CN110852340A - 一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法 - Google Patents

一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法 Download PDF

Info

Publication number
CN110852340A
CN110852340A CN201910870587.4A CN201910870587A CN110852340A CN 110852340 A CN110852340 A CN 110852340A CN 201910870587 A CN201910870587 A CN 201910870587A CN 110852340 A CN110852340 A CN 110852340A
Authority
CN
China
Prior art keywords
matrix
pixel
pixel matrix
sub
expansion
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
CN201910870587.4A
Other languages
English (en)
Inventor
连志刚
李春亭
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.)
Shanghai Dianji University
Original Assignee
Shanghai Dianji University
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 Shanghai Dianji University filed Critical Shanghai Dianji University
Priority to CN201910870587.4A priority Critical patent/CN110852340A/zh
Publication of CN110852340A publication Critical patent/CN110852340A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Character Input (AREA)

Abstract

一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法，该方法是将包含汉字、数字、字母单词、指纹、人脸、彩图信息的图片进行放大，直到图片放大到图片的信息可用相互独立的像素点来表示，该方法的实施步骤为：(1)将原彩色像素矩阵进行预处理(1.1)所述将原彩色像素矩阵进行预处理时(2)构建原像素矩阵分类器(3)获取对比信息，将步骤(1)中扩展像素矩阵的扩展部分与扩展像素矩阵库中的相应位置信息进行对比；(4)匹配；该方法通过构建原像素矩阵分类器，能够快速匹配搜索；读取准确，提高了信息搜素匹配度和搜索效率，节省了匹配时间缩小图像库的范围。

Description

一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法
技术领域
本发明涉及彩色图片识别技术领域，尤其是一种扩展矩阵与亚像素矩 阵结合的彩色图像识别方法。
背景技术
图像识别是生活中常用且极为关键的技术，图像识别一般包括信息采 集、信息的分析与处理、信息的分类判别等几个部分。现在在文献资料的 检索、物流行业新建和包裹的分拣、各类证件识别、快速录入信息、安检、 指模考勤、人脸识别等众多领域都要图像识别技术，常用的方法有模板匹 配法和几何特征抽取法，还存在着识别效率低，和准确度不够高的状况发 生，因而需要设计一种能快速识别，节省时间的基于扩展与亚像素矩阵结合的图像快速识别方法。
本发明就是为了解决以上问题而进行的改进。
发明内容
本发明需要解决的技术问题是提供一种能够快速匹配搜索、读取准确、 提高了信息搜素匹配度和搜索效率的扩展矩阵与亚像素矩阵结合的彩色图 像识别方法。
本发明为解决其技术问题所采用的技术方案是：
一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法，该方法是将包 含汉字、数字、字母单词、指纹、人脸、彩图信息的图片进行放大，直到 图片放大到图片的信息可用相互独立的像素点来表示，该方法的实施步骤 为：
(1)将原彩色像素矩阵进行预处理，将包含汉字、数字、字母单词、 指纹、人脸、彩图信息的二维数组进行预处理，形成扩展像素矩阵；
(1.1)所述将原彩色像素矩阵进行预处理时，首先划分成m*m块像 素矩阵，再转化成原像素矩阵的m*m亚像素矩阵；
(2)构建原像素矩阵分类器，将汉字、数字、字母单词、指纹、人脸、 彩图数据库原像素矩阵依据分类器特征，存放于树形结构内，以便搜索识 别时按照分类器特征快速匹配搜索；
(3)获取对比信息，将步骤(1)中扩展像素矩阵的扩展部分与扩展 像素矩阵库中的相应位置信息进行对比；
(4)匹配，在步骤(3)中对比成功则再进一步详细对比，直到完全 对比成功并读取，像素和的值匹配完成后，对每个像素点的R,G,B的值， 再根据像素值匹配顺序据需进行匹配，直到完全对比成功读取即可；
进一步的，所述步骤(2)中，该分类器是基于扩展像素矩阵和亚像素 矩阵的特征实现的；
更进一步的，所述每个像素点由R、G、B组成，R、G、B的取值均 在(0,0,0)～(255,255,255)之间；
具体的，所述在进行像素匹配时先对R、G、B的和像素值进行匹配；
其中，所述像素值匹配顺序如下：
S1、先进行图片信息的扩展矩阵扩展部分匹配，当扩展部分全部匹配 相等时，再进一步依次对比相同扩展矩阵对应的亚像素矩阵；
S2、将扩展矩阵、亚像素矩阵与字典中的模板进行模式匹配，找到与 待识别图像全部匹配相同作为识别结果；
S3、将图片数值矩阵或序列与所述缩小后的目标数据库中的参考数值 矩阵或序列进行比较，以识别图片信息。
基于扩展与亚像素矩阵相结合的快速图像识别流程主要包括图像数据 库建立；各图像原像素矩阵生成、扩展像素矩阵构造、亚像素矩阵构造、 分类器构造；目标图像信息提取、预处理、像素扩展矩阵构造、亚像素矩 阵构造；及其扩展矩阵匹配，亚像素矩阵匹配等过程。在采集图像信息后， 进行预处理，构造该图像的扩展矩阵与亚像素矩阵，并将其与图像库矩阵 的扩展矩阵及亚像素矩阵进行匹配，得出识别结果。
本发明的优点在于：该方法通过构建原像素矩阵分类器，能够快速匹 配搜索；读取准确，提高了信息搜素匹配度和搜索效率，节省了匹配时间 缩小图像库的范围。
附图说明
图1是本发明提出的一种扩展矩阵与亚像素矩阵结合的彩色图像识别 方法的流程图。
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，下面结合图示与具体实施例，进一步阐述本发明。
参照图1所示，该扩展矩阵与亚像素矩阵结合的彩色图像识别方法， 该方法是将包含汉字、数字、字母单词、指纹、人脸、彩图信息的图片进 行放大，直到图片放大到图片的信息可用相互独立的像素点来表示，该方 法的实施步骤为：
(1)将原彩色像素矩阵进行预处理，将包含汉字、数字、字母单词、 指纹、人脸、彩图信息的二维数组进行预处理，形成扩展像素矩阵；
(1.1)所述将原彩色像素矩阵进行预处理时，首先划分成m*m块像 素矩阵，再转化成原像素矩阵的m*m亚像素矩阵；
(2)构建原像素矩阵分类器，将汉字、数字、字母单词、指纹、人脸、 彩图数据库原像素矩阵依据分类器特征，存放于树形结构内，以便搜索识 别时按照分类器特征快速匹配搜索；
(3)获取对比信息，将步骤(1)中扩展像素矩阵的扩展部分与扩展 像素矩阵库中的相应位置信息进行对比；
(4)匹配，在步骤(3)中对比成功则再进一步详细对比，直到完全 对比成功并读取，像素和的值匹配完成后，对每个像素点的R,G,B的值， 再根据像素值匹配顺序据需进行匹配，直到完全对比成功读取即可；
进一步的，所述步骤(2)中，该分类器是基于扩展像素矩阵和亚像素 矩阵的特征实现的；
更进一步的，所述每个像素点由R、G、B组成，R、G、B的取值均 在(0,0,0)～(255,255,255)之间；
具体的，所述在进行像素匹配时先对R、G、B的和像素值进行匹配；
其中，所述像素值匹配顺序如下：
S1、先进行图片信息的扩展矩阵扩展部分匹配，当扩展部分全部匹配 相等时，再进一步依次对比相同扩展矩阵对应的亚像素矩阵；
S2、将扩展矩阵、亚像素矩阵与字典中的模板进行模式匹配，找到与 待识别图像全部匹配相同作为识别结果；
S3、将图片数值矩阵或序列与所述缩小后的目标数据库中的参考数值 矩阵或序列进行比较，以识别图片信息。
基于扩展与亚像素矩阵相结合的快速图像识别流程主要包括图像数据 库建立；各图像原像素矩阵生成、扩展像素矩阵构造、亚像素矩阵构造、 分类器构造；目标图像信息提取、预处理、像素扩展矩阵构造、亚像素矩 阵构造；及其扩展矩阵匹配，亚像素矩阵匹配等过程。在采集图像信息后， 进行预处理，构造该图像的扩展矩阵与亚像素矩阵，并将其与图像库矩阵 的扩展矩阵及亚像素矩阵进行匹配，得出识别结果。
图像的提取由识别机中的送纸机构和光电变换装置来实现，有飞点扫 描、摄像机、光敏元件和激光扫描等光电变换装置。通过扫描装置，将识 别对象进行扫描，生成待识别图像的原像素(R,G,B)矩阵P：
Figure BDA0002202669030000051
其中，rij,gij,bij∈(0,255)；
构造其扩展矩阵E：
Figure BDA0002202669030000052
其中，
Figure BDA0002202669030000053
Figure BDA0002202669030000054
构造其亚像素矩阵S：
Figure RE-GDA0002360836690000062
其中
Figure BDA0002202669030000062
1.将候选库中的图像进行预处理，得到库所有原像素矩阵、扩展矩阵、 亚像素矩阵；
2.基于扩展矩阵的扩展特征，基于亚像素矩阵的特征，构建原像素矩阵 分类器。将候选图像数据库原像素矩阵依据分类器特征，存放于三层树形 结构内，具体如下：
Figure BDA0002202669030000063
1.将候选库图像的原像素矩阵、扩展矩阵、亚像素矩阵在树节点下存 储；
2.将待识别图像的扩展矩阵的扩展部分与库中图像信息的所有扩展矩 阵的扩展部分快速对比，先对比扩展部分n+1行n+1列的(RA”,GA”,BA”)， 当扩展部分RA”,GA”,BA”都相等时，再对比扩展部分的(Ri,Gi,Bi)和 (Ri’,Gi’,Bi’)，(i＝1,2…n)；
3.当扩展部分相同时，再将待识别图像的亚像素矩阵与扩展矩阵相同 的树形结构节点下，图像库亚像素矩阵进行对比；
当亚像素矩阵相同时，然后将待识别图像的原像素矩阵与亚像素矩阵 相同的树形结构节点下图像库的原像素矩阵逐一对比，最后找出原像素矩 阵全部相同的目标图像，从而识别出结果。
该方法通过构建原像素矩阵分类器，能够快速匹配搜索；读取准确， 提高了信息搜素匹配度和搜索效率，节省了匹配时间缩小图像库的范围。
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同物界定。

Claims (5)

1.一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法，该方法是将包含汉字、数字、字母单词、指纹、人脸、彩图信息的图片进行放大，直到图片放大到图片的信息可用相互独立的像素点来表示，其特征在于：
该方法的实施步骤为：
(1)将原彩色像素矩阵进行预处理，将包含汉字、数字、字母单词、指纹、人脸、彩图信息的二维数组进行预处理，形成扩展像素矩阵；
(1.1)所述将原彩色像素矩阵进行预处理时，首先划分成m*m块像素矩阵，再转化成原像素矩阵的m*m亚像素矩阵；
(2)构建原像素矩阵分类器，将汉字、数字、字母单词、指纹、人脸、彩图数据库原像素矩阵依据分类器特征，存放于树形结构内；
(3)获取对比信息，将步骤(1)中扩展像素矩阵的扩展部分与扩展像素矩阵库中的相应位置信息进行对比；
(4)匹配，在步骤(3)中对比成功则再进一步详细对比，直到完全对比成功并读取。
2.如权利要求1所述的一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法，其特征在于，所述步骤(2)中，该分类器是基于扩展像素矩阵和亚像素矩阵的特征实现的。
3.如权利要求1所述的一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法，其特征在于，所述每个像素点由R、G、B组成，R、G、B的取值均在(0,0,0)～(255,255,255)之间。
4.如权利要求3所述的一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法，其特征在于，所述在进行像素匹配时先对R、G、B的和像素值进行匹配。
5.如权利要求3所述的一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法，其特征在于，所述像素值匹配顺序如下：
S1、先进行图片信息的扩展矩阵扩展部分匹配，当扩展部分全部匹配相等时，再进一步依次对比相同扩展矩阵对应的亚像素矩阵；
S2、将扩展矩阵、亚像素矩阵与字典中的模板进行模式匹配，找到与待识别图像全部匹配相同作为识别结果；
S3、将图片数值矩阵或序列与所述缩小后的目标数据库中的参考数值矩阵或序列进行比较，以识别图片信息。
CN201910870587.4A 2019-09-16 2019-09-16 一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法 Pending CN110852340A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910870587.4A CN110852340A (zh) 2019-09-16 2019-09-16 一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910870587.4A CN110852340A (zh) 2019-09-16 2019-09-16 一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法

Publications (1)

Publication Number Publication Date
CN110852340A true CN110852340A (zh) 2020-02-28

Family

ID=69594961

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910870587.4A Pending CN110852340A (zh) 2019-09-16 2019-09-16 一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法

Country Status (1)

Country Link
CN (1) CN110852340A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050114332A1 (en) * 2003-11-26 2005-05-26 Lee Shih-Jong J. Fast high precision matching method
CN105447858A (zh) * 2015-11-17 2016-03-30 江西洪都航空工业集团有限责任公司 一种用于大转角测量的数字图像处理方法
CN108280468A (zh) * 2018-01-15 2018-07-13 上海电机学院 一种基于网格的图像识别方法
CN109325138A (zh) * 2018-07-12 2019-02-12 上海电机学院 一种基于扩展与亚像素矩阵结合的图像快速识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050114332A1 (en) * 2003-11-26 2005-05-26 Lee Shih-Jong J. Fast high precision matching method
CN105447858A (zh) * 2015-11-17 2016-03-30 江西洪都航空工业集团有限责任公司 一种用于大转角测量的数字图像处理方法
CN108280468A (zh) * 2018-01-15 2018-07-13 上海电机学院 一种基于网格的图像识别方法
CN109325138A (zh) * 2018-07-12 2019-02-12 上海电机学院 一种基于扩展与亚像素矩阵结合的图像快速识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李春亭: "基于亚像素矩阵图像识别的评阅系统研究" *

Similar Documents

Publication Publication Date Title
CN112613502A (zh) 文字识别方法及装置、存储介质、计算机设备
KR20110028034A (ko) 라벨 검색 방법 및 장치
US20200134382A1 (en) Neural network training utilizing specialized loss functions
Wati et al. Pattern Recognition of Sarong Fabric Using Machine Learning Approach Based on Computer Vision for Cultural Preservation.
Shehu et al. Character recognition using correlation & hamming distance
Devi et al. Pattern matching model for recognition of stone inscription characters
CN109325138B (zh) 一种基于扩展与亚像素矩阵结合的图像快速识别方法
CN107292255B (zh) 基于特征矩阵相似度分析的手写数字识别方法
US6694059B1 (en) Robustness enhancement and evaluation of image information extraction
Jubair et al. A simplified method for handwritten character recognition from document image
CN110704667A (zh) 一种基于语义信息的快速相似图检测算法
US11715288B2 (en) Optical character recognition using specialized confidence functions
Lakshmi et al. A new hybrid algorithm for Telugu word retrieval and recognition
CN110852340A (zh) 一种扩展矩阵与亚像素矩阵结合的彩色图像识别方法
Jia et al. Grayscale-projection based optimal character segmentation for camera-captured faint text recognition
Jundale et al. Skew detection of Devanagari script using pixels of axes-parallel rectangle and linear regression
Alsimry et al. A new approach for finding duplicated words in scanned Arabic documents based on OCR and SURF.
Royer et al. Guiding text image keypoints extraction through layout analysis
Zhou et al. A Structure-Focused Deep Learning Approach for Table Recognition from Document Images
Kong et al. Classification of Digital Chess Pieces and Board Position using SIFT
Savitha et al. Detection of single and multi-character Tulu text blocks
Cheng et al. A framework of reading timestamps for surveillance video
Singla et al. Offline handwritten Devanagari numerals recognition using GLCM features & neural networks
Waladi et al. Automatic Counting Based On Scanned Election Form Using Feature Match and Convolutional Neural Network
Singhal A review on optical character recognition

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

Application publication date: 20200228

RJ01 Rejection of invention patent application after publication