CN108932514A - 一种图像识别方法和装置 - Google Patents

一种图像识别方法和装置 Download PDF

Info

Publication number
CN108932514A
CN108932514A CN201710382101.3A CN201710382101A CN108932514A CN 108932514 A CN108932514 A CN 108932514A CN 201710382101 A CN201710382101 A CN 201710382101A CN 108932514 A CN108932514 A CN 108932514A
Authority
CN
China
Prior art keywords
image
processed
matrix
array
boundary
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
Application number
CN201710382101.3A
Other languages
English (en)
Inventor
张彦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Datang Mobile Communications Equipment Co Ltd
Original Assignee
Datang Mobile Communications Equipment Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Datang Mobile Communications Equipment Co Ltd filed Critical Datang Mobile Communications Equipment Co Ltd
Priority to CN201710382101.3A priority Critical patent/CN108932514A/zh
Publication of CN108932514A publication Critical patent/CN108932514A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06V30/14—Image acquisition
    • G06V30/146—Aligning or centring of the image pick-up or image-field
    • G06V30/1475—Inclination or skew detection or correction of characters or of image to be recognised
    • G06V30/1478—Inclination or skew detection or correction of characters or of image to be recognised of characters or characters lines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights

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)
  • Character Input (AREA)

Abstract

本发明实施例提供了一种图像识别方法和装置，其中，所述的方法包括：预先依据字符的边界特征设置边界矩阵，以及依据所述边界矩阵确定各字符对应图像的图像矩阵，其中，所述字符包括数字和字母；获取待处理图像，并对所述待处理图像进行二值化处理，得到二值图像；依次将各边界矩阵与所述二值图像进行匹配，从所述二值图像中提取待处理边界矩阵；依据所述待处理边界矩阵确定所述待处理图像对应的待处理图像矩阵；将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符；从而降低了识别字符对应图像的算法复杂度，提高了图像识别的效率，且节约了硬件资源。

Description

一种图像识别方法和装置
技术领域
本发明涉及数据处理技术领域，特别是涉及一种图像识别方法和一种图像识别装置。
背景技术
随着计算机技术的不断发展，越来越多的领域采用了图像识别技术例如违章汽车尾号识别，邮政编码识别等等；由于图像采集技术和实际打印质量等因素，导致了图像识别的准确率较低。
现有技术中，通常采用模式识别的方法对图像进行识别，在图像识别的过程中，是依据中心矩阵算子和对应的公式进行归一化处理的，需要采用大量的乘法器，图像识别的效率低。
发明内容
本发明实施例所要解决的技术问题是提供一种图像识别方法，用以解决现有技术中图像识别效率低的问题。
相应的，本发明实施例还提供了一种图像识别装置，用以保证上述方法的实现及应用。
为了解决上述问题，本发明公开了一种图像识别方法，具体包括：预先依据字符的边界特征设置边界矩阵，以及依据所述边界矩阵确定各字符对应图像的图像矩阵，其中，所述字符包括数字和字母；获取待处理图像，并对所述待处理图像进行二值化处理，得到二值图像；依次将各边界矩阵与所述二值图像进行匹配，从所述二值图像中提取待处理边界矩阵；依据所述待处理边界矩阵确定所述待处理图像对应的待处理图像矩阵；将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符。
可选地，依次将各边界矩阵与所述二值图像进行匹配，从所述二值图像中提取出待处理边界矩阵的步骤，包括：依据所述边界矩阵的行数和列数，将所述二值图像划分为多个像素矩阵，其中，所述像素矩阵的行数与所述边界矩阵的行数相同，所述像素矩阵的列数与所述边界矩阵的列数相同；分别将每个边界矩阵与各像素矩阵进行匹配，将与边界矩阵匹配的像素矩阵确定为待处理边界矩阵并提取。
可选地，依据所述待处理边界矩阵确定所述待处理图像对应的待处理图像矩阵的步骤，包括：确定各待处理边界矩阵的数量；依据预设顺序，采用各待处理边界矩阵的数量生成待处理图像矩阵。
可选地，将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符的步骤，包括：依次计算所述待处理图像矩阵与各图像矩阵的距离，确定与所述待处理图像矩阵距离最小的图像矩阵；将与所述待处理图像矩阵距离最小的图像矩阵对应的字符，确定为待处理图像的字符。
可选地，在对所述目标字符图像进行二值化处理，得到二值图像的步骤之后，还包括：依据预设分区规则对所述二值图像进行分区。
可选地，将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符的步骤之前，还包括：依据所述二值图像各区域对应的待处理图像矩阵，确定所述待处理图像的对称性；依据所述对称性，确定所述待处理图像对应的待处理图像矩阵所属的特征集合；将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符的步骤，包括：依次计算所述待处理图像对应的待处理图像矩阵与所述特征集合中各图像矩阵的距离；将与所述待处理图像矩阵距离最小的图像矩阵对应的字符，确定为目标字符图像的字符。
可选地，在对所述待处理图像进行二值化处理，得到二值图像的步骤之前，还包括：对所述待处理图像进行去噪处理，以去除目标字符图像中孤立点噪声和孤立块噪声。
本发明实施例还提供一种图像识别装置，具体包括：设置模块，用于预先依据字符的边界特征设置边界矩阵，以及依据所述边界矩阵确定各字符对应图像的图像矩阵，其中，所述字符包括数字和字母；获取模块，用于获取待处理图像，并对所述待处理图像进行二值化处理，得到二值图像；提取模块，用于依次将各边界矩阵与所述二值图像进行匹配，从所述二值图像中提取待处理边界矩阵；确定模块，用于依据所述待处理边界矩阵确定所述待处理图像对应的待处理图像矩阵；识别模块，用于将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符。
可选地，所述提取模块包括：矩阵划分子模块，用于依据所述边界矩阵的行数和列数，将所述二值图像划分为多个像素矩阵，其中，所述像素矩阵的行数与所述边界矩阵的行数相同，所述像素矩阵的列数与所述边界矩阵的列数相同；矩阵提取子模块，用于分别将每个边界矩阵与各像素矩阵进行匹配，将与边界矩阵匹配的像素矩阵确定为待处理边界矩阵并提取。
可选地，所述确定模块包括：数量确定子模块，用于确定各待处理边界矩阵的数量；矩阵生成子模块，用于依据预设顺序，采用各待处理边界矩阵的数量生成待处理图像矩阵。
可选地，所述识别模块包括：第一距离计算子模块，用于依次计算所述待处理图像矩阵与各图像矩阵的距离，确定与所述待处理图像矩阵距离最小的图像矩阵；第一字符确定子模块，用于将与所述待处理图像矩阵距离最小的图像矩阵对应的字符，确定为待处理图像的字符。
可选地，还包括：分区模块，用于依据预设分区规则对所述二值图像进行分区。
可选地，集合确定模块，用于依据所述二值图像各区域对应的待处理图像矩阵，确定所述待处理图像的对称性；依据所述对称性，确定所述待处理图像对应的待处理图像矩阵所属的特征集合；
所述识别模块包括：第二距离计算子模块，用于依次计算所述待处理图像对应的待处理图像矩阵与所述特征集合中各图像矩阵的距离；第二字符确定子模块，用于将与所述待处理图像矩阵距离最小的图像矩阵对应的字符，确定为目标字符图像的字符。
可选地，还包括：处理模块，用于对所述待处理图像进行去噪处理，以去除目标字符图像中孤立点噪声和孤立块噪声。
与现有技术相比，本发明实施例包括以下优点：
本发明实施例提供的一种图像识别方法，预先依据数字和字母的边界特征设置边界矩阵，以及依据所述边界矩阵确定各字符对应图像包含的边界矩阵以及各边界矩阵的数量；再采用各字符对应图像的边界矩阵的数量构成对应的图像矩阵；在识别待处理图像时，获取待处理图像，并对所述待处理图像进行二值化处理，得到二值图像；依次将各边界矩阵与所述二值图像进行匹配，从所述二值图像中提取待处理边界矩阵；依据所述待处理边界矩阵确定所述待处理图像对应的待处理图像矩阵；从而通过将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符。由于生成待处理图像矩阵的方法和比对矩阵算法复杂度低，无需使用乘法器，大大提高了识别的效率；同时还节约了硬件资源。
附图说明
图1是本发明的一种图像识别方法实施例的步骤流程图；
图2是本发明的另一种图像识别方法实施例的步骤流程图；
图3是本发明的又一种图像识别方法实施例的步骤流程图；
图4是本发明的一种图像识别装置实施例的结构框图；
图5是本发明的一种图像识别装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例的核心构思之一在于，预先依据各字符的边界特征设置边界矩阵，以及依据边界矩阵确定各字符对应图像的图像矩阵；从而，在识别待处理图像时，依据边界矩阵提取待处理图像的待处理边界矩阵，以及确定待处理图像的待处理图像矩阵；然后通过待处理图像矩阵和各字符对应图像的图像矩阵的比对，识别所述待处理图像对应的字符；整个图像识别的过程中确定待处理图像矩阵和矩阵比对的算法复杂度低，大大提高了图像识别的效率。
参照图1，示出了本发明的一种图像识别方法实施例的步骤流程图，具体可以包括如下步骤：
步骤101、预先依据字符的边界特征设置边界矩阵，以及依据所述边界矩阵确定各字符对应图像的图像矩阵，其中，所述字符包括数字和字母。
本发明实施例提供的一种图像识别方法，是应用于对数字和字母的图像的识别，其中，所述数字包括0-9，所述字母包括大写字母A-Z和小写字母a-z。为了解决上述问题，本发明实施例预先通过对字符的图像进行特征分析，确定字符的图像具有以下特征：(1)不同的字符的图像具有不同的形状以及不同的边界形状；(2)同一个字符对应的图像，不同的位置具有不同的边界特征；(3)不同的字符的图像可能具有相同的边界特征。因此，根据各字符的共性和差异性，可设置多个边界矩阵，所述边界矩阵是体现字符对应图像某一位置边界特征的矩阵，其中，多个边界矩阵可表征一个字符对应的图像。所述边界矩阵的行数和列数是依据实际需要识别的字符图像设置的，例如需要识别的字符图像的像素为50*75，所述边界矩阵可以是2*2的矩阵；还例如需要识别的字符图像的像素为100*230，所述边界矩阵可以是4*4的矩阵。所述边界矩阵中的元素是由1和0组成，其中，1可以是灰度值大于灰度平均值的像素点，0可以是灰度值小于灰度平均值的像素点，也可以反之；例如，边界特征为“横”对应的边界矩阵的第一行向量的两个元素均为1，第二行向量的两个元素均为0。本发明实施例中，在设置边界矩阵后，针对每个字符，依据确定的边界矩阵确定该字符的图像矩阵，所述图像矩阵是识别字符图像时的参考矩阵。本发明一个可选的实施例中，针对每个字符，可确定各边界矩阵的数量，然后依据各边界矩阵的数量，确定该对应的图像矩阵，所述图像矩阵用于表征对应字符的图像的特征。其中，所述图像矩阵中的元素的个数与设置的边界矩阵的数量相同，每个元素的值是各边界矩阵对应的数量；例如，预先设置了15个边界矩阵，则各字符对应图像的图像矩阵可是15维的行向量。若某个字符对应图像只包含几个边界矩阵，则该字符对应图像的图像矩阵中，其他各边界矩阵的数量为0。
步骤102、获取待处理图像，并对所述待处理图像进行二值化处理，得到二值图像。
在设置边界矩阵，以及确定各字符对应图像的图像矩阵后，可进行图像的识别。具体的，可对待识别的字符文本进行扫描，然后依次获取文本中的各字符并进行识别，本发明实施例中，将需要识别的字符图像确定为待处理图像。通常，图像扫描设备的性能和被扫描的文本印刷质量，往往会影响图像识别的准确性，因此在获取待处理图像后，可对待处理图像进行预处理，如去除待处理图像中孤立点、孤立块等等。为了便于提取待处理图像的边界矩阵，可对待处理图像进行二值化处理，将所述待处理图像转变为二值图像。具体的，计算待处理图像的各像素点的灰度值，然后确定待处理图像的灰度平均值；将灰度值大于平均值的像素点的灰度值设为1，将灰度值小于平均值的像素点的灰度值设为0，也可以反之。
步骤103、依次将各边界矩阵与所述二值图像进行匹配，从所述二值图像中提取待处理边界矩阵。
本发明实施例中，识别待处理图像对应的字符的关键步骤之一是，对所述待处理图像的特征进行提取，即提取所述二值图像的特征。具体的，可判断所述二值图像中包含上述哪些预先设置的边界特征；从而依据二值图像包含的边界特征确定所述待处理图像对应的字符。在确定所述二值图像包含的边界特征时，可将预先设置的各边界矩阵依次与所述二值图像进行匹配，若从二值图像中匹配出与边界矩阵对应的像素块，则将所述像素块确定为待处理边界矩阵；然后提取出所述待处理边界矩阵。其中，所述二值图像可包含多个不同的待处理边界矩阵，各待处理边界矩阵的数量至少为一个；所述待处理边界矩阵是预先设置的边界矩阵的子集。
步骤104、依据所述待处理边界矩阵确定所述待处理图像对应的待处理图像矩阵。
步骤105、将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符。
提取出所述二值图像对应的待处理边界矩阵之后，可确定所述待处理图像对应待处理图像矩阵，以将待处理图像矩阵与各图像矩阵进行对比，从而对所述待处理图像进行识别。本发明实施例中，确定待处理图像矩阵和确定各字符对应图像的图像矩阵的方法相似，即依据待处理边界矩阵确定待处理图像的待处理图像矩阵，所述待处理图像矩阵用于表征待处理图像的特征。所述待处理图像矩阵中各元素的位置与图像矩阵中各元素的位置一一对应，各元素的值即是对应待处理边界矩阵的数量。所述待处理图像矩阵中元素的数量与各字符对应图像的图像矩阵中元素的数量相同，所述待处理图像矩阵中的元素除了待处理边界矩阵外，还包括预先设置的边界矩阵中除了待处理边界矩阵外的其他边界矩阵。然后将待处理图像矩阵依次与各字符对应图像的图像矩阵进行比对，将与待处理图像矩阵匹配度最高的图像矩阵对应的字符，确定为待处理图像对应的字符。
本发明实施例的一个示例中，预先依据各字符的边界特征设置8个边界矩阵，分别为A1-A8；并确定字符0-9、a-z、A-Z对应图像的图像矩阵为B1-B62；其中，每个图像矩阵包含8个元素，依次为A1-A8的数量，例如，B1＝[1，0，1，0，4，1，1，0]、B2＝[1，1，0，0，4，1，1，0]、B3＝[0，0，1，0，4，0，1，0]。对待处理图像进行特征提取，确定待处理图像包括的待处理边界特征为A1、A3、A5、A6、A7；对应的数量分别为1,1,3,1,1；则待处理图像矩阵为：[1，0，1，0，3，1，1，0]；可见，与待处理矩阵匹配度最高的图像矩阵为B1，则确定待处理矩阵的字符为“0”。
本发明实施例提供的一种图像识别方法，预先依据数字和字母的边界特征设置边界矩阵，以及依据所述边界矩阵确定各字符对应图像包含的边界矩阵以及各边界矩阵的数量；再采用各字符对应图像的边界矩阵的数量构成对应的图像矩阵；在识别待处理图像时，获取待处理图像，并对所述待处理图像进行二值化处理，得到二值图像；依次将各边界矩阵与所述二值图像进行匹配，从所述二值图像中提取待处理边界矩阵；依据所述待处理边界矩阵确定所述待处理图像对应的待处理图像矩阵；从而通过将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符。由于生成待处理图像矩阵的方法和比对矩阵算法复杂度低，无需使用乘法器，大大提高了识别的效率；同时还节约了硬件资源。
在本发明的一个优选地实施例中，对预先如何依据字符的边界特征、如何提取二值图像的待处理边界特征，以及如何通过对待处理图像矩阵和各图像矩阵的比对识别待处理图像对应的字符，进行详细的说明。具体参照图2，图2示出了本发明的另一种图像识别方法实施例的步骤流程图，具体包括如下步骤：
步骤201、预先依据字符的边界特征设置边界矩阵，以及依据所述边界矩阵确定各字符对应图像的图像矩阵。
本发明实施例是依据各字符的边界特征设置边界矩阵的，根据对字符对应图像的分析，可知，字符对应图像的每一个连通区域都由“横”、“竖”、“斜”、“弯”组成，其中“斜”和“弯”又具有方向性，“斜”有两种不同的方向，而“弯”具有四种不同的方向。例如，“1”明显具有“横”和“竖”的特性；而在“1”下方横和竖连接的地方具有“弯”特征，左上角又具有“斜”的特征。又例如“8”，左上、右上、左下和右下具有的弯的特征又是不同的等等。因此，可根据不同的特征设置对应的边界矩阵；参照表1，表1列出了各边界特征对应的2*2边界矩阵，其中，1表示灰度值大于平均灰度值的像素点，0表示灰度值小于平均灰度值的像素点。
表1
然后确定各字符对应图像所对应的各边界矩阵的数量；再依据预设顺序和对应边界矩阵的数量，确定各字符对应图像的图像矩阵。其中，所述预设顺序是图像矩阵中边界矩阵顺序，如横对应边界矩阵的数量位于图像矩阵的第一行第一列，竖对应边界矩阵的数量位于图像矩阵的第一行第二列等等。优选的，为了适应对不同字号的字符对应图像的识别，可针对不同字号的字符设置边界矩阵和图像矩阵。
步骤202、对所述待处理图像进行去噪处理。
为了提高识别待处理图像的准确性，在对待处理图像进行二值化处理之前，可对所述对待处理图像进行去噪处理，以除去待处理图像中孤立点噪声和孤立块噪声如标点符号。其中，若一个像素的上下左右相邻的像素都不为黑，则认为该像素是孤立点噪声；若连通区域块的黑像素数少于图像像素总数的3％，认为该连通区域块是小的孤立块噪声。
步骤203、获取待处理图像，并对所述待处理图像进行二值化处理，得到二值图像。
获取待处理图像，然后对待处理图像进行二值化处理，得到二值图像。其中，依据待处理图像各像素的灰度值和平均灰度值，设置各像素点的灰度值时，可依据边界矩阵的像素点的灰度值设置规则设置。例如，若边界矩阵采用1表示灰度值大于平均灰度值的像素点，0表示灰度值小于平均灰度值的像素点，则将灰度值大于平均灰度值的像素点灰度设置为1，将灰度值小于平均灰度值的像素点灰度设置为0。
得到待处理图像对应的二值图像后，可对二值图像进行特征提取，提取二值图像的待处理边界矩阵，具体的提取待处理边界矩阵的步骤如下：
步骤204、依据所述边界矩阵的行数和列数，将所述二值图像划分为多个像素矩阵。
步骤205、分别将每个边界矩阵与各像素矩阵进行匹配，将与边界矩阵匹配的像素矩阵确定为待处理边界矩阵并提取。
本发明实施例中，所述边界矩阵是表征字符对应图像的局部特征的，在将边界矩阵与二值图像进行匹配时，可依据边界矩阵的行数和列数，对所述二值图像进划分，将二值图像分为多个像素矩阵，其中，每个像素矩阵的行数和边界矩阵的行数相同，每个像素矩阵的列数与边界矩阵的列数相同。例如，边界矩阵是2*2的矩阵，若二值图像的像素为50*80，则可以将该二值图像划分为1000个2*2的像素矩阵。然后分别将每个边界矩阵依次与各像素矩阵进行匹配，当所述像素矩阵与边界矩阵相等时，确定该像素矩阵与边界矩阵匹配；其中，像素矩阵与边界矩阵中对应元素相等时，确定像素矩阵与边界矩阵相等。然后将与边界矩阵匹配的像素矩阵确定为待处理边界矩阵，再从二值图像中提取各待处理边界矩阵。
步骤206、确定各待处理边界矩阵的数量。
步骤207、依据预设顺序，采用各待处理边界矩阵的数量生成待处理图像矩阵。
本发明实施例中，各字符对应图像包含的边界矩阵的类型可能相同，也可能不同。同一字符对应图像包含的各种类型的边界矩阵的数量可能是不同的，也可能相同。因此在提取二值图像的待处理边界矩阵过程中，可对同一待处理边界矩阵进行计数；在边界矩阵与像素矩阵匹配完成后，确定各待处理边界矩阵的数量；然后依据预设顺序采用各待处理边界矩阵的数量，生成待处理图像矩阵。其中，待处理图像矩阵中各元素的顺序与预先确定的图像矩阵中元素的顺序相同。
步骤208、依次计算所述待处理图像矩阵与各图像矩阵的距离，确定与所述待处理图像矩阵距离最小的图像矩阵。
步骤209、将与所述待处理图像矩阵距离最小的图像矩阵对应的字符，确定为待处理图像的字符。
在确定待处理图像的待处理图像矩阵后，可以将待处理图像矩阵与各字符对应图像的图像矩阵一一进行比对，从而识别待处理图像对应的字符。具体的，可依次计算待处理图像矩阵与各图像矩阵的距离，再确定与所述待处理图像矩阵距离最小的图像矩阵；其中，可认为与待处理图像矩阵距离最小的图像矩阵与待处理图像矩阵的匹配度最高；然后将该图像矩阵对应的字符确定为待处理图像对应的字符。
在本发明实施例的一个示例中，所述边界矩阵为2*2的矩阵，如表1所示，包括8个不同类型的边界矩阵A1-A8；各字符对应图像的图像矩阵为B1-B62，其中，可设置B1-B62分别对应0-9、a-z、A-Z其中，Bn＝[DA1、DA2、DA3、DA4、DA5、DA6、DA7、DA8]，其中，n＝1，2，3…62，D是边界矩阵的数量；在此不一一对各字符的图像矩阵进行举例。待处理图像对应的二值图像的像素为50*74；将二值图像划分为925个2*2的像素矩阵，然后将A1分别与这925个像素矩阵依次进行匹配，检测出第一个与A1相等的像素矩阵时，提取出该像素矩阵并计数，然后继续将A1与下一个像素矩阵进行匹配；当再检测出与A1相等的像素矩阵时，执行提取和计数的操作。A2-A8分别与各像素矩阵匹配的步骤，与上述A1与各像素矩阵匹配的步骤相似；确定二值图像中包括的A1-A8的数量分别为10、3、18、18、12、1、0；则所述待处理图像矩阵X＝[10、3、18、18、12、1、0]；然后依次计算待处理矩阵X与图像矩阵B1-B62的距离；若计算得到X与B37的距离最小时，确定B37对应的字符为“A”，则确定待处理图像对应的字符为“A”。
本发明实施例在提取二值图像的待处理边界矩阵时，依据所述边界矩阵的行数和列数，将所述二值图像划分为多个像素矩阵；再分别将每个边界矩阵与各像素矩阵进行匹配，将与边界矩阵匹配的像素矩阵确定为待处理边界矩阵并提取；提高了提取待处理边界矩阵的效率；此外，通过计算所述待处理图像矩阵与各图像矩阵的距离，并将与所述待处理图像矩阵距离最小的图像矩阵对应的字符，确定为待处理图像的字符的方式，识别待处理图像的字符，大大的提高了待处理图像识别的准确率。
在本发明的一个优选地实施例中，某些字符具有对称性，如“N”具有关于原点对称性，“0”具有上下对称，且左右对称，等等；因此，可依据对称性设置对应的特征集合，然后确定各字符对应的图像矩阵所属的特征集合。从而，可先确定待处理图像矩阵所属的特征集合后，再将所述待处理图像矩阵与特征集合中的各图详矩阵进行比对，识别所述待处理图像。具体的，可参照图3，图3示出了本发明的又一种图像识别实施例的步骤流程图。
步骤301、预先依据字符的边界特征设置边界矩阵，以及依据所述边界矩阵确定各字符对应图像的图像矩阵。
步骤302、对所述待处理图像进行去噪处理。
步骤303、获取待处理图像，并对所述待处理图像进行二值化处理，得到二值图像。
步骤301-步骤303，与上述步骤201-203相似，在此不再赘述。
步骤304、依据预设分区规则对所述二值图像进行分区。
本发明实施例中，为了减少将待处理图像矩阵与各图像矩阵比对时间，进一步提高图像识别的效率，可按照预设分区规则对所述二值图像进行分区。其中，预设分区规则根据具体的情况确定，优选的，所述预设分区规则可为：将二值图像平均划分为四个区域。将二值图像平均划分为四个区域的具体步骤如下：逐行扫描整个二值化图像，可得到每一行中第1个像素值为1的点，以及最后一个像素值为1的点，它们的横坐标分别记为Start_X(i)和End_X(i)，其中i是行号。比较所有的Start_X(i)，得到最小值X1＝min(Start_X(i))，即为图像中字符的左边界坐标；比较所有的End_X(i)，得到最大值X2＝max(End_X(i))，即为图像中字符的右边界坐标。同理，可以得到图像中字符的上边界坐标Y1＝min(Start_Y(i)),图像中字符的下边界坐标Y2＝max(End_Y(i))。因此，图像中的字符就包含在以(X1,Y1)和(X2,Y2)为对角顶点的矩形框内。令
得到矩形框的中心点坐标(X0,Y0),并把二值图像分成四个区域：
一区(X1≤x≤X0∩Y1≤y≤Y0)、二区(X0≤x≤X2∩Y1≤y≤Y0)、
三区(X1≤x≤X0∩Y0≤y≤Y2)、四区(X0≤x≤X2∩Y0≤y≤Y2)。
步骤305、依据所述边界矩阵的行数和列数，将所述二值图像的各区域划分为多个像素矩阵。
步骤306、分别将每个边界矩阵与各像素矩阵进行匹配，将与边界矩阵匹配的像素矩阵确定为待处理边界矩阵并提取。
在对二值图像进行区域划分后，针对二值图像的各区域，均依据所述边界矩阵的行数和列数进行划分，可将每个区域划分为多个像素矩阵。例如，二值图像的像素为20*80，将二值图像划分为四个区域，每个区域的大小为10*40。若所述边界矩阵为2*2的矩阵，则可为每个区域划分10个像素矩阵。然后确定每个区域的待处理边界矩阵并提取，该步骤与步骤205类似，在此不再赘述。
步骤307、确定各区域对应的待处理边界矩阵的数量，依据预设顺序和各区域对应待处理边界矩阵的数量，为各区域生成对应的待处理图像矩阵。
步骤308、将各区域对应的待处理图像矩阵进行合并，生成所述待处理图像对应的待处理图像矩阵。
与上述实施例不同的是，本发明实施例先确定各区域对应的待处理图像矩阵，再将各区域对应的待处理图像矩阵进行合并，得到待处理图像对应的图像矩阵。其中，确定各区域对应的待处理图像矩阵的步骤，与上述确定待处理图像对应的待处理图像矩阵的步骤类似，即与步骤206-207类似，在此不再赘述。本发明实施例中，可以依次将各区域对应的待处理图像矩阵进行合并，生成所述待处理图像对应的待处理图像矩阵。例如，区域对应的待处理图像矩阵分别为S1＝[DA1、DA2、DA3、DA4、DA5、DA6、DA7、DA8]，S2＝[D1A1、D1A2、D1A3、D1A4、D1A5、D1A6、D1A7、D1A8]，S3＝[D2A1、D2A2、D2A3、D2A4、D2A5、D2A6、D2A7、D2A8]，S4＝[D3A1、D3A2、D3A3、D3A4、D3A5、D3A6、D3A7、D3A8]。则待处理图像对应的待处理图像矩阵X＝[S1，S2，S3，S4]，即所述X为32维的行向量。
步骤309、依据所述二值图像各区域对应的待处理图像矩阵，确定所述待处理图像的对称性。
步骤310、依据所述对称性，确定所述待处理图像对应的待处理图像矩阵所属的特征集合。
本发明实施例，可根据各字符的对称性，确定各字符对应图像的图像矩阵所属的特征集合。具体的，可将字符对应图像的图像矩阵至少划分为5个特征集合，包括：关于原点对称的特征集合G1，左右对称且上下对称的特征集合G2，左右对称且上下不对称的特征集合G3，左右不对称且上下对称的特征集合G4，左右不对称且上下不对称的特征集合G5。其中，属于各特征集合的图像矩阵对应的字符分别为：G1＝{N，Z，S}；G2＝{8，0，H，I，O，X}；G3＝{A，M，T，U，V，W，Y}；G4＝{1，3，B，C，D，E，K}；G5＝{2，4，5，6，7，9，F，G，J，L，P，Q，R}。可见，在比对待处理图像矩阵和各图像矩阵之前，确定待处理图像矩阵所属的特征集合，再将待处理图像矩阵与特征集合中的各图像矩阵进行比对，识别待处理图像对应的字符，可大大减少比对的次数，提高了图像识别的效率。具体的，可依据各区域的待处理图像矩阵确定所述待处理图像对应的待处理图像矩阵的对称性，例如，对比一区和四区的待处理图像矩阵，判断所述待处理图像的字符是否关于原点对称；还例如判断一区的待处理图像矩阵是否和三区的待处理图像矩阵相同，二区的待处理图像矩阵是否和四区的待处理图像矩阵相同，以确定所述待处理图像对应的字符是否上下对称，等等。从而，依据所述待处理图像的对称性，确定所述待处理图像对应的待处理图像矩阵所属的特征集合。
步骤311、依次计算所述待处理图像对应的待处理图像矩阵与所述特征集合中各图像矩阵的距离。
步骤312、将与所述待处理图像矩阵距离最小的图像矩阵对应的字符，确定为目标字符图像的字符。
步骤311-步骤312与上述步骤208-步骤209类似，在此不再赘述。
另外，当待处理图像小角度旋转或平移时，所述待处理图像中包含的待处理边界矩阵，与该字符未出现旋转或偏移时所述待处理图像包含的待处理边界矩阵基本保持一致；因此，即使待处理图像对应的字符出现小角度旋转或平移的情况，本发明实施例提供的识别方法的准确率依然较高。
本发明实施例在提取二值图像的待处理边界矩阵之前，对二值图像进行分区，并确定各区域对应的待处理图像矩阵；从而依据各区域对应的待处理图像矩阵，确定待处理图像的待处理图像矩阵以及其对称性；从而确定待处理图像对应的待处理图像矩阵所属的特征集合，进而计算待处理图像矩阵与所述特征集合中各图像矩阵的距离，大大减少了比对的次数，进一步提高了图像识别的效率。此外，本发明实施例针对字符的小角度旋转以及平移的图像，依然保持较高的正确率。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图4，示出了本发明一种图像识别装置实施例的结构框图，具体可以包括如下模块：设置模块401、获取模块402、提取模块403、确定模块404和识别模块405，其中，
设置模块401，用于预先依据字符的边界特征设置边界矩阵，以及依据所述边界矩阵确定各字符对应图像的图像矩阵，其中，所述图像矩阵由所述边界矩阵的数量构成，所述字符包括数字和字母；
获取模块402，用于获取待处理图像，并对所述待处理图像进行二值化处理，得到二值图像；
提取模块403，用于依次将各边界矩阵与所述二值图像进行匹配，从所述二值图像中提取待处理边界矩阵；
确定模块404，用于依据所述待处理边界矩阵确定所述待处理图像对应的待处理图像矩阵；
识别模块405，用于将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符。
本发明的另一个实施例中，所述的装置还包括：分区模块406、集合确定模块407和处理模块408，其中，
分区模块406，用于依据预设分区规则对所述二值图像进行分区。
集合确定模块407，用于依据所述二值图像各区域对应的待处理图像矩阵，确定所述待处理图像的对称性；依据所述对称性，确定所述待处理图像对应的待处理图像矩阵所属的特征集合。
处理模块408，用于对所述待处理图像进行去噪处理，以去除目标字符图像中孤立点噪声和孤立块噪声。
优选地，本发明实施例中所述提取模块403包括：
矩阵划分子模块4031，用于依据所述边界矩阵的行数和列数，将所述二值图像划分为多个像素矩阵，其中，所述像素矩阵的行数与所述边界矩阵的行数相同，所述像素矩阵的列数与所述边界矩阵的列数相同；
矩阵提取子模块4032，用于分别将每个边界矩阵与各像素矩阵进行匹配，将与边界矩阵匹配的像素矩阵确定为待处理边界矩阵并提取。
优选地，本发明实施例中所述确定模块404包括：
数量确定子模块4041，用于确定各待处理边界矩阵的数量；
矩阵生成子模块4042，用于依据预设顺序，采用各待处理边界矩阵的数量生成待处理图像矩阵。
优选地，本发明实施例中所述识别模块405包括：
第一距离计算子模块4051，用于依次计算所述待处理图像矩阵与各图像矩阵的距离，确定与所述待处理图像矩阵距离最小的图像矩阵；
第一字符确定子模块4052，用于将与所述待处理图像矩阵距离最小的图像矩阵对应的字符，确定为待处理图像的字符。
第二距离计算子模块4053，用于依次计算所述待处理图像对应的待处理图像矩阵与所述特征集合中各图像矩阵的距离；
第二字符确定子模块4054，用于将与所述待处理图像矩阵距离最小的图像矩阵对应的字符，确定为目标字符图像的字符。
本发明实施例提供的一种图像识别方法，预先依据数字和字母的边界特征设置边界矩阵，以及依据所述边界矩阵确定各字符对应图像包含的边界矩阵以及各边界矩阵的数量；再采用各字符对应图像的边界矩阵的数量构成对应的图像矩阵；在识别待处理图像时，获取待处理图像，并对所述待处理图像进行二值化处理，得到二值图像；依次将各边界矩阵与所述二值图像进行匹配，从所述二值图像中提取待处理边界矩阵；依据所述待处理边界矩阵确定所述待处理图像对应的待处理图像矩阵；从而通过将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符。由于生成待处理图像矩阵的方法和比对矩阵算法复杂度低，无需使用乘法器，大大提高了识别的效率；同时还节约了硬件资源。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种图像识别方法和一种图像识别装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (14)

1.一种图像识别的方法，其特征在于，包括：
预先依据字符的边界特征设置边界矩阵，以及依据所述边界矩阵确定各字符对应图像的图像矩阵，其中，所述字符包括数字和字母；
获取待处理图像，并对所述待处理图像进行二值化处理，得到二值图像；
依次将各边界矩阵与所述二值图像进行匹配，从所述二值图像中提取待处理边界矩阵；
依据所述待处理边界矩阵确定所述待处理图像对应的待处理图像矩阵；
将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符。
2.根据权利要求1所述的方法，其特征在于，依次将各边界矩阵与所述二值图像进行匹配，从所述二值图像中提取出待处理边界矩阵的步骤，包括：
依据所述边界矩阵的行数和列数，将所述二值图像划分为多个像素矩阵，其中，所述像素矩阵的行数与所述边界矩阵的行数相同，所述像素矩阵的列数与所述边界矩阵的列数相同；
分别将每个边界矩阵与各像素矩阵进行匹配，将与边界矩阵匹配的像素矩阵确定为待处理边界矩阵并提取。
3.根据权利要求1所述的方法，其特征在于，依据所述待处理边界矩阵确定所述待处理图像对应的待处理图像矩阵的步骤，包括：
确定各待处理边界矩阵的数量；
依据预设顺序，采用各待处理边界矩阵的数量生成待处理图像矩阵。
4.根据权利要求1所述的方法，其特征在于，将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符的步骤，包括：
依次计算所述待处理图像矩阵与各图像矩阵的距离，确定与所述待处理图像矩阵距离最小的图像矩阵；
将与所述待处理图像矩阵距离最小的图像矩阵对应的字符，确定为待处理图像的字符。
5.根据权利要求1所述的方法，其特征在于，在对所述目标字符图像进行二值化处理，得到二值图像的步骤之后，还包括：
依据预设分区规则对所述二值图像进行分区。
6.根据权利要求5所述的方法，其特征在于，将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符的步骤之前，还包括：
依据所述二值图像各区域对应的待处理图像矩阵，确定所述待处理图像的对称性；
依据所述对称性，确定所述待处理图像对应的待处理图像矩阵所属的特征集合；
将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符的步骤，包括：
依次计算所述待处理图像对应的待处理图像矩阵与所述特征集合中各图像矩阵的距离；
将与所述待处理图像矩阵距离最小的图像矩阵对应的字符，确定为目标字符图像的字符。
7.根据权利要求1所述的方法，其特征在于，在对所述待处理图像进行二值化处理，得到二值图像的步骤之前，还包括：
对所述待处理图像进行去噪处理，以去除目标字符图像中孤立点噪声和孤立块噪声。
8.一种图像识别的装置，其特征在于，包括：
设置模块，用于预先依据字符的边界特征设置边界矩阵，以及依据所述边界矩阵确定各字符对应图像的图像矩阵，其中，所述字符包括数字和字母；
获取模块，用于获取待处理图像，并对所述待处理图像进行二值化处理，得到二值图像；
提取模块，用于依次将各边界矩阵与所述二值图像进行匹配，从所述二值图像中提取待处理边界矩阵；
确定模块，用于依据所述待处理边界矩阵确定所述待处理图像对应的待处理图像矩阵；
识别模块，用于将待处理图像矩阵依次与各图像矩阵进行比对，识别所述待处理图像对应的字符。
9.根据权利要求8所述的装置，其特征在于，所述提取模块包括：
矩阵划分子模块，用于依据所述边界矩阵的行数和列数，将所述二值图像划分为多个像素矩阵，其中，所述像素矩阵的行数与所述边界矩阵的行数相同，所述像素矩阵的列数与所述边界矩阵的列数相同；
矩阵提取子模块，用于分别将每个边界矩阵与各像素矩阵进行匹配，将与边界矩阵匹配的像素矩阵确定为待处理边界矩阵并提取。
10.根据权利要求8所述的装置，其特征在于，所述确定模块包括：
数量确定子模块，用于确定各待处理边界矩阵的数量；
矩阵生成子模块，用于依据预设顺序，采用各待处理边界矩阵的数量生成待处理图像矩阵。
11.根据权利要求8所述的装置，其特征在于，所述识别模块包括：
第一距离计算子模块，用于依次计算所述待处理图像矩阵与各图像矩阵的距离，确定与所述待处理图像矩阵距离最小的图像矩阵；
第一字符确定子模块，用于将与所述待处理图像矩阵距离最小的图像矩阵对应的字符，确定为待处理图像的字符。
12.根据权利要求8所述的装置，其特征在于，还包括：
分区模块，用于依据预设分区规则对所述二值图像进行分区。
13.根据权利要求12所述的装置，其特征在于，还包括：
集合确定模块，用于依据所述二值图像各区域对应的待处理图像矩阵，确定所述待处理图像的对称性；依据所述对称性，确定所述待处理图像对应的待处理图像矩阵所属的特征集合；
所述识别模块包括：
第二距离计算子模块，用于依次计算所述待处理图像对应的待处理图像矩阵与所述特征集合中各图像矩阵的距离；
第二字符确定子模块，用于将与所述待处理图像矩阵距离最小的图像矩阵对应的字符，确定为目标字符图像的字符。
14.根据权利要求8所述的装置，其特征在于，还包括：
处理模块，用于对所述待处理图像进行去噪处理，以去除目标字符图像中孤立点噪声和孤立块噪声。
CN201710382101.3A 2017-05-26 2017-05-26 一种图像识别方法和装置 Pending CN108932514A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710382101.3A CN108932514A (zh) 2017-05-26 2017-05-26 一种图像识别方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710382101.3A CN108932514A (zh) 2017-05-26 2017-05-26 一种图像识别方法和装置

Publications (1)

Publication Number Publication Date
CN108932514A true CN108932514A (zh) 2018-12-04

Family

ID=64450948

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710382101.3A Pending CN108932514A (zh) 2017-05-26 2017-05-26 一种图像识别方法和装置

Country Status (1)

Country Link
CN (1) CN108932514A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110069653A (zh) * 2019-03-13 2019-07-30 平安科技（深圳）有限公司 基于草绘轮廓图搜索图片的方法、装置、介质及电子设备
CN112685584A (zh) * 2021-03-22 2021-04-20 北京世纪好未来教育科技有限公司 图像内容标注方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101149804A (zh) * 2006-09-19 2008-03-26 北京三星通信技术研究有限公司 自适应手写识别系统和方法
CN101706873A (zh) * 2009-11-27 2010-05-12 东软集团股份有限公司 数字类限制标志的识别方法和装置
CN101957920A (zh) * 2010-09-08 2011-01-26 中国人民解放军国防科学技术大学 基于数字视频的车牌查找方法
US20110194733A1 (en) * 2010-02-11 2011-08-11 Tc License Ltd. System and method for optical license plate matching
CN102163287A (zh) * 2011-03-28 2011-08-24 北京邮电大学 一种基于类Haar特征和支持向量机的车牌字符识别方法
CN102629322A (zh) * 2012-03-12 2012-08-08 华中科技大学 一种基于边界点笔画形状的字符特征提取方法及应用

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101149804A (zh) * 2006-09-19 2008-03-26 北京三星通信技术研究有限公司 自适应手写识别系统和方法
CN101706873A (zh) * 2009-11-27 2010-05-12 东软集团股份有限公司 数字类限制标志的识别方法和装置
US20110194733A1 (en) * 2010-02-11 2011-08-11 Tc License Ltd. System and method for optical license plate matching
CN101957920A (zh) * 2010-09-08 2011-01-26 中国人民解放军国防科学技术大学 基于数字视频的车牌查找方法
CN102163287A (zh) * 2011-03-28 2011-08-24 北京邮电大学 一种基于类Haar特征和支持向量机的车牌字符识别方法
CN102629322A (zh) * 2012-03-12 2012-08-08 华中科技大学 一种基于边界点笔画形状的字符特征提取方法及应用

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李升等: "基于特征编码的字符识别方法研究", 《现代制造技术与装备》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110069653A (zh) * 2019-03-13 2019-07-30 平安科技（深圳）有限公司 基于草绘轮廓图搜索图片的方法、装置、介质及电子设备
CN112685584A (zh) * 2021-03-22 2021-04-20 北京世纪好未来教育科技有限公司 图像内容标注方法和装置

Similar Documents

Publication Publication Date Title
CN107301402B (zh) 一种现实场景关键帧的确定方法、装置、介质及设备
US9530073B2 (en) Efficient descriptor extraction over multiple levels of an image scale space
CN106599028B (zh) 一种基于视频图像处理的书本内容搜索匹配方法
CN110807448A (zh) 人脸关键点数据增强方法、装置、系统以及模型训练方法
US8660385B2 (en) Feature-based signatures for image identification
CN108830133B (zh) 合同影像图片的识别方法、电子装置及可读存储介质
US20110123114A1 (en) Character recognition device and method and computer-readable medium controlling the same
JP2015513754A (ja) 顔認識方法及びデバイス
CN107545223B (zh) 图像识别方法及电子设备
WO2013180530A1 (ko) 특징점 기술자에 의한 객체 추적장치 및 방법, 에러 특징점 제거장치 및 방법, 그리고 이동 단말에 구현되는 장치
CN108615058A (zh) 一种字符识别的方法、装置、设备及可读存储介质
CN107038432B (zh) 基于频率信息的指纹图像方向场提取方法
CN111738045A (zh) 一种图像检测方法、装置、电子设备及存储介质
CN109447117A (zh) 双层车牌识别方法、装置、计算机设备及存储介质
CN113221897B (zh) 图像矫正方法、图像文本识别方法、身份验证方法及装置
CN108932514A (zh) 一种图像识别方法和装置
CN103455816B (zh) 一种笔画宽度提取方法、装置及一种文字识别方法、系统
CN114187333A (zh) 一种图像对齐方法、图像对齐装置及终端设备
CN110909568A (zh) 用于面部识别的图像检测方法、装置、电子设备及介质
CN110070490A (zh) 图像拼接方法和装置
CN112883959B (zh) 身份证照完整性检测方法、装置、设备及存储介质
CN111784561A (zh) 用于从图像中提取对象的方法、装置和存储介质
CN111508045B (zh) 一种图片合成的方法及装置
CN115456906A (zh) 基于破损图像的人脸图像修复方法、装置、设备及介质
CN109801334B (zh) 工件定位方法、标准点确定方法、装置及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181204