CN105701490A - 一种基于图像熵的集装箱箱号自适应定位方法 - Google Patents
一种基于图像熵的集装箱箱号自适应定位方法 Download PDFInfo
- Publication number
- CN105701490A CN105701490A CN201610101411.9A CN201610101411A CN105701490A CN 105701490 A CN105701490 A CN 105701490A CN 201610101411 A CN201610101411 A CN 201610101411A CN 105701490 A CN105701490 A CN 105701490A
- Authority
- CN
- China
- Prior art keywords
- image
- case number
- region
- row
- container
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像熵的集装箱箱号自适应定位方法,对集装箱图像进行预处理得到二值图像,首先,运用投影法对二值图像进行初定位并从原集装箱图像中初提取箱号区域,根据初提取的箱号区域图像熵判别该箱号是一行、一列或者多行。若箱号是一行或一列则箱号定位成功并提取箱号区域图像;若箱号是多行则进行再定位。其次,运用形态学方法对多行箱号的二值图像进行腐蚀、开运算和膨胀,将多行箱号图像分割为多个连通区域,根据多行箱号区域的面积变化范围和形状特征,去除非箱号区域;将箱号区域从原集装箱图像中进行再提取。总之,一行、一列箱号图像定位一次和提取一次,多行箱号图像定位两次和提取两次。本发明运用图像熵能够准确、快速、自适应地定位一行、一列、多行、白色和黑色集装箱箱号图像。
Description
技术领域
本发明涉及一种图像处理技术,具体涉及一种运用图像熵自适应定位多种集装箱箱号图像方法,适用于集装箱箱号智能识别系统的箱号定位与提取。
背景技术
集装箱是国际物流的主要运输设备。目前,我国许多集装箱码头的堆场管理和装卸管理均已实现计算机化,而集装箱码头管理处的集装箱文字标签的识别基本靠人眼识别、手工记录的工作方式,劳动强度大,工作效率低。因此实现集装箱箱号智能识别是十分必要的。集装箱箱号智能识别系统一般包括图像采集、箱号图像预处理、箱号区域定位、箱号字符分割、箱号字符识别等几个主要部分,各个部分是紧密相连的。集装箱图像的箱号区域定位是研究集装箱箱号字符分割和识别的基础和关键。
基于数学形态学的集装箱箱号快速定位算法(王炎,贺俊吉.基于数学形态学的集装箱箱号快速定位算法.计算机工程与设计,2015,36(8):2162-2166),该算法主要定位一行箱号区域不能较好地满足集装箱箱号智能识别系统的需求,因为集装箱箱号的排列方式种类较多,可横向、纵向,横向排列可分为1行、2行、3行甚至4行。纵向排列一般为1列。
因此,本领域希望有一种能够快速、准确和自适应地定位多种集装箱箱号区域方法。
发明内容
本发明针对多种集装箱箱号图像自适应定位问题,提供一种基于图像熵的集装箱箱号自适应定位方法。该方法能够准确、快速、自适应地定位一行、一列、多行、白色和黑色集装箱箱号图像,便于集装箱箱号智能识别系统的箱号字符分割与识别。
为了达到上述目的,本发明采用如下的技术方案:
一种基于图像熵的集装箱箱号自适应定位方法,该方法的步骤如下:
步骤(一)灰度变换。通过灰度变换将集装箱彩色图像转换为灰度图像;
步骤(二)维纳滤波。通过维纳滤波将灰度图像转换为滤波图像;
步骤(三)背景消除。通过背景消除将滤波图像转换为背景消除图像;
步骤(四)二值化。通过二值化将背景消除图像转换为二值图像;
步骤(五)箱号颜色判别。通过二值图像判别箱号的颜色是黑色或白色,若箱号颜色是黑色则反色;
步骤(六)投影法初定位与初提取。运用投影法对二值图像进行初定位并从原集装箱图像中初提取箱号区域;
步骤(七)图像熵判别。根据初提取的箱号区域图像熵判别该箱号是一行、一列或者多行。若箱号是一行或一列则箱号定位成功并提取箱号区域图像,若箱号是多行则进行再定位与再提取;
步骤(八)形态学方法再定位与再提取。运用形态学方法对多行箱号的二值图像进行腐蚀、开运算和膨胀,将多行箱号图像分割为多个连通区域,根据多行箱号区域的面积变化范围和形状特征,去除非箱号区域,将箱号区域从原集装箱图像中进行定位与提取;
附图说明
以下结合附图和具体实施方式来进一步说明本发明。
图1为集装箱箱号的自适应定位与提取流程图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
本发明针对多种集装箱箱号图像自适应定位问题,提供一种基于图像熵的集装箱箱号自适应定位方法,图1为集装箱箱号的自适应定位与提取流程图。该方法能够准确、快速、自适应地定位一行、一列、多行、白色和黑色集装箱箱号图像,便于集装箱箱号智能识别系统的箱号字符分割与识别。该方法的步骤如下:
步骤(一)灰度变换。通过灰度变换将集装箱彩色图像转换为灰度图像;
步骤(二)维纳滤波。通过维纳滤波将灰度图像转换为滤波图像;
步骤(三)背景消除。通过背景消除将滤波图像转换为背景消除图像;
步骤(四)二值化。通过二值化将背景消除图像转换为二值图像;
步骤(五)箱号颜色判别。通过二值图像判别箱号的颜色是黑色或白色,若箱号颜色是黑色则反色;
步骤(六)投影法初定位与初提取。运用投影法对二值图像进行初定位并从原集装箱图像中初提取箱号区域;
步骤(七)图像熵判别。根据初提取的箱号区域图像熵判别该箱号是一行、一列或者多行。若箱号是一行或一列则箱号定位成功并提取箱号区域图像,若箱号是多行则进行再定位与再提取;
步骤(八)形态学方法再定位与再提取。运用形态学方法对多行箱号的二值图像进行腐蚀、开运算和膨胀,将多行箱号图像分割为多个连通区域,根据多行箱号区域的面积变化范围和形状特征,去除非箱号区域,将箱号区域从原集装箱图像中进行定位与提取;
基于上述原理,本发明的具体实施过程如下:
步骤(一)灰度变换。灰度变换的原因是由于集装箱图像的采集是通过数码相机得到的。在预处理之前的图像全是彩色图像,而彩色图像包含的信息量很大,这样需要更大的存储空间,因此图像处理的速度也会随之变慢。因此对图像进行灰度变换可以使图像只包含亮度信息,不包含彩色信息。灰度变换的目的是为了提高图像的处理速度,使图像在处理中更加方便计算。
步骤(二)维纳滤波。对图像滤波的原因是在对集装箱图像进行处理的时候,会遇到噪声带来的影响。噪声对图像的信息是一种损害。所以对采集到的集装箱图像进行滤波十分必要。维纳滤波器在假设噪声是高斯以及加性的。而且信号与噪声相互带来的基础上得到最小均方差意义下的最优滤波,维纳滤波的目的是为了将细小的噪声去除。
步骤(三)背景消除。这样处理的原因是由于拍摄的图像常会有光照不均的情况,加之集装箱箱体受到沙尘污染,涂刷在上面的字符也会受到影响,从而降低了对比度。由于本发明的一个实施例中拍摄的集装箱图像中相机与集装箱的距离为3至4m,因此本发明中的一个实施例中集装箱背景消除的方法为:①选择大小为6*6的正方形结构元素对图像进行开运算得到背景图;②用原图像减去背景图即得到背景消除后图像。
步骤(四)二值化。本发明使用Otsu法对图像进行二值化。这样处理的原因是因为天气、拍摄时的角度和箱体上的油污等因素会对采集的集装箱图像造成影响,导致采集到的很多集装箱图像的质量比较低。有的图像中会存在严重的光照不均、对比度较低和不明显的字符边缘。Otsu法相较与传统方法更能满足本发明对二值图像的要求。
步骤(五)箱号颜色判别。通过统计二值图像0和1的个数对集装箱箱号颜色进行判别。如果1的个数小于0的个数则该集装箱箱号是白色,否则该集装箱箱号是黑色并进行反色,将黑色箱号转换为白色箱号以便箱号定位。
步骤(六)投影法初定位与初提取。在待定位图像中,部分干扰区域已经得以消除且箱号字符区域更加突出、明显,由于箱号区域的字符与字符之间存在间隙,当从左向右扫描箱号区域所在的行时,像素黑白跳变比较频繁。本发明根据这种灰度分布特性来定位箱号区域位置,具体详细算法如下:(一列箱号定位算法与一行箱号定位算法类似不再赘述)
步骤61、从箱号图像的第一行开始从左向右扫描图像,然后统计该行像素从0到255或255到0的跳变次数count(即黑白像素跳变总次数)。如果某一行的黑白像素跳变次数满足jumpMin<count<jumpMax(jumpMin、jumpMax)分别表示箱号区域跳变次数的最小阈值和最大阈值),则认为该行可能是箱号区域的起始行,然后记录下该行的位置(记为Rowup);否则,就继续搜索扫描下一行,直到搜索到第一次满足jumpMin<count<jumpMax的起始行Rowup。
步骤62、按照上述方法,从箱号图像的第(Rowup+1)行开始继续向下搜索,直到遇到第一次黑白像素跳变次数小于最小阈值jumpMin或大于最大阈值jumpMax的行,此时认为该行为箱号区域的结束行,然后记录下该行的位置Rowdown。
步骤63、根据步骤61和步骤62记录的箱号区域起始行位置Rowup和结束行位置Rowdown,计算出|Rowdown-Rowup|(箱号字符区域的像素高度)。如果|Rowdown-Rowup|∈[h1,h2],则认为该区域可能是箱号区域(h1,h2分别表示箱号区域高度的最小阈值和最大阈值);如果|Rowdown-Rowup|∈[h1,h2],则认为该区域不是箱号区域,舍弃。
步骤64、按照上述步骤的方法,继续向下搜索所有可能的箱号区域位置,直到搜索至箱号图像的最后一行为止。
步骤65、根据步骤4定位出的集装箱箱号区域上下边界位置,对箱号区域进行独立分割提取。
步骤66、通过分割提取出的箱号区域,其左右两侧仍有很多非箱号字符区域。因此,需要对步骤65分割出的箱号区域作进一步的细分割,即对箱号区域的左右边界位置进行定位。首先对分割提取出的箱号作垂直投影,然后对投影直方图进行扫描判断就可以定位出箱号区域的起始位置Columnleft及结束位置Columnright。此时根据定位出的箱号区域的左右边界位置对箱号区域图像进行细分割处理。
步骤(七)图像熵判别。通过步骤(六),一行、一列、白色和黑色箱号集装箱图像的初定位与初提取效果较好,但多行白色和黑色箱号集装箱图像的初定位与初提取效果较差。为了快速、准确地定位和提取多行箱号区域需要运用投影法初定位与初提取的箱号区域图像熵筛选出多行箱号集装箱图像进行再定位与再提取。由于投影法初定位与初提取的箱号区域图像熵不同,一行和一列箱号区域图像熵约7.0,因此,若投影法初定位与初提取的箱号区域图像熵大于7.1则该箱号是一行或一列,否则该箱号是多行。若该箱号是一行或一列则定位成功并提取箱号区域图像,否则运用形态学方法进行再定位与再提取。
步骤(八)形态学方法再定位与再提取。在数字图像处理中,形态学是借助集合论的语言来描述的。通常将用于处理某幅图像且较小的图像成为结构元素。二值图像中的基本形态学运算包括4种,分别为腐蚀运算、膨胀运算,以及由前面两者相结合而产生的开、闭运算。形态学中直接影响处理结果的因素有两个:结构元素的选择和形态学运算的选择。本发明的具体算法为:
步骤81、在选择结构元素时,选择符合多行集装箱箱号区域宽高比的正方形结构元素。目的是为了正确地使箱号区域中的字符形成连通区域。
步骤82、用步骤81中的结构元素首先对图像进行腐蚀运算,目的是为了消除细小的非字符区域和孤立区域。其次对图像进行开运算,目的是为了使图像的轮廓变得光滑,同时还能消除毛刺。最后对图像进行膨胀运算,目的是为了在筛选箱号连通域的时候更加方便快速。
步骤83、通过设定阈值将连通区域面积远小于或是远大于拍摄图像中可能的箱号区域面积去掉。这样处理的原因是由于集装箱图像背景复杂,在图像中形成了许多孤立的较小的连通域,这些连通域明显不是集装箱箱号区域。目的是为了在筛选箱号连通区域的时候更加方便。
步骤84、对经过步骤83处理后的连通域进行标记,目的是为了更好地将目标区域与背景区分开来。
步骤85、根据箱号区域的宽高比和面积特征的方法筛选出箱号区域。如果箱号候选区不止一个,对候选区域的面积按大小进行排序,将面积最大者判定为集装箱箱号区域。
步骤86、最后根据筛选后区域的上下、左右边界值从原图像中提取箱号区域。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (2)
1.一种基于图像熵的集装箱箱号自适应定位方法,包括如下步骤:
步骤(一)灰度变换:通过灰度变换将集装箱彩色图像转换为灰度图像;
步骤(二)维纳滤波:通过维纳滤波将灰度图像转换为滤波图像;
步骤(三)背景消除:通过背景消除将滤波图像转换为背景消除图像;
步骤(四)二值化:通过二值化将背景消除图像转换为二值图像;
步骤(五)箱号颜色判别:通过二值图像判别箱号的颜色是黑色或白色,若箱号颜色是黑色则反色;具体步骤如下:通过统计二值图像0和1的个数对集装箱箱号颜色进行判别,如果1的个数小于0的个数则该集装箱箱号是白色,否则该集装箱箱号是黑色并进行反色,将黑色箱号转换为白色箱号以便箱号定位;
其特征在于,所述基于图像熵的集装箱箱号自适应定位方法进一步包括以下的步骤(六)、步骤(七)和步骤(八):
步骤(六)投影法初定位与初提取:运用投影法对二值图像进行初定位并从原集装箱图像中初提取箱号区域;具体包括以下分步骤:
步骤61:从箱号图像的第一行开始从左向右扫描图像,然后统计该行像素从0到255或255到0的跳变次数count;如果某一行的黑白像素跳变次数满足jumpMin<count<jumpMax,其中jumpMin、jumpMax分别表示箱号区域跳变次数的最小阈值和最大阈值,则认为该行可能是箱号区域的起始行,然后记录下该行的位置(记为Rowup);否则,就继续搜索扫描下一行,直到搜索到第一次满足jumpMin<count<jumpMax的起始行Rowup;
步骤62:按照上述方法,从箱号图像的第(Rowup+1)行开始继续向下搜索,直到遇到第一次黑白像素跳变次数小于最小阈值jumpMin或大于最大阈值jumpMax的行,此时认为该行为箱号区域的结束行,然后记录下该行的位置Rowdown;
步骤63:根据步骤61和步骤62记录的箱号区域起始行位置Rowup和结束行位置Rowdown,计算出|Rowdown-Rowup|,即箱号字符区域的像素高度;如果|Rowdown-Rowup|∈[h1,h2],则认为该区域可能是箱号区域,其中h1,h2分别表示箱号区域高度的最小阈值和最大阈值;如果则认为该区域不是箱号区域,舍弃;
步骤64:按照上述步骤61、步骤62和步骤63的方法,继续向下搜索所有可能的箱号区域位置,直到搜索至箱号图像的最后一行为止;
步骤65:根据步骤4定位出的集装箱箱号区域上下边界位置,对箱号区域进行独立分割提取;
步骤66:对步骤65分割出的箱号区域作进一步的细分割,即对箱号区域的左右边界位置进行定位;首先对分割提取出的箱号作垂直投影,然后对投影直方图进行扫描判断就可以定位出箱号区域的起始位置Columnleft及结束位置Columnright。此时根据定位出的箱号区域的左右边界位置对箱号区域图像进行细分割处理;
步骤(七)图像熵判别:根据初提取的箱号区域图像熵判别该箱号是一行、一列或者多行;若箱号是一行或一列则箱号定位成功并提取箱号区域图像,若箱号是多行则进行再定位与再提取;
步骤(八)形态学方法再定位与再提取:运用形态学方法对多行箱号的二值图像进行腐蚀、开运算和膨胀,将多行箱号图像分割为多个连通区域,根据多行箱号区域的面积变化范围和形状特征,去除非箱号区域,将箱号区域从原集装箱图像中进行定位与提取;具体包括以下分步骤:
步骤81:在选择结构元素时,选择符合多行集装箱箱号区域宽高比的正方形结构元素,以便正确地使箱号区域中的字符形成连通区域;
步骤82:用第步骤81中的结构元素首先对图像进行腐蚀运算,以便消除细小的非字符区域和孤立区域;其次对图像进行开运算,使得图像的轮廓变得光滑,同时还消除毛刺;最后对图像进行膨胀运算,以便在筛选箱号连通域的时候更加方便快速;
步骤83:通过设定阈值将连通区域面积远小于或是远大于拍摄图像中可能的箱号区域面积去掉;
步骤84:对经过步骤83处理后的连通域进行标记,以便更好地将目标区域与背景区分开来;
步骤85:根据箱号区域的宽高比和面积特征的方法筛选出箱号区域;如果箱号候选区不止一个,对候选区域的面积按大小进行排序,将面积最大者判定为集装箱箱号区域;
步骤86:最后根据筛选后区域的上下、左右边界值从原图像中提取箱号区域。
2.根据权利要求1所述的基于图像熵的集装箱箱号自适应定位方法,其特征在于,步骤(四)使用Otsu法对图像进行二值化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610101411.9A CN105701490B (zh) | 2016-02-24 | 2016-02-24 | 一种基于图像熵的集装箱箱号自适应定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610101411.9A CN105701490B (zh) | 2016-02-24 | 2016-02-24 | 一种基于图像熵的集装箱箱号自适应定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105701490A true CN105701490A (zh) | 2016-06-22 |
CN105701490B CN105701490B (zh) | 2018-11-30 |
Family
ID=56222509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610101411.9A Expired - Fee Related CN105701490B (zh) | 2016-02-24 | 2016-02-24 | 一种基于图像熵的集装箱箱号自适应定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105701490B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109086643A (zh) * | 2018-06-05 | 2018-12-25 | 四川斐讯信息技术有限公司 | 一种基于机器视觉的彩盒标签检测方法及系统 |
CN109190625A (zh) * | 2018-07-06 | 2019-01-11 | 同济大学 | 一种大角度透视变形的集装箱箱号识别方法 |
CN110348451A (zh) * | 2019-07-18 | 2019-10-18 | 西南交通大学 | 铁路集装箱装卸过程中的箱号自动采集及识别方法 |
CN111340037A (zh) * | 2020-03-25 | 2020-06-26 | 上海智臻智能网络科技股份有限公司 | 文本版面分析方法、装置、计算机设备和存储介质 |
CN115100661A (zh) * | 2022-08-24 | 2022-09-23 | 上海安维尔信息科技股份有限公司 | 一种集装箱箱号提取方法及系统 |
CN117079282A (zh) * | 2023-08-16 | 2023-11-17 | 读书郎教育科技有限公司 | 一种基于图像处理的智能词典笔 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040234104A1 (en) * | 2003-05-19 | 2004-11-25 | Quen-Zong Wu | Method of automatic container number recognition by color discrimination and reorganization |
US20040264776A1 (en) * | 2003-06-27 | 2004-12-30 | Quen-Zong Wu | String extraction method for image based on multiple stroke width patterns matching |
CN101650780A (zh) * | 2009-09-08 | 2010-02-17 | 宁波中科集成电路设计中心有限公司 | 一种集装箱箱号识别方法 |
CN102024144A (zh) * | 2010-11-23 | 2011-04-20 | 上海海事大学 | 集装箱箱号自动识别方法 |
CN102184390A (zh) * | 2011-05-17 | 2011-09-14 | 姜雨枫 | 面向集装箱箱号的字符图像识别方法 |
-
2016
- 2016-02-24 CN CN201610101411.9A patent/CN105701490B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040234104A1 (en) * | 2003-05-19 | 2004-11-25 | Quen-Zong Wu | Method of automatic container number recognition by color discrimination and reorganization |
US20040264776A1 (en) * | 2003-06-27 | 2004-12-30 | Quen-Zong Wu | String extraction method for image based on multiple stroke width patterns matching |
CN101650780A (zh) * | 2009-09-08 | 2010-02-17 | 宁波中科集成电路设计中心有限公司 | 一种集装箱箱号识别方法 |
CN102024144A (zh) * | 2010-11-23 | 2011-04-20 | 上海海事大学 | 集装箱箱号自动识别方法 |
CN102184390A (zh) * | 2011-05-17 | 2011-09-14 | 姜雨枫 | 面向集装箱箱号的字符图像识别方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109086643A (zh) * | 2018-06-05 | 2018-12-25 | 四川斐讯信息技术有限公司 | 一种基于机器视觉的彩盒标签检测方法及系统 |
CN109086643B (zh) * | 2018-06-05 | 2021-11-02 | 山东泰宝信息科技集团有限公司 | 一种基于机器视觉的彩盒标签检测方法及系统 |
CN109190625A (zh) * | 2018-07-06 | 2019-01-11 | 同济大学 | 一种大角度透视变形的集装箱箱号识别方法 |
CN109190625B (zh) * | 2018-07-06 | 2021-09-03 | 同济大学 | 一种大角度透视变形的集装箱箱号识别方法 |
CN110348451A (zh) * | 2019-07-18 | 2019-10-18 | 西南交通大学 | 铁路集装箱装卸过程中的箱号自动采集及识别方法 |
CN110348451B (zh) * | 2019-07-18 | 2022-12-13 | 西南交通大学 | 铁路集装箱装卸过程中的箱号自动采集及识别方法 |
CN111340037A (zh) * | 2020-03-25 | 2020-06-26 | 上海智臻智能网络科技股份有限公司 | 文本版面分析方法、装置、计算机设备和存储介质 |
CN115100661A (zh) * | 2022-08-24 | 2022-09-23 | 上海安维尔信息科技股份有限公司 | 一种集装箱箱号提取方法及系统 |
CN115100661B (zh) * | 2022-08-24 | 2023-01-10 | 上海安维尔信息科技股份有限公司 | 一种集装箱箱号提取方法及系统 |
CN117079282A (zh) * | 2023-08-16 | 2023-11-17 | 读书郎教育科技有限公司 | 一种基于图像处理的智能词典笔 |
Also Published As
Publication number | Publication date |
---|---|
CN105701490B (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105701490A (zh) | 一种基于图像熵的集装箱箱号自适应定位方法 | |
CN105205488B (zh) | 基于Harris角点和笔画宽度的文字区域检测方法 | |
CN103488986B (zh) | 自适应字符切分及提取方法 | |
CN106934386B (zh) | 一种基于自启发式策略的自然场景文字检测方法及系统 | |
CN106650553A (zh) | 车牌识别方法及系统 | |
CN108038481A (zh) | 一种结合最大极值稳定区域和笔画宽度变化的文本定位方法 | |
CN104361336A (zh) | 一种水下视频图像的文字识别方法 | |
KR20130105952A (ko) | 차량 번호판 인식 방법과 그 장치 | |
Jamil et al. | Edge-based features for localization of artificial Urdu text in video images | |
CN112861654B (zh) | 一种基于机器视觉的名优茶采摘点位置信息获取方法 | |
CN110991439B (zh) | 一种基于像素级多特征联合分类的手写体字符的提取方法 | |
CN109241973B (zh) | 一种纹理背景下的字符全自动软分割方法 | |
CN105809166A (zh) | 车牌识别方法、装置及系统 | |
CN112507911B (zh) | 一种基于机器视觉的山核桃果实在图像中的实时识别方法 | |
CN108009538A (zh) | 一种汽车发动机缸体序列号智能识别方法 | |
CN109886168B (zh) | 一种基于层阶的地面交通标志识别方法 | |
CN102136074B (zh) | 一种基于mmi的木材图像纹理分析与识别方法 | |
CN108038482A (zh) | 一种汽车发动机缸体序列号视觉智能识别系统 | |
CN110443166A (zh) | 一种雾霾天气的车牌识别方法 | |
JP2011248702A (ja) | 画像処理装置、画像処理方法、画像処理プログラム及びプログラム記憶媒体 | |
CN107578414A (zh) | 一种路面裂缝图像的处理方法 | |
CN108205678A (zh) | 一种含有亮斑干扰的铭牌文字识别处理方法 | |
CN100354876C (zh) | 增强字符行图像的方法和设备 | |
CN1265324C (zh) | 基于相邻边缘点距离统计的文字图象分割方法 | |
KR100812347B1 (ko) | 스트록 필터를 이용한 문자 추출 방법 및 그 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181130 |