CN112215216A - 一种图像识别结果的字符串模糊匹配系统及方法 - Google Patents
一种图像识别结果的字符串模糊匹配系统及方法 Download PDFInfo
- Publication number
- CN112215216A CN112215216A CN202010945848.7A CN202010945848A CN112215216A CN 112215216 A CN112215216 A CN 112215216A CN 202010945848 A CN202010945848 A CN 202010945848A CN 112215216 A CN112215216 A CN 112215216A
- Authority
- CN
- China
- Prior art keywords
- character string
- matching
- matched
- standard
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 21
- 238000007781 pre-processing Methods 0.000 claims description 19
- 238000003702 image correction Methods 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 8
- 238000005260 corrosion Methods 0.000 description 4
- 230000007797 corrosion Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2468—Fuzzy queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Automation & Control Theory (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Character Discrimination (AREA)
Abstract
本发明涉及一种图像识别结果的字符串模糊匹配方法,涉及工业图像检测的标准库匹配技术领域,提供一种图像识别结果的字符串模糊匹配方法,包括字符串预处理、包含匹配、字符个数匹配、再次匹配和结果输出,从已知的一组搜索字符串中找出与工业图像检测结果(即被搜索字符串)最为匹配的一个字符串。
Description
技术领域
本发明涉及工业图像检测的标准库匹配技术领域,更具体地说涉及一种图像识别结果的字符串模糊匹配系统及方法。
背景技术
图像识别,是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术,是应用深度学习算法的一种实践应用。
现阶段图像识别技术一般分为人脸识别与商品识别,人脸识别主要运用在安全检查、身份核验与移动支付中;商品识别主要运用在商品流通过程中,特别是无人货架、智能零售柜等无人零售领域。图像的传统识别流程分为四个步骤:图像采集→图像预处理→特征提取→图像识别,另外在地理学中指将遥感图像进行分类的技术。
如现有技术中,公开号为CN106250830A,公开时间为2016年12月21日,名称为“数字图书结构化分析处理方法”的中国发明专利文献,公开了一种数字图书结构化分析处理方法,首先利用图像处理方法以及OCR工具对图书的扫描图像预处理,在此基础上获得图书的文本信息和视觉特征值,同时对图书的版面进行识别,去除无关信息,然后根据图书的布局特征、功能性特征和视觉特征对图书进行目录检测、目录解析、段落识别和目录链接,并最终将图书进行结构化表示。
而随着图像识别技术的飞速发展,在工业领域也越来越多地开始使用图像识别检测技术。而由于工业现场环境的多样性,图像检测的结果往往不能和标准库中的字符串完全匹配,或多或少会有一些字符不能匹配到标准库。
目前常用的Knuth-Morris-Pratt算法(简称KMP)、Boyer-Moore(简称BM)算法等必须考虑字符串顺序,将搜索字符按照顺序从被搜索字符中找到,这种被搜索字符对搜索字符的完全包含关系与图像中识别出来的字符串与搜索字符的关系不同,我们必须开发自己的图像识别结果的字符串模糊匹配方法。
发明内容
为了克服上述现有技术中存在的缺陷和不足,本发明提供了一种图像识别结果的字符串模糊匹配系统和方法,从已知的一组搜索字符串中找出与工业图像检测结果(即被搜索字符串)最为匹配的一个字符串。
为了解决上述现有技术中存在的问题,本发明是通过下述技术方案实现的:
一种图像识别结果的字符串模糊匹配系统,其特征在于:包括控制指令输入单元、字符串输入单元、字符串匹配单元、标准数据库和屏幕显示单元;
控制指令输入单元用于向字符串输入单元输入字符串中连续空格字符数量设定阈值,和向字符串匹配单元输入匹配规则,以及向标准数据库中录入标准字符串;
所述标准数据库将录入的标准字符串存储为可调用的标准字符串库;
所述字符串输入单元用于将经过图像识别处理的结果输入、并对结果中识别出的字符串中连续空格字符数量超过设定阈值的字符串进行删除处理,并将处理后的待匹配字符串输出至字符串匹配单元;
所述字符串匹配单元调用所述标准数据库中标准字符串库的标准字符串与所述字符串输入单元输出的待匹配字符串进行的逐一比对,得到待匹配字符串与标准字符串间的包含匹配度、个数匹配度和相近匹配度,并取其中匹配度最大值对应的标准字符串作为输出结果输出至所述屏幕显示单元中。
具体的,所述字符串匹配单元中,首先字符串匹配单元调用所述标准数据库中标准字符串库的标准字符串与所述字符串输入单元输出的待匹配字符串进行包含关系的逐一比对得到待匹配字符串与标准字符串间的包含匹配度;
然后将与待匹配字符串间无包含关系的标准字符串中的单个字符分别与待匹配字符串中的字符进行匹配,并根据匹配到的字符个数给出标准字符串的个数匹配度;以及,将包含匹配度中与最大包含匹配度相差在1%以内的所有标准字符串与其对应的待匹配字符串进行再次匹配给出相近匹配度。
进一步的,所述字符串匹配单元还将待匹配字符串与标准字符串间的最大包含匹配度、个数匹配度和相近匹配度对应的标准字符串输出至所述屏幕显示单元中。
对应上述系统,本发明还提供了一种图像识别结果的字符串模糊匹配方法,其特征在于:包括字符串预处理步骤、包含匹配步骤、字符个数匹配步骤、相近匹配步骤和结果输出步骤;
所述字符串预处理步骤,是去掉图像识别结果中识别出的待匹配字符串中2个及2个以上的连续空格字符;
所述包含匹配步骤,是将经过字符串预处理的待匹配字符串与标准字符串库内的标准字符串进行包含关系的逐一检查,并对与待匹配字符串存在包含关系的标准字符串给出其包含匹配度;
所述字符个数匹配步骤,是将经过包含匹配后,与待匹配字符串无包含关系的标准字符串中的单个字符分别与待匹配字符串中的字符进行单个字符的匹配,并根据每个标准字符串匹配到的字符个数,给出每个与待匹配字符串无包含关系的标准字符串与待匹配字符串间的个数匹配度;
所述相近匹配步骤,是将经过包含匹配后、包含匹配度中与最大包含匹配度相差在1%以内的所有标准字符串与其对应的待匹配字符串进行再次匹配,通过设定先验灰度阈值的方式比、匹配并计算得到相近匹配度。
所述结果输出步骤,取值最大的匹配度所对应的标准字符串作为输出结果。
具体的,所述字符串预处理步骤,包括图像校正和OCR识别,输入的图像识别结果图像,经过基于opencv开源库的算法进行图像校正后,再基于opencv开源库的算法和Tesseract-OCR样本训练方法进行OCR识别,识别并删除图像识别结果中、识别出的待匹配字符串中2个及2个以上的连续空格字符。
所述图像校正,包括以下步骤:
步骤1, 读入图像识别结果图像,对图像进行降采样,该操作是为了加速完成图像相关算法处理,由于图像校正本质是计算出倾斜度,而图像大小对其的影响较小,所以采用小分辨率来进行计算;
步骤2,将经过步骤1处理的图像进行二值化处理,从RGB格式转换为Gray格式,然后进行高斯模糊处理;
步骤3,采用形态学处理,以先开后闭的方式对经过步骤2处理的图像进行卷积处理,这里的先开后闭是指对图像的开运算和闭运算,开运算即先腐蚀运算再膨胀运算,看上去是把细微连在一起的两块目标分开了;而闭运算即先膨胀运算,再腐蚀运算,看上去将两个细微连接的图块封闭在一起;
步骤4,利用canny算子计算经过步骤3的图像的边缘图,由于工业环境下零件的边缘不清晰,需要利用canny算子计算出准确的零件边缘;
步骤5,采用纯色扩充的方式,将经过步骤4处理的图像进行图像扩充,将其像素尺寸扩充为2、3或5的倍数,且扩充后的图像与原图像左上角对齐;由于opencv开源库的算法中,傅里叶变换变换之前需要对图像进行扩充,该操作是为了让傅里叶变换快速完成,提高程序效率;
步骤6,对经过步骤5扩充后的图像进行傅里叶(DFT)计算,得到DFT图像,然后使用log函数把DFT图像的图像亮度范围缩小,并将图像亮度范围范化到[0,1]内,将规范化后的亮度映射到一般亮度范围[0,255]内的整数,即得到一幅倾斜的傅里叶谱图像;由于幅度变化范围大,针对一般图像亮度范围为[0,255]特征不明显,因此使用log函数把数值的范围缩小,再将图像规范化到[0,1]内,再用该数值映射到[0,255]内的整数,最终结果为一幅特征明显的傅里叶谱图像,即肉眼可观察到的倾斜;
步骤7,采用霍夫(Hough)变换检测步骤6得到的傅里叶谱图像中的直线,并根据检测到的直线计算得到倾斜角,此处应注意当倾斜角大于90度时,(180-倾斜角)才是直线相对竖直方向的偏离角度,而在OpenCV的图像方向中,逆时针旋转,角度为正;根据倾斜角计算相应的仿射矩阵,再根据仿射变换将原图进行相应的倾斜即可得到校正后的图像;根据倾斜角计算相应的仿射矩阵,实际在opencv中的操作是利用getRotationMatrix2D()获得一个2*3的仿射变换矩阵,再把这个矩阵输入warpAffine(),做一个单纯旋转的仿射变换。
所述OCR识别,包括以下步骤:
步骤1,读入经过图像校正后的图像并进行二值化处理,然后进行均值滤波;
步骤2,采用opencv开源库算法中的MSER类对经过步骤1处理的图像进行OCR文本区域检测,得到OCR候选文本区域;
步骤3,由于零件上的OCR区域大小有一定的规律,针对该规律采用设定先验阈值,从OCR候选文本区域中筛选出OCR文本区域,并去掉部分噪声区域;并且,由于零件上的OCR分布有断开,导致OCR文本区域部分被分为多个区域,因此,还需要根据OCR候选文本区域应用位置对应判断筛选出的OCR文本区域位置并进行合并,得到OCR文本矩形框;
步骤4,对所述OCR文本矩形框进行修正和范围扩充,防止OCR越界,完成OCR的准确定位,通过Tesseract-OCR样本训练方法对完成OCR准确定位的OCR文本矩形框进行识别。
进一步的,所述包含匹配步骤中,对待匹配字符串与的标准字符串进行包含关系的逐一检查时:
如果待匹配字符串有且只有一个与标准字符串库中的标准字符串相匹配,则将该标准字符串输出作为匹配字符串,并标识其匹配度为最大值作为包含匹配度;
如果待匹配字符串包含于一个标准字符串中,且该标准字符串中除了包含这个待匹配字符串字符外还有其他字符,则将这个待匹配字符串的字符个数与这个标准字符串的字符个数的商值作为包含匹配度,即,设标准字符串的字符数为X,待匹配字符串的字符数为Y,而,则个数匹配度为。
优选地,所述最大值为大于等于10的整数。如果待匹配字符串与某标准字符串完全一致,就认为该标准字符串是最准确匹配,相近匹配的方法在开发中用到过大于1 的值,最后实际使用的这篇专利所阐述的发明方法没有超过1,但是为了后续继续在实践中对二次匹配的深入探索和改良方便,对完全匹配的标准字符串设置了一个很大的匹配度,即大于等于10的整数,其实只要设定一个大于个数匹配和二次匹配能够达到的最大值即可保证将这个正确的字符串在最后进行输出。
进一步的,所述字符个数匹配步骤是将标准字符串库中的每个标准字符串中的每个字符与待匹配字符串中的字符进行比对,待匹配字符串中每包含一个标准字符串的字符则计数器加1,反之,将待匹配字符串的每个字符与标准字符串进行比对,标准字符串中每包含一个待匹配字符串的字符则计数器加1,最后,将每个标准字符串与待匹配字符串比对后的计数器的计数值与两个字符串长度和的商值作为个数匹配度,即,例设标准字符串的字符数为X,待匹配字符串的字符数为Y,计数器累加结果为N,则个数匹配度为。
进一步的,所述相近匹配步骤,是从所述包含匹配步骤的包含匹配度结果中找出与最大包含匹配度相差在1%以内的所有标准字符串,并在这些标准字符串中从左到右依次取n个字符并在待匹配字符串中去寻找这n个字符,如果找到则计数器加1,即,设标准字符串在包含匹配的包含匹配度为Z,标准字符串的字符数为X,待匹配字符串的字符数为Y,计数器累加结果为N,则相近匹配的匹配度为,其中n<X和Y。
优选的,所述n为2,即在标准字符串中从左到右依次取2个字符并在待匹配字符串中去寻找这2个字符,如果找到则计数器加1。
与现有技术相比,本发明所带来的有益的技术效果表现在:
本方法只用搜索字符串中字符在待搜索字符串中出现的次数作为区别匹配度的标准,计算复杂度得到了极大的降低,同时依然保持了极高的准确性,按照现有常用的Knuth-Morris-Pratt算法(简称KMP)、Boyer-Moore(简称BM)算法等必须考虑字符串顺序,比对的次数需要考虑排列组合,例如设标准字符串的字符数为X,待匹配字符串的字符数为Y,则需要比对X×Y次,而采用本方法则经需要比对X+Y次即能找到与待匹配字符串最为匹配的字符串进行输出,复杂度明显降低,适应了工业检测现场相机读取工件时间短、准确率高的要求,也留给用时较长的图像预处理更多的时间。
在对字符串预处理中,由于标准字符串库中是没有2个及2个以上的连续空格的,而图像识别结果字符串不仅有时会将两个字符中的一个空格识别为2个及以上的连续空格,而且对于不能识别的字符也会以空格给出,这些字符会干扰我们后面用包含匹配和字符个数匹配进行模糊识别,因为增加了肯定错误的字符个数,所以在待匹配字符串的预处理中就要将这种2个及以上的连续空格去除有利于比对的准确性提高;字符个数匹配针对的是不符合完全包含匹配的标准字符串,标准字符串库中每个标准字符串都进行过个数匹配后从中取出的匹配度较大的一部分字符串作为候选;相近匹配是针对于多个符合完全包含匹配、且待匹配字符串包含于标准字符串的情况,采用字符级的相似匹配可以从中进一步选出最接近的;最后取值最大的匹配度是包括包含匹配、字符个数匹配和相近匹配度三个过程的结果来对比。
附图说明
图1为本发明字符串模糊匹配系统一种优选方案的拓补结构示意图;
图2为本发明字符串模糊匹配方法一种优选方案的流程示意图。
具体实施方式
下面通过几个具体实施例进一步说明实现本发明目的的技术方案,需要说明的是,本技术方案包括但不限于以下具体实施例。
实施例1
作为本发明图像识别结果的字符串模糊匹配系统一种最基本的实施例,参照说明书附图1,本实施例公开的系统包括控制指令输入单元、字符串输入单元、字符串匹配单元、标准数据库和屏幕显示单元;
具体的,所述控制指令输入单元用于向字符串输入单元输入字符串中连续空格字符数量设定阈值,和向字符串匹配单元输入匹配规则,以及向标准数据库中录入标准字符串;
所述标准数据库将录入的标准字符串存储为可调用的标准字符串库;
所述字符串输入单元用于将经过图像识别处理的结果输入、并对结果中识别出的字符串中连续空格字符数量超过设定阈值的字符串进行删除处理,并将处理后的待匹配字符串输出至字符串匹配单元;
所述字符串匹配单元调用所述标准数据库中标准字符串库的标准字符串与所述字符串输入单元输出的待匹配字符串进行的逐一比对,得到待匹配字符串与标准字符串间的包含匹配度、个数匹配度和相近匹配度,并取其中匹配度最大值对应的标准字符串作为输出结果输出至所述屏幕显示单元中。
本方案只用搜索字符串中字符在待搜索字符串中出现的次数作为区别匹配度的标准,计算复杂度得到了极大的降低,同时依然保持了极高的准确性,按照现有常用的Knuth-Morris-Pratt算法(简称KMP)、Boyer-Moore(简称BM)算法等必须考虑字符串顺序,比对的次数需要考虑排列组合,例如设标准字符串的字符数为X,待匹配字符串的字符数为Y,则需要比对X×Y次,而采用本方法则经需要比对X+Y次即能找到与待匹配字符串最为匹配的字符串进行输出,复杂度明显降低,适应了工业检测现场相机读取工件时间短、准确率高的要求,也留给用时较长的图像预处理更多的时间
实施例2
作为本发明图像识别结果的字符串模糊匹配系统一种优选的实施例,在上述实施例1技术方案的基础上,具体的,所述字符串匹配单元中,首先字符串匹配单元调用所述标准数据库中标准字符串库的标准字符串与所述字符串输入单元输出的待匹配字符串进行包含关系的逐一比对得到待匹配字符串与标准字符串间的包含匹配度;
然后将与待匹配字符串间无包含关系的标准字符串中的单个字符分别与待匹配字符串中的字符进行匹配,并根据匹配到的字符个数给出标准字符串的个数匹配度;以及,将包含匹配度中与最大包含匹配度相差在1%以内的所有标准字符串与其对应的待匹配字符串进行再次匹配给出相近匹配度。
进一步的,所述字符串匹配单元还将待匹配字符串与标准字符串间的最大包含匹配度、个数匹配度和相近匹配度对应的标准字符串输出至所述屏幕显示单元中。
实施例3
对应上述实施例1和2所提供的图像识别结果的字符串模糊匹配系统技术方案,如图2,本实施例还给出了一种图像识别结果的字符串模糊匹配方法,包括字符串预处理步骤、包含匹配步骤、字符个数匹配步骤、相近匹配步骤和结果输出步骤;
所述字符串预处理步骤,是去掉图像识别结果中的识别出的待匹配字符串中2个及2个以上的连续空格字符;
所述包含匹配步骤,是将经过字符串预处理的待匹配字符串与标准字符串库内的标准字符串进行包含关系的逐一检查,并对与待匹配字符串存在包含关系的标准字符串给出其包含匹配度;
字符个数匹配,是将所述字符个数匹配是将标准字符串库中的每个标准字符串的每个字符与待匹配字符串进行比对,待匹配字符串中每包含一个标准字符串的字符计数器加1,同样反过来,将待匹配字符串的每个字符与标准字符串进行比对,标准字符串中每包含一个待匹配字符串的字符计数器加1,最终,将每个标准字符串与待匹配字符串比对后的计数器的计数值与两个字符串长度和的商值作为个数匹配度,即,例如设标准字符串的字符数为X,待匹配字符串的字符数为Y,计数器累加结果为N,则个数匹配度为;
所述相近匹配,从包含匹配的结果中找出与最大包含匹配度相差在1%以内的所有标准字符串,并在这些标准字符串中从左到右依次取n个字符并在待匹配字符串中去寻找这n个字符,通过设定先验灰度阈值的方式,将标准字符和待匹配字符进行比对、匹配并计算匹配结果中的相似度,得到相近匹配度,满足设定调节的即视为找到,如果找到则计数器加1,设标准字符串在包含匹配的包含匹配度为Z,标准字符串的字符数为X,待匹配字符串的字符数为Y,计数器累加结果为N,则相近匹配的匹配度为,其中n<X和Y;优选的,所述n为2,即在标准字符串中从左到右依次取2个字符并在待匹配字符串中去寻找这2个字符,如果找到则计数器加1。
结果输出,取值最大的匹配度所对应的标准字符串作为输出结果。
实施例4
作为本发明图像识别结果的字符串模糊匹配方法一种优选的实施方案,参照说明书附图1,本实施例公开了一种图像识别结果的字符串模糊匹配方法,包括以下步骤;
字符串预处理,是去掉图像识别结果的待匹配字符串中2个及2个以上的连续空格字符;
包含匹配,是将经过字符串预处理的待匹配字符串与标准字符串库内的标准字符串进行包含关系的逐一检查,并对与待匹配字符串存在包含关系的标准字符串给出其包含匹配度;对待匹配字符串与的标准字符串进行包含关系的逐一检查时,如果待匹配字符串有且只有一个与标准字符串库中的标准字符串相匹配,则将该标准字符串输出作为匹配字符串,并标识其匹配度为最大值作为包含匹配度;如果待匹配字符串包含于一个标准字符串中,且该标准字符串中除了包含这个待匹配字符串字符外还有其他字符,则将这个待匹配字符串的字符个数与这个标准字符串的字符个数的商值作为包含匹配度,即,例如设标准字符串的字符数为X,待匹配字符串的字符数为Y,而,则个数匹配度为;所述最大值为大于等于10的整数;如果待匹配字符串与某标准字符串完全一致,就认为该标准字符串是最准确匹配,相近匹配的方法在开发中用到过大于1 的值,最后实际使用的这篇专利所阐述的发明方法没有超过1,但是为了后续继续在实践中对二次匹配的深入探索和改良方便,对完全匹配的标准字符串设置了一个很大的匹配度,即大于等于10的整数,其实只要设定一个大于个数匹配和二次匹配能够达到的最大值即可保证将这个正确的字符串在最后进行输出。
字符个数匹配,是将经过包含匹配后与待匹配字符串无包含关系的标准字符串中的字符与待匹配字符串中的字符进行匹配,并根据匹配到的字符个数给出与待匹配字符串无包含关系的标准字符串的个数匹配度;
相近匹配,是将经过包含匹配后、包含匹配度中与最大包含匹配度相差在1%以内的所有标准字符串与其对应的待匹配字符串进行再次匹配,通过设定先验灰度阈值的方式比、匹配并计算得到相近匹配度;
结果输出,取值最大的匹配度所对应的标准字符串作为输出结果。
实施例5
作为本发明图像识别结果的字符串模糊匹配方法另一种优选的实施方案,参照说明书附图1,本实施例公开了一种图像识别结果的字符串模糊匹配方法,包括以下步骤;
字符串预处理,包括图像校正和OCR识别,输入的图像识别结果图像,经过基于opencv开源库的算法进行图像校正后,再基于opencv开源库的算法和Tesseract-OCR样本训练方法进行OCR识别,识别并删除图像识别结果中、识别出的待匹配字符串中2个及2个以上的连续空格字符。
而具体的,所述图像校正,包括以下步骤:
步骤1, 读入图像识别结果图像,对图像进行降采样,该操作是为了加速完成图像相关算法处理,由于图像校正本质是计算出倾斜度,而图像大小对其的影响较小,所以采用小分辨率来进行计算;
步骤2,将经过步骤1处理的图像进行二值化处理,从RGB格式转换为Gray格式,然后进行高斯模糊处理;
步骤3,采用形态学处理,以先开后闭的方式对经过步骤2处理的图像进行卷积处理,这里的先开后闭是指对图像的开运算和闭运算,开运算即先腐蚀运算再膨胀运算,看上去是把细微连在一起的两块目标分开了;而闭运算即先膨胀运算,再腐蚀运算,看上去将两个细微连接的图块封闭在一起;
步骤4,利用canny算子计算经过步骤3的图像的边缘图,由于工业环境下零件的边缘不清晰,需要利用canny算子计算出准确的零件边缘;
步骤5,采用纯色扩充的方式,将经过步骤4处理的图像进行图像扩充,将其像素尺寸扩充为2、3或5的倍数,且扩充后的图像与原图像左上角对齐;由于opencv开源库的算法中,傅里叶变换变换之前需要对图像进行扩充,该操作是为了让傅里叶变换快速完成,提高程序效率;
步骤6,对经过步骤5扩充后的图像进行傅里叶(DFT)计算,得到DFT图像,然后使用log函数把DFT图像的图像亮度范围缩小,并将图像亮度范围范化到[0,1]内,将规范化后的亮度映射到一般亮度范围[0,255]内的整数,即得到一幅倾斜的傅里叶谱图像;由于幅度变化范围大,针对一般图像亮度范围为[0,255]特征不明显,因此使用log函数把数值的范围缩小,再将图像规范化到[0,1]内,再用该数值映射到[0,255]内的整数,最终结果为一幅特征明显的傅里叶谱图像,即肉眼可观察到的倾斜;
步骤7,采用霍夫(Hough)变换检测步骤6得到的傅里叶谱图像中的直线,并根据检测到的直线计算得到倾斜角,此处应注意当倾斜角大于90度时,(180-倾斜角)才是直线相对竖直方向的偏离角度,而在OpenCV的图像方向中,逆时针旋转,角度为正;根据倾斜角计算相应的仿射矩阵,再根据仿射变换将原图进行相应的倾斜即可得到校正后的图像;根据倾斜角计算相应的仿射矩阵,实际在opencv中的操作是利用getRotationMatrix2D()获得一个2*3的仿射变换矩阵,再把这个矩阵输入warpAffine(),做一个单纯旋转的仿射变换。
所述OCR识别,包括以下步骤:
步骤1,读入经过图像校正后的图像并进行二值化处理,然后进行均值滤波;
步骤2,采用opencv开源库算法中的MSER类对经过步骤1处理的图像进行OCR文本区域检测,得到OCR候选文本区域;
步骤3,由于零件上的OCR区域大小有一定的规律,针对该规律采用设定先验阈值,从OCR候选文本区域中筛选出OCR文本区域,并去掉部分噪声区域;并且,由于零件上的OCR分布有断开,导致OCR文本区域部分被分为多个区域,因此,还需要根据OCR候选文本区域应用位置对应判断筛选出的OCR文本区域位置并进行合并,得到OCR文本矩形框;
步骤4,对所述OCR文本矩形框进行修正和范围扩充,防止OCR越界,完成OCR的准确定位,通过Tesseract-OCR样本训练方法对完成OCR准确定位的OCR文本矩形框进行识别。
包含匹配,是将经过字符串预处理的待匹配字符串与标准字符串库内的标准字符串进行包含关系的逐一检查,并对与待匹配字符串存在包含关系的标准字符串给出其包含匹配度;对待匹配字符串与的标准字符串进行包含关系的逐一检查时,如果待匹配字符串有且只有一个与标准字符串库中的标准字符串相匹配,则将该标准字符串输出作为匹配字符串,并标识其匹配度为最大值作为包含匹配度;如果待匹配字符串包含于一个标准字符串中,且该标准字符串中除了包含这个待匹配字符串字符外还有其他字符,则将这个待匹配字符串的字符个数与这个标准字符串的字符个数的商值作为包含匹配度,即,例如设标准字符串的字符数为X,待匹配字符串的字符数为Y,而,则个数匹配度为;所述最大值为大于等于10的整数;如果待匹配字符串与某标准字符串完全一致,就认为该标准字符串是最准确匹配,相近匹配的方法在开发中用到过大于1 的值,最后实际使用的这篇专利所阐述的发明方法没有超过1,但是为了后续继续在实践中对二次匹配的深入探索和改良方便,对完全匹配的标准字符串设置了一个很大的匹配度,即大于等于10的整数,其实只要设定一个大于个数匹配和二次匹配能够达到的最大值即可保证将这个正确的字符串在最后进行输出。
字符个数匹配,是将经过包含匹配后与待匹配字符串无包含关系的标准字符串中的字符与待匹配字符串中的字符进行匹配,并根据匹配到的字符个数给出与待匹配字符串无包含关系的标准字符串的个数匹配度;
相近匹配,从包含匹配的结果中找出其包含匹配度与最大包含匹配度相差在1%以内的所有标准字符串,并将这些标准字符串与其对应的待匹配字符串进行再次匹配给出相近匹配度;
结果输出,取值最大的匹配度所对应的标准字符串作为输出结果。
例如在工业检测现场仓储管理中。工人通过工业相机扫描得到工件上的标识码得到待匹配字符串,经过字符串预处理掉图像识别结果的待匹配字符串中2个及2个以上的连续空格字符;通过包含匹配、字符个数匹配和相近匹配比对标准工件标识码库输出识别结果,确定是本仓库物品,然后自动打开相应仓储柜供工人进行借、还工件的操作。在这个案例中,工业相机将图片以设定的帧率传给上位机,上位机对工件图片进行预处理并进行视觉字符识别,得到的待匹配字符串与工厂仓库的工件标识码库进行比对的部分用的就是本发明中的方法。
Claims (10)
1.一种图像识别结果的字符串模糊匹配系统,其特征在于:包括控制指令输入单元、字符串输入单元、字符串匹配单元、标准数据库和屏幕显示单元;
控制指令输入单元用于向字符串输入单元输入字符串中连续空格字符数量设定阈值,和向字符串匹配单元输入匹配规则,以及向标准数据库中录入标准字符串;
所述标准数据库将录入的标准字符串存储为可调用的标准字符串库;
所述字符串输入单元用于将经过图像识别处理的结果输入、并对结果中识别出的字符串中连续空格字符数量超过设定阈值的字符串进行删除处理,并将处理后的待匹配字符串输出至字符串匹配单元;
所述字符串匹配单元调用所述标准数据库中标准字符串库的标准字符串与所述字符串输入单元输出的待匹配字符串进行的逐一比对,得到待匹配字符串与标准字符串间的包含匹配度、个数匹配度和相近匹配度,并取其中匹配度最大值对应的标准字符串作为输出结果输出至所述屏幕显示单元中。
2.如权利要求1所述的一种图像识别结果的字符串模糊匹配系统,其特征在于:所述字符串匹配单元中,首先字符串匹配单元调用所述标准数据库中标准字符串库的标准字符串与所述字符串输入单元输出的待匹配字符串进行包含关系的逐一比对得到待匹配字符串与标准字符串间的包含匹配度;
然后将与待匹配字符串间无包含关系的标准字符串中的单个字符分别与待匹配字符串中的字符进行匹配,并根据匹配到的字符个数给出标准字符串的个数匹配度;以及,将包含匹配度中与最大包含匹配度相差在1%以内的所有标准字符串与其对应的待匹配字符串进行再次匹配给出相近匹配度;
所述字符串匹配单元还将待匹配字符串与标准字符串间的最大包含匹配度、个数匹配度和相近匹配度对应的标准字符串输出至所述屏幕显示单元中。
3.一种图像识别结果的字符串模糊匹配方法,其特征在于:包括字符串预处理步骤、包含匹配步骤、字符个数匹配步骤、相近匹配步骤和结果输出步骤;
所述字符串预处理步骤,是去掉图像识别结果中的识别出的待匹配字符串中2个及2个以上的连续空格字符;
所述包含匹配步骤,是将经过字符串预处理的待匹配字符串与标准字符串库内的标准字符串进行包含关系的逐一检查,并对与待匹配字符串存在包含关系的标准字符串给出其包含匹配度;
所述字符个数匹配步骤,是将经过包含匹配后,与待匹配字符串无包含关系的标准字符串中的单个字符分别与待匹配字符串中的字符进行单个字符的匹配,并根据每个标准字符串匹配到的字符个数,给出每个与待匹配字符串无包含关系的标准字符串与待匹配字符串间的个数匹配度;
所述相近匹配步骤,是将经过包含匹配后、包含匹配度中与最大包含匹配度相差在1%以内的所有标准字符串与其对应的待匹配字符串进行再次匹配,通过设定先验灰度阈值的方式比、匹配并计算得到相近匹配度;
所述结果输出步骤,取值最大的匹配度所对应的标准字符串作为输出结果。
4.如权利要求3所述的一种图像识别结果的字符串模糊匹配方法,其特征在于:所述字符串预处理步骤,包括图像校正和OCR识别,输入的图像识别结果图像,经过基于opencv开源库的算法进行图像校正后,再基于opencv开源库的算法和Tesseract-OCR样本训练方法进行OCR识别,识别并删除图像识别结果中、识别出的待匹配字符串中2个及2个以上的连续空格字符。
5.如权利要求4所述的一种图像识别结果的字符串模糊匹配方法,其特征在于,所述图像校正,包括以下步骤:
步骤1, 读入图像识别结果图像,对图像进行降采样;
步骤2,将经过步骤1处理的图像进行二值化处理,从RGB格式转换为Gray格式,然后进行高斯模糊处理;
步骤3,采用形态学处理,以先开后闭的方式对经过步骤2处理的图像进行卷积处理;
步骤4,利用canny算子计算经过步骤3的图像的边缘图;
步骤5,采用纯色扩充的方式,将经过步骤4处理的图像进行图像扩充,将其像素尺寸扩充为2、3或5的倍数,且扩充后的图像与原图像左上角对齐;
步骤6,对经过步骤5扩充后的图像进行傅里叶(DFT)计算,得到DFT图像,然后使用log函数把DFT图像的图像亮度范围缩小,并将图像亮度范围范化到[0,1]内,将规范化后的亮度映射到一般亮度范围[0,255]内的整数,即得到一幅倾斜的傅里叶谱图像;
步骤7,采用霍夫(Hough)变换检测步骤6得到的傅里叶谱图像中的直线,并根据检测到的直线计算得到倾斜角,此处应注意当倾斜角大于90度时,(180-倾斜角)才是直线相对竖直方向的偏离角度。
6.如权利要求4或5所述的一种图像识别结果的字符串模糊匹配方法,其特征在于:所述OCR识别,包括以下步骤:
步骤1,读入经过图像校正后的图像并进行二值化处理,然后进行均值滤波;
步骤2,采用opencv开源库算法中的MSER类对经过步骤1处理的图像进行OCR文本区域检测,得到OCR候选文本区域;
步骤3,采用设定先验阈值,从OCR候选文本区域中筛选出OCR文本区域,并去掉部分噪声区域;根据OCR候选文本区域应用位置对应判断筛选出的OCR文本区域位置并进行合并,得到OCR文本矩形框;
步骤4,对所述OCR文本矩形框进行修正和范围扩充,防止OCR越界,完成OCR的准确定位,通过Tesseract-OCR样本训练方法对完成OCR准确定位的OCR文本矩形框进行识别。
10.如权利要求9所述的一种图像识别结果的字符串模糊匹配方法,其特征在于:所述n为2,即在标准字符串中从左到右依次取2个字符并在待匹配字符串中去寻找这2个字符,如果找到则计数器加1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010945848.7A CN112215216B (zh) | 2020-09-10 | 2020-09-10 | 一种图像识别结果的字符串模糊匹配系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010945848.7A CN112215216B (zh) | 2020-09-10 | 2020-09-10 | 一种图像识别结果的字符串模糊匹配系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112215216A true CN112215216A (zh) | 2021-01-12 |
CN112215216B CN112215216B (zh) | 2024-08-13 |
Family
ID=74049344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010945848.7A Active CN112215216B (zh) | 2020-09-10 | 2020-09-10 | 一种图像识别结果的字符串模糊匹配系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215216B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112989140A (zh) * | 2021-02-19 | 2021-06-18 | 中国农业银行股份有限公司 | 一种字符串模糊识别方法及装置 |
CN113312525A (zh) * | 2021-06-07 | 2021-08-27 | 浙江工业大学 | 一种通过java进行反向校准钢印编码的方法 |
CN113688834A (zh) * | 2021-07-27 | 2021-11-23 | 深圳中兴网信科技有限公司 | 车票识别方法、车票识别系统及计算机可读存储介质 |
CN114308718A (zh) * | 2021-11-16 | 2022-04-12 | 江汉大学 | 一种按照衣物尺寸进行分拣的方法及分拣装置 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08147414A (ja) * | 1994-11-17 | 1996-06-07 | Mitsubishi Heavy Ind Ltd | 文字列読み取り装置 |
CN1674091A (zh) * | 2005-04-18 | 2005-09-28 | 南京师范大学 | 地理信息的语音识别方法及其在导航系统中的应用 |
JP2006338578A (ja) * | 2005-06-06 | 2006-12-14 | Mitsubishi Electric Corp | 文字認識装置 |
KR20080076433A (ko) * | 2007-02-16 | 2008-08-20 | 하순호 | 해마 신경망 학습 알고리즘을 이용한 문자인식방법 및시스템 |
CN101493896A (zh) * | 2008-01-24 | 2009-07-29 | 夏普株式会社 | 文档图像处理装置及文档图像处理方法 |
CN101650779A (zh) * | 2008-08-11 | 2010-02-17 | 欧姆龙株式会社 | 字符识别装置、字符识别程序以及字符识别方法 |
CN101984422A (zh) * | 2010-10-18 | 2011-03-09 | 百度在线网络技术(北京)有限公司 | 一种容错文本查询的方法和设备 |
CN102298618A (zh) * | 2011-08-03 | 2011-12-28 | 百度在线网络技术(北京)有限公司 | 一种获取匹配度以执行相应操作的方法、装置及设备 |
CN104008119A (zh) * | 2013-12-30 | 2014-08-27 | 西南交通大学 | 一种一对多的混合字符串融合比对方法 |
CN106021504A (zh) * | 2016-05-20 | 2016-10-12 | 深圳Tcl数字技术有限公司 | 字符串模糊匹配方法及装置 |
CN106528599A (zh) * | 2016-09-23 | 2017-03-22 | 深圳凡豆信息科技有限公司 | 一种海量音频数据中的字符串快速模糊匹配算法 |
CN109145161A (zh) * | 2018-07-12 | 2019-01-04 | 南京师范大学 | 中文地名查询方法、装置及设备 |
CN109190623A (zh) * | 2018-09-15 | 2019-01-11 | 闽江学院 | 一种识别投影仪品牌和型号的方法 |
CN109344396A (zh) * | 2018-08-31 | 2019-02-15 | 阿里巴巴集团控股有限公司 | 文本识别方法、装置、及计算机设备 |
CN110955806A (zh) * | 2019-11-29 | 2020-04-03 | 国家电网有限公司客户服务中心 | 一种针对中文文本的字符串匹配方法 |
CN111539415A (zh) * | 2020-04-26 | 2020-08-14 | 梁华智能科技(上海)有限公司 | 一种ocr图像识别的图像处理方法及系统 |
-
2020
- 2020-09-10 CN CN202010945848.7A patent/CN112215216B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08147414A (ja) * | 1994-11-17 | 1996-06-07 | Mitsubishi Heavy Ind Ltd | 文字列読み取り装置 |
CN1674091A (zh) * | 2005-04-18 | 2005-09-28 | 南京师范大学 | 地理信息的语音识别方法及其在导航系统中的应用 |
JP2006338578A (ja) * | 2005-06-06 | 2006-12-14 | Mitsubishi Electric Corp | 文字認識装置 |
KR20080076433A (ko) * | 2007-02-16 | 2008-08-20 | 하순호 | 해마 신경망 학습 알고리즘을 이용한 문자인식방법 및시스템 |
CN101493896A (zh) * | 2008-01-24 | 2009-07-29 | 夏普株式会社 | 文档图像处理装置及文档图像处理方法 |
CN101650779A (zh) * | 2008-08-11 | 2010-02-17 | 欧姆龙株式会社 | 字符识别装置、字符识别程序以及字符识别方法 |
CN101984422A (zh) * | 2010-10-18 | 2011-03-09 | 百度在线网络技术(北京)有限公司 | 一种容错文本查询的方法和设备 |
CN102298618A (zh) * | 2011-08-03 | 2011-12-28 | 百度在线网络技术(北京)有限公司 | 一种获取匹配度以执行相应操作的方法、装置及设备 |
CN104008119A (zh) * | 2013-12-30 | 2014-08-27 | 西南交通大学 | 一种一对多的混合字符串融合比对方法 |
CN106021504A (zh) * | 2016-05-20 | 2016-10-12 | 深圳Tcl数字技术有限公司 | 字符串模糊匹配方法及装置 |
CN106528599A (zh) * | 2016-09-23 | 2017-03-22 | 深圳凡豆信息科技有限公司 | 一种海量音频数据中的字符串快速模糊匹配算法 |
CN109145161A (zh) * | 2018-07-12 | 2019-01-04 | 南京师范大学 | 中文地名查询方法、装置及设备 |
CN109344396A (zh) * | 2018-08-31 | 2019-02-15 | 阿里巴巴集团控股有限公司 | 文本识别方法、装置、及计算机设备 |
CN109190623A (zh) * | 2018-09-15 | 2019-01-11 | 闽江学院 | 一种识别投影仪品牌和型号的方法 |
CN110955806A (zh) * | 2019-11-29 | 2020-04-03 | 国家电网有限公司客户服务中心 | 一种针对中文文本的字符串匹配方法 |
CN111539415A (zh) * | 2020-04-26 | 2020-08-14 | 梁华智能科技(上海)有限公司 | 一种ocr图像识别的图像处理方法及系统 |
Non-Patent Citations (6)
Title |
---|
CLIFFORD, R等: "Dictionary Matching in a Stream", 《23RD ANNUAL EUROPEAN SYMPOSIUM ON ALGORITHMS (ESA) AS PART OF ALGO CONFERENCE》, 30 April 2015 (2015-04-30), pages 361 - 372 * |
严大治;: "字符串匹配算法比较与分析", 计算机光盘软件与应用, no. 02, 15 January 2013 (2013-01-15), pages 131 - 133 * |
宋怀波;路长厚;王富春;: "基于小区域字符模板匹配的金属标牌字符串识别", 武汉理工大学学报, no. 06, 25 June 2007 (2007-06-25), pages 113 - 115 * |
巫喜红;凌捷;: "单模式精确匹配算法研究", 合肥工业大学学报(自然科学版), no. 07, 28 July 2007 (2007-07-28), pages 46 - 49 * |
李彬;: "计算字符串相似度的矩阵算法", 现代电子技术, no. 24, 15 December 2007 (2007-12-15), pages 145 * |
祁俊辉: "加扰条件下的中文字符识别算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, vol. 4, 15 April 2020 (2020-04-15), pages 138 - 457 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112989140A (zh) * | 2021-02-19 | 2021-06-18 | 中国农业银行股份有限公司 | 一种字符串模糊识别方法及装置 |
CN112989140B (zh) * | 2021-02-19 | 2024-06-11 | 中国农业银行股份有限公司 | 一种字符串模糊识别方法及装置 |
CN113312525A (zh) * | 2021-06-07 | 2021-08-27 | 浙江工业大学 | 一种通过java进行反向校准钢印编码的方法 |
CN113312525B (zh) * | 2021-06-07 | 2024-02-09 | 浙江工业大学 | 一种通过java进行反向校准钢印编码的方法 |
CN113688834A (zh) * | 2021-07-27 | 2021-11-23 | 深圳中兴网信科技有限公司 | 车票识别方法、车票识别系统及计算机可读存储介质 |
CN114308718A (zh) * | 2021-11-16 | 2022-04-12 | 江汉大学 | 一种按照衣物尺寸进行分拣的方法及分拣装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112215216B (zh) | 2024-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112215216B (zh) | 一种图像识别结果的字符串模糊匹配系统及方法 | |
Nurhaida et al. | Automatic Indonesian's batik pattern recognition using SIFT approach | |
CN105913093B (zh) | 一种用于文字识别处理的模板匹配方法 | |
Ullah et al. | Using orientation codes for rotation-invariant template matching | |
Doermann et al. | Applying algebraic and differential invariants for logo recognition | |
US11030436B2 (en) | Object recognition | |
Dibeklioglu et al. | 3D facial landmarking under expression, pose, and occlusion variations | |
CN111783757A (zh) | 一种基于ocr技术的复杂场景下身份证识别方法 | |
Zheng et al. | Text localization and recognition in complex scenes using local features | |
Rosyda et al. | A review of various handwriting recognition methods | |
Ali et al. | An efficient character segmentation algorithm for recognition of Arabic handwritten script | |
CN113011426A (zh) | 一种识别证件的方法和装置 | |
CN105139508A (zh) | 一种检测纸币的方法及装置 | |
Shukla et al. | An approach for skew detection using hough transform | |
CN116311391A (zh) | 一种高低精度混合的多维度特征融合指纹检索方法 | |
Munsayac et al. | Implementation of a normalized cross-correlation coefficient-based template matching algorithm in number system conversion | |
CN110704667A (zh) | 一种基于语义信息的快速相似图检测算法 | |
CN114998428A (zh) | 一种基于图像处理的折线/曲线数据提取系统及方法 | |
El Makhfi | A word spotting method for Arabic manuscripts based on speeded up robust features technique | |
CN109886265B (zh) | 一种基于Adaboost和模板匹配的车门限位器检测方法 | |
Wei et al. | Detection of side-view faces in color images | |
Tao et al. | A hybrid approach to detection and recognition of dashboard information in real-time | |
CN116824591B (zh) | 一种用于轮胎胎侧字符的识别方法 | |
JP2965165B2 (ja) | パターン認識方法及び認識用辞書作成方法 | |
CN114758259B (zh) | 一种基于x光物体图像识别的包裹检测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |