2所示)的格式由原来的RGB格式转化为YUV格式

$\left[\begin{array}{c}Y\\ U\\ V\end{array}\right]=\left[\begin{array}{c}R\\ G\\ B\end{array}\right]\left[\begin{array}{ccc}0.299& -0.148& 0.615\\ 0.587& -0.289& -0.515\\ 0.114& 0.437& \mathrm{0.1.00}\end{array}\right]---\left(1\right)$

其中，RGB和YUV为不同的颜色空间，R为红色通道、G为绿色通道、B为蓝色通道；Y为明亮度通道、U为色度通道、V为饱和度通道；

将Y通道值作为图2图像的灰度值，则得到的灰度图像I为

I＝Y＝0.299R+0.587G+0.114B   (2)

S22：图像的二值化；利用自适应局部阈值分割法对灰度图像I进行二值化处理，获得为二值化后的图像(如图3所示)：

首先计算灰度图像I在图像点(i,j)处的均值

$u(i,j)=\frac{\underset{m=-5}{\overset{m=5}{\mathrm{\Σ}}}\underset{n=-5}{\overset{n=5}{\mathrm{\Σ}}}I(i+m,j+n)}{{11}^2}---\left(3\right)$

然后利用均值得到图像点(i,j)处的阈值：

th(i,j)＝1.1×u(i,j)   (4)

将图像点(i,j)处的像素值I(i,j)与阈值th(i,j)相比，如果该点像素值I(i,j)大于或等于阈值th(i,j)，则将该像素点(i,j)标记为字符点，反之则标记为背景点，最后获得二值化图像I′

$I^{\&prime;}=\left\{\begin{array}{cc}0& I(i,j)<\mathrm{th}(i,j)\\ 255& I(i,j)\&GreaterEqual;\mathrm{th}(i,j)\end{array}\right.---\left(5\right)$

S3：图像的校正；对二值化图像I′进行形态学闭运算滤波和近邻域搜索连接，将不连续字符转换成连续字符(图4为字符校正图像)：

S31：形态学滤波；对二值图像I′采用形态学闭运算

I″＝I′·SE   (6)

其中，I″为形态学滤波后图像，·为形态学闭运算，SE为结构算子(在此以5×5的结构算子为例来说明)。

在去除背景噪声的同时，将断裂的字符连接起来；

S32：近邻域搜索连接；对滤波后图像中的每个字符连通区域进行标记并计算其面积S，将面积S小于阈值TH(200～300)的字符连通区域作为字符断裂区域，从该字符连通区域向其周围八邻域搜索找到距离其最近的连通区域，然后将这两个区域按照最近路径的方法连接起来，每完成一次连接再重复上述过程，直到所有的被标记区域面积S都大于阈值TH；

S4：图像的切分；采用基于连通域的方法对S3所获图像进行切分，提取单个字符，然后进行归一化处理得到切分字符：

S41：将S3所获图像中的每个连通区域作为一个字符区域，分别向上、下、左、右四个方向进行搜索，找到连通区域的边界点，并以此提取出一个矩形区域为单个字符区域；

S42：为了保持各个字符区域的大小一致，利用双线性插值对切分的单个字符区域进行归一化处理，且归一化尺寸大小应与模版库中字符块尺寸大小一致；

$\begin{array}{c}g(x,y)=f(i,j)(1-\mathrm{\&alpha;})(1-\mathrm{\&beta;})+f(i,j+1)(1-\mathrm{\&alpha;})\mathrm{\&beta;}+f(i+1,j)\mathrm{\&alpha;}(1-\mathrm{\&beta;})+f(i+1,j+1)\mathrm{\&alpha;\&beta;}\\ \mathrm{\&alpha;}=a-i,\mathrm{\&beta;}=b-j\\ i=\left[a\right],j=\left[b\right]\\ a=\frac{w}{w^{\&prime;}}x,b=\frac{h}{h^{\&prime;}}y\end{array}---\left(7\right)$

其中，g(x,y)表示归一化后的图像，x，y为像素点位置；f(i,j)为切分后的单个字符图像，i，j表示其像素点位置；w,w'分别表示原单个字符图像f和归一化后单个字符图像g的宽度；h,h'分别表示原单个字符图像f和归一化后单个字符图像g的高度；[]表示取整操作；

S5：特征提取；计算单个字符区域中每一列或每一行区域边界点到字符边界点的距离，若该列或行中无字符点则记为0，区域边界到字符边界的距离组成的向量为特征值；分别提取字符上、下、左、右四个方向上边界与其相应区域边界的距离向量，将其作为四个特征值T₁、T₂、T₃和T₄；

S6：分类识别；建立字符模版库，采用最小距离分类器和多级分类法对每个字符的第一个特征值进行分类，如不能满足分类条件则采用下一个特征值；依次对所有字符进行识别，获得识别结果：

S61：提取由字母A～Z和数字0～9组成字符模版的四个特征值T₁、T₂、T₃和T₄，建立字符特征模板库T_k(i)，其中k＝1～4，i＝A～Z,0～9；

S62：计算T₁与模板库中T₁(i)(i＝A～Z,0～9)的欧氏距离统计D₁(i)<TH₁的个数N₁，TH₁＝min(D₁(i))+50，当N₁＝1时，将i所对应的字符作为识别结果；

S62：当N1>1时，计算T₂与模版库中D₁(i)<TH₁所对应字符特征的欧氏距离统计D₂(i)<TH₂的个数N₂，TH₂＝min(D₂(i))+50，当N₂＝1时，将i所对应的字符作为识别结果；

S63：当N2>1时，计算T₃与模版库中D₁(i)<TH₁和D₂(i)<TH₂所对应字符特征的欧氏距离统计D₃(i)<TH₃的个数N₃，TH₃＝min(D₃(i))+50，当N₃＝1时，将i所对应的字符作为识别结果；

S64：当N3>1，计算T₄与模版库中D₁(i)<TH₁、D₂(i)<TH₂和D₃(i)<TH₃所对应字符特征的欧氏距离统计D₄(i)<TH₄的个数N₄，TH₄＝min(D₄(i))+50，当N₄＝1时，将i所对应的字符作为识别结果；

S65：当N4>1时，将D₄(i)中最小值所对应的字符作为识别结果；

S66：按照以上步骤依次对每个切分字符进行识别，获得最终识别结果，如图5所示；

S7：数据保存或输出；将得到的字符串结果保存到数据库或者输出。

Claims (1)

1.一种雷管外壳点阵字符识别方法，其特征在于包括以下步骤：

S1：将摄相机固定，镜头与雷管外壳字符面垂直，字符面中的字符串和镜头画面保持水平，获取字符图像；

S2：由S1获得的字符图像为RGB三通道图像，对其进行灰度化，首先将字符图像的格式由RGB格式转换成YUV格式，取Y通道值为图像灰度值，得到灰度图像I，利用自适应局部阈值分割方法对灰度图像I进行二值化，得到二值化图像I′；

S3：对二值化图像I′采用形态学闭运算滤波，滤波后图像中的字符存在断裂时利用近邻域搜索连接法来保持所有字符的连通，具体过程如下：对滤波后图像中的每个字符连通区域进行标记并计算其面积，面积小于阈值TH的连通区域认为是字符断裂区域，从该字符连通区域向其周围八邻域搜索找到距离其最近的连通区域，然后把这两区域按照最近路径连接起来，每完成一次连接再重复上述过程，直到所有的被标记区域面积都大于阈值TH；

S4：对S3所获图像中的每个字符连通区域分别进行上、下、左、右四个方向的搜索，找到连通区域的边界点，并以此提取出一个矩形区域为单个字符区域，利用双线性插值法将每个字符区域进行归一化处理，以保持各个字符区域的大小一致，归一化尺寸大小应与模版库的字符块尺寸大小一致；

S5：计算字符区域中每一列或每一行的区域边界点到字符边界点的距离，若该列或行中无字符点则记为0，将字符边界到区域边界的四个距离作为特征值；

S6：利用多级分类法构建最小距离分类器，采用S5中四个特征值依次对每个切分字符进行识别，获得最终识别结果；

S7：将S6得到的最终识别结果保存至数据库或输出。