CN104616019A - 电力设备标牌图像的识别方法 - Google Patents
电力设备标牌图像的识别方法 Download PDFInfo
- Publication number
- CN104616019A CN104616019A CN201510096581.8A CN201510096581A CN104616019A CN 104616019 A CN104616019 A CN 104616019A CN 201510096581 A CN201510096581 A CN 201510096581A CN 104616019 A CN104616019 A CN 104616019A
- Authority
- CN
- China
- Prior art keywords
- label image
- power equipment
- image
- equipment label
- recognition methods
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Character Input (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种电力设备标牌图像的识别方法。根据本发明的电力设备标牌图像的识别方法,包括如下几个步骤:对电力设备标牌图像进行预处理;对预处理化的电力设备标牌图像进行二值化处理;通过边缘检测算子对二值化的标牌图像进行边缘检测处理,并进行图像分割处理;使用光学字符识别方法和字符识别处理方法对分割图像进行识别。
Description
技术领域
本发明涉及一种电力设备标牌图像的识别方法。
背景技术
电力设备标牌图像中的文字信息的获取对图像识别、检索有重要意义。从电力设备标牌图像中提取文字需要首先定位包含文字的图像区域,由于电力设备标牌中的文字在字体、大小、对齐方式和排列上变化多端,文字背景复杂,而许多应用场合还要求算法具有一定处理速度,这些都使得从其图像中有效地提取文字变得困难,对其深入研究很有意义。
在电力系统中,电力设备种类繁多,通过对设备图像的采集,识别出电力设备标牌的文字信息,建立设备信息图文库,对电力设备的年检、统计等工作更加便捷、高效,对提高电力系统的设备管理水平非常重要。
近几年,国内各大电力生产商也开始关注并积极投身到电力设备标牌的字符检测领域来,但是都仅限于在进行基于内容的多媒体检索的研究时,附带地介绍了图像和视频中的文字获取,并没有进行系统深入的研究,也没有开发出相应可行的系统。如何识别图像中的文字仍然是一个有待研究解决的问题。
因此,电力设备标牌的识别技术还有如下的问题。
(1)图像的预处理技术问题。标牌中有很多钢印信息,通过二值化提取电力设备的标牌特征时,需要完整的提取其特征量。
(2)电力设备标牌中的信息识别技术。标牌中的字符很多,尤其是所涉及的汉字比较丰富。
由此,需要一种能够准确识别钢印信息和丰富的汉子字符的电力设备标牌的图像识别方法。
发明内容
本发明的目的在于提供一种能够识别钢印信息和丰富的汉子字符的电力设备标牌的图像识别方法。
根据本发明的电力设备标牌图像的识别方法,包括如下几个步骤:对电力设备标牌图像进行预处理;对预处理化的电力设备标牌图像进行二值化处理;通过边缘检测算子对二值化的标牌图像进行边缘检测处理,并进行图像分割处理;使用光学字符识别方法和字符识别处理方法对分割图像进行识别,
其中,通过公式1来进行二值化,
f(x,y)为预处理化的电力设备标牌图像的原始灰度图像,t为预定的阈值,g(x,y)为二值化后的灰度图像。
优选地,预处理可包括针对标牌图像的滤波处理,灰度化、直方图灰度修整以及灰度图像对比处理。
优选地,滤波处理可使用巴特沃斯低通滤波器来对电力设备标牌图像进行平滑处理。
优选地,灰度图像对比处理使用种子填充处理方法,其中,灰度图像的每个像素包括两个属性,二维坐标位置信息和像素值,位置信息由行和列两格坐标决定,像素值反映亮度、颜色信息。
优选地,二值化处理的阈值选取法使用全阈值法、局部阈值法或动态阈值法。
优选地,二值化处理的阈值选取法使用最小误差法、最大方差法、平均灰度值法。
优选地,边缘检测处理采用Canny算子边缘检测方法,其中,Canny算子是根据二值化的标牌图像对信噪比与定位乘积进行测度而得到最优化逼近算子。
优选地,Canny算子边缘检测方法包括:用高斯滤波器平滑二值化的标牌图像;用一阶偏导的有限差分来计算二值化的标牌图像的梯度值的幅值和方向;对梯度幅值进行非极大值抑制;用双阈值算法检测和连接边缘。
优选地,图像分割处理采用Hough变换。
根据本发明的电力设备标牌图像的识别方法可从电力设备标牌图像中准确地识别钢印信息和各种汉字字符。
附图说明
通过下面结合附图进行的对实施例的描述,本发明的上述和/或其他目的和优点将会变得更加清楚,其中:
图1是示出根据本发明的电力设备标牌图像的识别方法的流程图。
具体实施方式
以下,参照附图来详细说明本发明的实施例。
根据本发明的电力设备标牌图像的识别方法,首先,对欲识别的目标图像(即,电力设备标牌图像)进行预处理,然后分割预处理过的识别目标图像,最后识别目标图像中的标牌信息。
图1是示出根据本发明的电力设备标牌图像的识别方法的流程图。以下参照图1详细说明电力设备标牌图像的识别方法。
根据本发明的电力设备标牌图像的识别方法主要有如下的步骤。首先,本发明的技术人员应该了解,原始的电力设备标牌图像可分为二值图像、灰度图像、彩色图像等,
图像预处理阶段:
在步骤S100,对电力设备标牌图像(即,目标图像)进行预处理。
采集到的电力设备标牌图像具有噪声,因此读取标牌图像之后需要进行预处理,突出图像中的标牌信息,增强图像,从而更好地进行识别。
在此,预处理可包括针对标牌图像的滤波处理,灰度化、直方图灰度修整以及灰度图像对比处理等。
其中,滤波处理可使用巴特沃斯(butterworth)低通滤波器来对电力设备标牌图像进行平滑处理。
灰度图像对比处理可使用种子填充处理方法。灰度图像的每个像素包括两个属性:二位坐标位置信息和像素值,位置信息由行和列两格坐标决定,像素值反映该图像点的亮度、颜色等信息,并且其主要形式是灰度值。
在S100步骤中,对电力设备标牌图像进行了诸如巴特沃斯低通滤波处理的去噪和诸如灰度化、直方图灰度修整以及灰度图像对比处理等直方图均衡化等处理,从而是标牌图像中的字符信息更加清晰。
二值化阶段:
在步骤S200,对预处理化的电力设备标牌图像进行二值化处理。
二值化处理则是通过计算出来的阈值将原始的电力设备标牌图像分为对象部分和背景部分,并且二值化处理的阈值选取法主要分为全阈值法、局部阈值法和动态阈值法3类。
具体地,可采用如下公式来对电力设备标牌图像进行二值化。
其中,f(x,y)为预处理化的电力设备标牌图像的原始灰度图像,t为预定的阈值,g(x,y)为二值化后的灰度图像。
或者
其中,f(x,y)为预处理化的电力设备标牌图像的原始灰度图像,t为预定的阈值,g(x,y)为二值化后的灰度图像。
还可以将阈值设置为一个灰度范围[t1,t2]。凡是灰度在范围内的图像灰度级都变成1,其它像素灰度级都变为0,那么二值化后的图像g(x,y)为:
公式3
其中,f(x,y)为电力设备标牌图像的原始灰度图像,t为预定的阈值,g(x,y)为二值化后的灰度图像。
并且,本发明所采用的阈值选取法主要有最小误差法、最大方差法、平均灰度值法。其中最小误差法包括:P-tile方法,预先给定一个比率t,当灰度值大于或等于m的象素占全体象素的比率为t时,取m为阈值;以及双峰(2—Mode)方法,电力设备标牌图像的直方图具有2个峰:一个为背景,另一个为对象,分割两个区域的阈值m由两个峰值的谷对应的灰度值决定,通常把这种阈值的选择叫做2-Mode方法。
电力设备标牌图像的原始灰度图像
在步骤S200中,针对标牌图像中字符信息种类较多且钢印信息的灰度值较高的特点,可采用各种阈值法对预处理化的标牌图像的二值化,以使准确地提取标牌图像中的各种字符信息和钢印信息。
边缘检测处理阶段和分割阶段:
在步骤S300,通过边缘检测算子对二值化的标牌图像进行边缘检测处理,并进行图像的分割。
其中,边缘检测处理可采用Canny算子边缘检测方法,Canny算子是根据二值化的标牌图像对信噪比与定位乘积进行测度而得到最优化逼近算子。
进一步,Canny算子边缘检测方法包括:(1)用高斯滤波器平滑二值化的标牌图像;(2)用一阶偏导的有限差分来计算二值化的标牌图像的梯度值的幅值和方向;(3)对梯度幅值进行非极大值抑制;(4)用双阈值算法检测和连接边缘。
其中,Canny算子检测边缘的方法是寻找图像梯度的局部极大值,梯度是用高斯滤波器的导数计算的。Canny方法使用两个阈值来分别检测强边缘和弱边缘,而且仅当弱边缘与强边缘相连时,弱边缘才会包含在输出中。因此,此方法不容易受噪声的干扰,能够检测到真正的弱边缘。并且,优选地,图像分割(即,阈值分割)可采用Hough变换,二值化方法采用全阈值法,边缘检测处理采用Canny算子边缘检测方法,
识别阶段:
在步骤S400,对分割图像进行识别。
在此,可使用光学字符识别(OCR)处理方法和字符识别处理方法,还可使用MATLAB软件算法完成对分割图像中的标牌字符的识别。
其中,所谓OCR(Optical Character Recognition光学字符识别)处理方法,是指电子设备(例如扫描仪或数码相机)检测分割图像中的字符,通过检测分割图像中的灰度值确定其形状,然后用字符识别方法将形状翻译成计算机文字的过程。因OCR处理方法可有效地识别汉字等字符信息,因此不仅可识别分割图像中的数字信息还有助于识别电力设备标牌图像中的汉字信息。
本发明不限于上述实施例,在不脱离本发明范围的情况下,可以进行各种变形和修改。
Claims (9)
1.一种电力设备标牌图像的识别方法,其特征在于,包括如下几个步骤:
对电力设备标牌图像进行预处理;
对预处理化的电力设备标牌图像进行二值化处理;
通过边缘检测算子对二值化的标牌图像进行边缘检测处理,并进行图像分割处理;
使用光学字符识别方法和字符识别处理方法对分割图像进行识别,
其中,通过公式1来进行二值化,
f(x,y)为预处理化的电力设备标牌图像的原始灰度图像,t为预定的阈值,g(x,y)为二值化后的灰度图像。
2.根据权利要求1的电力设备标牌图像的识别方法,其特征在于,
预处理包括针对标牌图像的滤波处理,灰度化,直方图灰度修整以及灰度图像对比处理。
3.根据权利要求2的电力设备标牌图像的识别方法,其特征在于,
滤波处理使用巴特沃斯低通滤波器来对电力设备标牌图像进行平滑处理。
4.根据权利要求2的电力设备标牌图像的识别方法,其特征在于,
灰度图像对比处理使用种子填充处理方法,
其中,灰度图像的每个像素包括两个属性,二维坐标位置信息和像素值,位置信息由行和列两格坐标决定,像素值反映亮度、颜色信息。
5.根据权利要求1的电力设备标牌图像的识别方法,其特征在于,
二值化处理的阈值选取法使用全阈值法、局部阈值法或动态阈值法。
6.根据权利要求1的电力设备标牌图像的识别方法,其特征在于,
二值化处理的阈值选取法使用最小误差法、最大方差法、平均灰度值法。
7.根据权利要求1的电力设备标牌图像的识别方法,其特征在于,
边缘检测处理采用Canny算子边缘检测方法,
其中,Canny算子是根据二值化的标牌图像对信噪比与定位乘积进行测度而得到最优化逼近算子。
8.根据权利要求7的电力设备标牌图像的识别方法,其特征在于,
Canny算子边缘检测方法包括:
用高斯滤波器平滑二值化的标牌图像;
用一阶偏导的有限差分来计算二值化的标牌图像的梯度值的幅值和方向;
对梯度幅值进行非极大值抑制;
用双阈值算法检测和连接边缘。
9.根据权利要求1的电力设备标牌图像的识别方法,其特征在于,图像分割处理采用Hough变换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510096581.8A CN104616019A (zh) | 2015-03-04 | 2015-03-04 | 电力设备标牌图像的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510096581.8A CN104616019A (zh) | 2015-03-04 | 2015-03-04 | 电力设备标牌图像的识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104616019A true CN104616019A (zh) | 2015-05-13 |
Family
ID=53150456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510096581.8A Pending CN104616019A (zh) | 2015-03-04 | 2015-03-04 | 电力设备标牌图像的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104616019A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096312A (zh) * | 2015-06-16 | 2015-11-25 | 国网山东省电力公司泰安供电公司 | 从包含电力元器件的图像中识别出电力元器件的方法 |
CN107481389A (zh) * | 2017-08-03 | 2017-12-15 | 恒银金融科技股份有限公司 | 一种纸币冠字号区域图像二值化处理方法 |
CN108764275A (zh) * | 2018-04-10 | 2018-11-06 | 甘肃农业大学 | 叶片病害的识别方法和系统 |
CN111126380A (zh) * | 2019-12-02 | 2020-05-08 | 贵州电网有限责任公司 | 一种电力设备铭牌印文识别方法及系统 |
CN111898605A (zh) * | 2020-08-28 | 2020-11-06 | 四川长虹网络科技有限责任公司 | 基于图像ocr识别的机顶盒信息检测方法及系统 |
CN112465731A (zh) * | 2020-11-19 | 2021-03-09 | 易思维(杭州)科技有限公司 | 一种钢印字符图像预处理方法 |
-
2015
- 2015-03-04 CN CN201510096581.8A patent/CN104616019A/zh active Pending
Non-Patent Citations (1)
Title |
---|
HUOCAIGUSEN688: "电力设备标牌的字符检测和识别技术的研究", 《HTTP://WWW.DOCIN.COM/P-507698082.HTML》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096312A (zh) * | 2015-06-16 | 2015-11-25 | 国网山东省电力公司泰安供电公司 | 从包含电力元器件的图像中识别出电力元器件的方法 |
CN107481389A (zh) * | 2017-08-03 | 2017-12-15 | 恒银金融科技股份有限公司 | 一种纸币冠字号区域图像二值化处理方法 |
CN107481389B (zh) * | 2017-08-03 | 2019-06-07 | 恒银金融科技股份有限公司 | 一种纸币冠字号区域图像二值化处理方法 |
CN108764275A (zh) * | 2018-04-10 | 2018-11-06 | 甘肃农业大学 | 叶片病害的识别方法和系统 |
CN111126380A (zh) * | 2019-12-02 | 2020-05-08 | 贵州电网有限责任公司 | 一种电力设备铭牌印文识别方法及系统 |
CN111898605A (zh) * | 2020-08-28 | 2020-11-06 | 四川长虹网络科技有限责任公司 | 基于图像ocr识别的机顶盒信息检测方法及系统 |
CN112465731A (zh) * | 2020-11-19 | 2021-03-09 | 易思维(杭州)科技有限公司 | 一种钢印字符图像预处理方法 |
CN112465731B (zh) * | 2020-11-19 | 2022-06-14 | 易思维(杭州)科技有限公司 | 一种钢印字符图像预处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104616019A (zh) | 电力设备标牌图像的识别方法 | |
CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
JP5775225B2 (ja) | マルチレイヤ連結成分をヒストグラムと共に用いるテキスト検出 | |
CN104361336A (zh) | 一种水下视频图像的文字识别方法 | |
CN101122953A (zh) | 一种图片文字分割的方法 | |
Paunwala et al. | A novel multiple license plate extraction technique for complex background in Indian traffic conditions | |
CN113688838B (zh) | 红色笔迹提取方法、系统、可读存储介质及计算机设备 | |
CN109886168B (zh) | 一种基于层阶的地面交通标志识别方法 | |
CN111027544A (zh) | 一种基于视觉显著性检测的mser车牌定位方法及系统 | |
CN110276759A (zh) | 一种基于机器视觉的手机屏坏线缺陷诊断方法 | |
Sravani et al. | Robust detection of video text using an efficient hybrid method via key frame extraction and text localization | |
CN104715250A (zh) | 十字激光检测方法和装置 | |
CN110348363B (zh) | 基于多帧角度信息融合消除相似车辆干扰的车辆跟踪方法 | |
WO2024016632A1 (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
Kumar et al. | An efficient algorithm for text localization and extraction in complex video text images | |
CN115619813A (zh) | Sem图像前景提取方法、装置、计算机设备及存储介质 | |
Chowdhury et al. | Extracting and segmenting container name from container images | |
CN106682627A (zh) | 一种掌纹数据的识别方法和装置 | |
Patel et al. | Text segmentation from images | |
Kaur et al. | Text Extraction from Natural Scene using PCA. | |
Khin et al. | License Plate Identification from Myanmar Vehicle Images under Different Environmental Conditions. | |
Shekar et al. | Text localization in video/scene images using Kirsch Directional Masks | |
CN113255657B (zh) | 票据表面刮痕检测方法、装置、电子设备、机器可读介质 | |
Anthimopoulos et al. | Detecting text in video frames | |
Ye et al. | Model-based character extraction from complex backgrounds |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150513 |
|
RJ01 | Rejection of invention patent application after publication |