CN113033533A - 一种低对比度曲面小字识别方法及系统 - Google Patents
一种低对比度曲面小字识别方法及系统 Download PDFInfo
- Publication number
- CN113033533A CN113033533A CN202110219507.6A CN202110219507A CN113033533A CN 113033533 A CN113033533 A CN 113033533A CN 202110219507 A CN202110219507 A CN 202110219507A CN 113033533 A CN113033533 A CN 113033533A
- Authority
- CN
- China
- Prior art keywords
- curved surface
- image
- font
- curved
- contrast
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000010287 polarization Effects 0.000 claims abstract description 53
- 238000001914 filtration Methods 0.000 claims abstract description 28
- 238000012937 correction Methods 0.000 claims abstract description 21
- 238000005286 illumination Methods 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims abstract description 19
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 13
- 230000003287 optical effect Effects 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 2
- 239000003086 colorant Substances 0.000 claims 2
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 239000012780 transparent material Substances 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
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- 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
- G06V10/52—Scale-space analysis, e.g. wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
Abstract
本发明公开了一种低对比度曲面小字识别方法及系统，所述方法包括实时获取低对比度下曲面字体信息；通过偏振采集进行图像字体信息的偏振调制；根据图像小波变换对所述偏振调制图像字体信息进行图像分解；根据同态滤波对所述图像分解进行图像灰度修正；本发明通过图像小波变换将采集曲面图像的初始信号分割成两个互不相交的子集，从而利用小波转换对图像进行分解使低对比度下的曲面字体突显出来，再通过同态滤波对图像受到的照度不均匀，字体颜色与曲面颜色难以分辨进行图像的处理，增加低对比度下字体颜色与曲面颜色的识别度。
Description
技术领域
本发明涉及曲面字体识别技术，尤其是一种低对比度曲面小字识别方法及系统。
背景技术
造成曲面与字体对比度低的原因很多，如低对比度下字体颜色与曲面颜色相近，引起图像采集信号的灰度参数无法识别、以及识别模糊的现象，曲面与字体光源反射特征或红外辐射特征接近或一致、环境干扰；因而利用传统的光学成像与红外热成像很难发现，从而给目标字体识别带来很大困难。
传统的对低对比度目标探测识别解决途径的探讨主要是从两个层面：一是图像处理层面，可对已获职的低对正度图像进行图像处理实现目标提取；二是图像获取层面，即在图像获取中便采取排施，通过硬件系统或者成像方法的新方案直接获取高对比度图像，从根本上解决问题；当前三维成像可以有效的探测低对比度目标；但是激光扫描三维成像由于大多采用机械扫描机制，因此存在实时性差的问题，虽然可通过牺牲空间分辨率来提高数数据获取的实时性，却满足不了低对比度小字体的探测。
而环境干扰及光源元件不稳定因素往往会造成曲面图像照度不均；曲面表面的字体无法与曲面进行区分、图像灰度不均、对比度低，进而给后续图像分析带来因难。
针对低对比度环境下曲面目标字体图像所产生的低识别率问题，因此，提供一种低对比度曲面小字识别方法。
发明内容
基于此，有必要针对上述技术问题，提供一种图像小波变换对偏振采集进行图像分解，使低对比度下的曲面字体突显出来，能够提高曲面与字体的灰度辨识度的一种低对比度曲面小字识别方法及系统。
本发明技术方案如下：
一种低对比度曲面小字识别方法，所述方法包括：
步骤S100：实时获取低对比度下曲面字体信息；
步骤S200：通过偏振采集进行图像字体信息的偏振调制；
步骤S300：根据图像小波变换对所述偏振调制图像字体信息进行图像分解；使低对比度下的曲面字体突显出来；
步骤S400：根据同态滤波对所述图像分解进行图像灰度修正；增加低对比度下字体颜色与曲面颜色的识别度。
具体地，当曲面与所述字体的曲面位置不同，通过偏振采集进行图像字体信息的偏振调制，首先发送放大的平行光，经滤光片过滤杂光及偏振片均匀照射在曲面上，在面对不同曲面度时，通过偏振片的角度调节，获取不同曲面下的字体采集图像，其偏振图像的检测式如下：
式中，
表示出射斯托克斯矢量；m表示穆勒矩阵；s表示入射斯托克斯矢量。
具体地，当所述字体与所述曲面存在距离差时，选通字体采集图像对应的曲面位置，由激光脉冲和选通脉冲间的延时决定，其表达式如下：
式中，G表示曲面位置；T表示激光脉冲和选通脉冲间的延时值；S表示光的传播速度；n表示光线的折射率；
根据激光器对远距离曲面字体探测，其切片帧对应曲面空间延时的表达式如下：
T1＝T+(i-)Δt
式中，T1表示初始延时；T表示切片帧对应曲面空间的延时值；i表示切片帧；Δt表示延时步进。
具体的，所述实时获取低对比度下曲面字体信息的步骤进一步包括：
步骤11、通过多个采集装置获取待检曲面不同位置的多个图片信息；从每个所述图片信息中获取字体信息，并计算该图片信息的字体倾斜度；若字体倾斜度大于阈值，则调整获取到该图片信息的采集装置的位置，重新获取图片信息，直到字体倾斜度小于等于阈值；
步骤12、获取各个图片信息中的字体信息，根据长宽变形比判断各行文字所在位置的曲面曲率，若曲面曲率大于阈值，则删除此区域的字体信息；
步骤13、对步骤11和步骤12处理后的图片信息进行区域划分和编号，对各个区域进行灰度修正；将曲面曲率大于0，小于0和等于0的图片区域作出标注；
步骤14、判断各个区域的图形能否组成完整的待检曲面信息，若缺少区域，则重新获取对应区域的图片信息；若区域重叠，则删除相关区域的重叠的图片信息。
具体地，所述图像小波变换通过将采集曲面图像的初始信号分割成两个互不相交的子集，若其中一个子集为偶数序列时，对应的另一个子集则为奇数序列，从而利用小波转换对图像进行分解，表达式如下：
Split(xj)＝(bj-1-pj-1)
式中，Split(xj)表示分解函数；bj-1表示分割子集；pj-1表示分割子集。
具体地，所述同态滤波对所述图像小波变换进行图像灰度修正，然后将小波低频系数和高频系数进行重构得修正图像，从而消除照度不均，增加低对比度下字体颜色与曲面颜色的识别度，所述同态滤波用光源照射曲面物体，曲面物体的反射光线进入小字识别系统而获取图像信息；其中，图像为光源照射分量与反射分量的乘积表达式如下：
f(x，y)＝i(x，y)r(x，y)
式中，f(x，y)表示采集曲面图像；i(x，y)表示光源照射分量；r(x，y)表示反射分量；所述同态滤波用于对图像受到的照度不均匀，则字体颜色与曲面颜色难以分辨进行图像的处理。
还提供一种低对比度曲面小字识别系统，所述系统包括：
曲面字体感知单元，用于实时获取低对比度下曲面字体信息；
曲面字体位置第一调整单元，用于根据所述曲面与所述字体的曲面位置不同，通过偏振采集进行图像的偏振调制；
曲面字体图像第一处理单元，用于根据图像小波变换对所述偏振采集进行图像分解，使低对比度下的曲面字体突显出来；
曲面字体图像第二处理单元，用于根据同态滤波对所述图像小波变换进行图像灰度修正；增加低对比度下字体颜色与曲面颜色的识别度。
具体地，所述曲面字体感知单元包括但不限于脉冲激光器、探测器、滤光片、CDD摄像头、偏振片，其中，所述脉冲激光器作为照明光源；所述探测器作为小字识别成像器件；所述滤光片用于滤除激光器以外的杂光；所述偏振片用于不同角度的调节完成不同曲面字体的图像采集。
具体地，通过控制所述激光脉冲和探测器间的延时，实现曲面的切片成像、过滤曲面重叠及抑制曲面与字体的距离差；
所述曲面字体位置第一调整单元，当所述曲面与所述字体的曲面位置不同，通过偏振采集进行图像的偏振调制，首先发送放大的平行光，经滤光片过滤杂光及偏振片均匀照射在曲面上，在面对不同曲面度时，通过偏振片的角度调节，获取不同曲面下字体采集图像；
再基于所述同态滤波对所述图像小波变换进行图像灰度修正，然后将小波低频系数和高频系数进行重构得修正图像，从而消除照度不均，增加低对比度下字体颜色与曲面颜色的识别度。
还提供一种低对比度曲面小字识别设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述低对比度曲面小字识别方法的步骤。
还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机，所述计算机程序被处理器执行时实现上述低对比度曲面小字识别方法的步骤。
有益效果：本发明设计一种低对比度曲面小字识别方法及系统，首先实时获取低对比度下曲面字体信息；其次根据所述曲面与所述字体的曲面位置不同，通过偏振采集进行图像的偏振调制；根据图像小波变换对所述偏振采集进行图像分解，使低对比度下的曲面字体突显出来；最后根据同态滤波对所述图像小波变换进行图像灰度修正；增加低对比度下字体颜色与曲面颜色的识别度。
针对低对比度环境下曲面目标字体图像所产生的低识别率问题，通过图像小波变换转换与偏振采集的图像信息融合及曲面采集角度的调整，将图像信息分解为高频和低频部分，分别对低频和高频部分的不同规则进行融合，使曲面边缘与字体边缘的轮廓在低对比下突显出来，再通过同态滤波的图像调整进行曲面图像明暗区内的分析图像灰度修正；增加低对比度下字体颜色与曲面颜色的识别度。
附图说明
图1为一个实施例中低对比度曲面小字识别方法的应用场景俯视图。
图2为一个实施例中低对比度曲面小字识别方法的应用场景主视图。
图3为一个实施例中低对比度曲面小字识别方法的偏振采集示意图。
图4为一个实施例中低对比度曲面小字识别方法的同态滤波调制过程图。
图5为一个实施例中低对比度曲面小字识别方法的平面采集示意图。
图6为一个实施例中低对比度曲面小字识别方法的立体采集示意图。
图7为一个实施例中低对比度曲面小字识别方法的流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明；应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的低对比度曲面小字识别方法，可以应用于1和图2所示的应用环境中；其中，一种低对比度曲面小字识别装置1003设置四个在托盘1001水平方位上，所述一种低对比度曲面小字识别装置1003汇集四个水平方位曲面体1002字体图像采集信息，进一步缓解偏振采集角度，所述曲面体1002设置在托盘1001上方，且托盘1001支撑曲面体1002的平稳，减少曲面体1002的晃动，造成曲面字体采集图像的模糊度；在本方案中，小字指缩放度为100％时，打印字体的长宽有至少一个尺寸小于1mm。
所述一种低对比度曲面小字识别装置1003设置四个在托盘1001水平方位上，除四个方位外，至少还在托盘1001上下方中各设置一个低对比度曲面小字识别装置1003，托盘1001为曲面体1002的放置区，为方便曲面体1002不同的放置角度，因此，将托盘1001设置为透明材质；所述一种低对比度曲面小字识别装置1003通过曲面体1002不同曲面的展示角度进行曲面字体识别，减少曲面重叠。
所述一种低对比度曲面小字识别装置1003首先实时获取低对比度下曲面字体信息；低对比度曲面小字识别装置1003根据所述曲面与所述字体的曲面位置不同，通过偏振采集进行图像的偏振调制；根据图像小波变换对所述偏振采集进行图像分解，使低对比度下的曲面字体突显出来；低对比度曲面小字识别装置1003在根据同态滤波对所述图像小波变换进行图像灰度修正；增加低对比度下字体颜色与曲面颜色的识别度。
在一个实施例中，如图7所示，一种低对比度曲面小字识别方法，所述方法包括：
步骤S100：实时获取低对比度下曲面字体信息；
具体地，实时对曲面字体进行识别时，由于曲面的弧度是实时变换，其中曲面字体的位置也在发生变换，故本步骤通过实时采集低对比度下的曲面字体信息，便于后续提供有效的字体图像信息，使有效的图像信息能识别出小字体。
步骤S200：通过偏振采集进行图像字体信息的偏振调制；
具体地，本步骤，以所述曲面与所述字体的曲面位置不同，当字体位置与曲面转折点重叠时会出现阴影线条，从而无法显示字体的样貌，因此说明字体与曲面的采集角度不符，无法准确捕捉字体信息，进而通过偏振采集调整字体识别角度，从而清晰捕捉曲面字体样貌。
步骤S300：根据图像小波变换对所述偏振调制图像字体信息进行图像分解；使低对比度下的曲面字体突显出来；
具体地，本步骤，以所述偏振采集的字体图像进行图像小波变换调整，使低对比度下的曲面字体与曲面进行区分，从而获取曲面需识别的字体范围；提高曲面字体识别效率。
步骤S400：根据同态滤波对所述图像分解进行图像灰度修正；增加低对比度下字体颜色与曲面颜色的识别度。
具体地，本步骤，对所述图像小波变换已调整的图像进行灰度修正，增加低对比度下曲面字体颜色与曲面颜色相区分，提高曲面字体在低对比下的识别度。
在一个实施例中，当曲面与所述字体的曲面位置不同，通过偏振采集进行图像字体信息的偏振调制，首先发送放大的平行光，经滤光片过滤杂光及偏振片均匀照射在曲面上，在面对不同曲面度时，通过偏振片的角度调节，获取不同曲面下的字体采集图像，其偏振图像的检测式如下：
式中，
表示出射斯托克斯矢量；m表示穆勒矩阵；s表示入射斯托克斯矢量。
在一个实施例中，当所述字体与所述曲面存在距离差时，选通字体采集图像对应的曲面位置，由激光脉冲和选通脉冲间的延时决定，其表达式如下：
式中，G表示曲面位置；T表示激光脉冲和选通脉冲间的延时值；S表示光的传播速度；n表示光线的折射率；
根据激光器对远距离曲面字体探测，其切片帧对应曲面空间延时的表达式如下：
T1＝T+(i-)Δt
式中，T1表示初始延时；T表示切片帧对应曲面空间的延时值；i表示切片帧；Δt表示延时步进。
在一个实施例中，所述实时获取低对比度下曲面字体信息的步骤进一步包括：
步骤11、通过多个采集装置获取待检曲面不同位置的多个图片信息；从每个所述图片信息中获取字体信息，并计算该图片信息的字体倾斜度；若字体倾斜度大于阈值，则调整获取到该图片信息的采集装置的位置，重新获取图片信息，直到字体倾斜度小于等于阈值；
步骤12、获取各个图片信息中的字体信息，根据长宽变形比判断各行文字所在位置的曲面曲率，若曲面曲率大于阈值，则删除此区域的字体信息；
步骤13、对步骤11和步骤12处理后的图片信息进行区域划分和编号，对各个区域进行灰度修正；将曲面曲率大于0，小于0和等于0的图片区域作出标注；
步骤14、判断各个区域的图形能否组成完整的待检曲面信息，若缺少区域，则重新获取对应区域的图片信息；若区域重叠，则删除相关区域的重叠的图片信息。
在一个实施例中，所述图像小波变换通过将采集曲面图像的初始信号分割成两个互不相交的子集，若其中一个子集为偶数序列时，对应的另一个子集则为奇数序列，从而利用小波转换对图像进行分解，表达式如下：
Split(xj)＝(bj-1-pj-1)
式中，Split(xj)表示分解函数；bj-1表示分割子集；pj-1表示分割子集。
在一个实施例中，如图4所示，所述同态滤波对所述图像小波变换进行图像灰度修正，然后将小波低频系数和高频系数进行重构得修正图像，从而消除照度不均，增加低对比度下字体颜色与曲面颜色的识别度，所述同态滤波用光源照射曲面物体，曲面物体的反射光线进入小字识别系统而获取图像信息；其中，图像为光源照射分量与反射分量的乘积表达式如下：
f(x，y)＝i(x，y)r(x，y)
式中，f(x，y)表示采集曲面图像；i(x，y)表示光源照射分量；r(x，y)表示反射分量；所述同态滤波用于对图像受到的照度不均匀，则字体颜色与曲面颜色难以分辨进行图像的处理。
在一个实施例中，一种低对比度曲面小字识别系统，所述系统包括：
曲面字体感知单元，用于实时获取低对比度下曲面字体信息；
曲面字体位置第一调整单元，用于根据所述曲面与所述字体的曲面位置不同，通过偏振采集进行图像的偏振调制；
曲面字体图像第一处理单元，用于根据图像小波变换对所述偏振采集进行图像分解，使低对比度下的曲面字体突显出来；
曲面字体图像第二处理单元，用于根据同态滤波对所述图像小波变换进行图像灰度修正；增加低对比度下字体颜色与曲面颜色的识别度。
在一个实施例中，如图3所示，所述曲面字体感知单元包括但不限于脉冲激光器、探测器、滤光片、CDD摄像头、偏振片，其中，所述脉冲激光器作为照明光源；所述探测器作为小字识别成像器件；所述滤光片用于滤除激光器以外的杂光；所述偏振片用于不同角度的调节完成不同曲面字体的图像采集。
在一个实施例中，通过控制所述激光脉冲和探测器间的延时，实现曲面的切片成像、过滤曲面重叠及抑制曲面与字体的距离差；
所述曲面字体位置第一调整单元，当所述曲面与所述字体的曲面位置不同，通过偏振采集进行图像的偏振调制，首先发送放大的平行光，经滤光片过滤杂光及偏振片均匀照射在曲面上，在面对不同曲面度时，通过偏振片的角度调节，获取不同曲面下字体采集图像；
再基于所述同态滤波对所述图像小波变换进行图像灰度修正，然后将小波低频系数和高频系数进行重构得修正图像，从而消除照度不均，增加低对比度下字体颜色与曲面颜色的识别度。
在一个实施例中，一种低对比度曲面小字识别设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述低对比度曲面小字识别方法的步骤。
在一个实施例中，一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机，所述计算机程序被处理器执行时实现上述低对比度曲面小字识别方法的步骤。
在一个实施例中，所述计算机程序被处理器执行时实现以下步骤：
在一个实施例中，所述计算机程序被处理器执行时实现以下步骤：实时获取低对比度下曲面字体信息；根据所述曲面与所述字体的曲面位置不同，通过偏振采集进行图像的偏振调制；根据图像小波变换对所述偏振采集进行图像分解，使低对比度下的曲面字体突显出来；根据同态滤波对所述图像小波变换进行图像灰度修正；增加低对比度下字体颜色与曲面颜色的识别度。
在一个实施例中，所述计算机程序被处理器执行时实现以下步骤：当所述曲面与所述字体的曲面位置不同，通过偏振采集进行图像的偏振调制，首先发送放大的平行光，经滤光片过滤杂光及偏振片均匀照射在曲面上，在面对不同曲面度时，通过偏振片的角度调节，获取不同曲面下的字体采集图像。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。
其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。
非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。
易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种低对比度曲面小字识别方法，其特征在于，所述方法包括：
实时获取低对比度下曲面字体信息；
通过偏振采集进行图像字体信息的偏振调制；
根据图像小波变换对所述偏振调制图像字体信息进行图像分解；
根据同态滤波对所述图像分解进行图像灰度修正。
2.根据权利要求1所述的一种低对比度曲面小字识别方法，其特征在于，当曲面与所述字体的曲面位置不同，通过偏振采集进行图像字体信息的偏振调制，首先发送放大的平行光，经滤光片过滤杂光及偏振片均匀照射在曲面上，在面对不同曲面度时，通过偏振片的角度调节，获取不同曲面下的字体采集图像，其偏振图像的检测式如下：
式中，
表示出射斯托克斯矢量；m表示穆勒矩阵；s表示入射斯托克斯矢量；
当所述字体与所述曲面存在距离差时，选通字体采集图像对应的曲面位置，由激光脉冲和选通脉冲间的延时决定，其表达式如下：
式中，G表示曲面位置；T表示激光脉冲和选通脉冲间的延时值；S表示光的传播速度；n表示光线的折射率；
根据激光器对远距离曲面字体探测，其切片帧对应曲面空间延时的表达式如下：
T1＝T+(i-)Δt
式中，T1表示初始延时；T表示切片帧对应曲面空间的延时值；i表示切片帧；Δt表示延时步进。
3.根据权利要求1所述的一种低对比度曲面小字识别方法，其特征在于，
所述实时获取低对比度下曲面字体信息的步骤进一步包括：
步骤11、通过多个采集装置获取待检曲面不同位置的多个图片信息；从每个所述图片信息中获取字体信息，并计算该图片信息的字体倾斜度；若字体倾斜度大于阈值，则调整获取到该图片信息的采集装置的位置，重新获取图片信息，直到字体倾斜度小于等于阈值；
步骤12、获取各个图片信息中的字体信息，根据长宽变形比判断各行文字所在位置的曲面曲率，若曲面曲率大于阈值，则删除此区域的字体信息；
步骤13、对步骤11和步骤12处理后的图片信息进行区域划分和编号，对各个区域进行灰度修正；将曲面曲率大于0，小于0和等于0的图片区域作出标注；
步骤14、判断各个区域的图形能否组成完整的待检曲面信息，若缺少区域，则重新获取对应区域的图片信息；若区域重叠，则删除相关区域的重叠的图片信息。
4.根据权利要求1所述的一种低对比度曲面小字识别方法，其特征在于，所述图像小波变换通过将采集曲面图像的初始信号分割成两个互不相交的子集，若其中一个子集为偶数序列时，对应的另一个子集则为奇数序列，从而利用小波转换对图像进行分解，表达式如下：
Split(xj)＝(bj-1-pj-1)
式中，Split(xj)表示分解函数；bj-1表示分割子集；pj-1表示分割子集。
5.根据权利要求1所述的一种低对比度曲面小字识别方法，其特征在于，所述同态滤波对所述图像小波变换进行图像灰度修正，然后将小波低频系数和高频系数进行重构得修正图像，消除照度不均，增加低对比度下字体颜色与曲面颜色的识别度，所述同态滤波用光源照射曲面物体，曲面物体的反射光线进入小字识别系统而获取图像信息；其中，图像为光源照射分量与反射分量的乘积表达式如下：
f(x，y)＝i(x，y)r(x，y)
式中，f(x，y)表示采集曲面图像；i(x，y)表示光源照射分量；r(x，y)表示反射分量；所述同态滤波用于对图像受到的照度不均匀，则字体颜色与曲面颜色难以分辨进行图像的处理。
6.一种低对比度曲面小字识别系统，其特征在于，所述系统包括：
曲面字体感知单元，用于实时获取低对比度下曲面字体信息；
曲面字体位置第一调整单元，用于根据所述曲面与所述字体的曲面位置不同，通过偏振采集进行图像的偏振调制；
曲面字体图像第一处理单元，用于根据图像小波变换对所述偏振采集进行图像分解，使低对比度下的曲面字体突显出来；
曲面字体图像第二处理单元，用于根据同态滤波对所述图像小波变换进行图像灰度修正；增加低对比度下字体颜色与曲面颜色的识别度。
7.根据权利要求6所述的一种低对比度曲面小字识别系统，其特征在于，所述曲面字体感知单元包括但不限于脉冲激光器、探测器、滤光片、CDD摄像头、偏振片，其中，所述脉冲激光器作为照明光源；所述探测器作为小字识别成像器件；所述滤光片用于滤除激光器以外的杂光；所述偏振片用于不同角度的调节完成不同曲面字体的图像采集。
8.根据权利要求7所述的一种低对比度曲面小字识别系统，其特征在于，通过控制所述激光脉冲和探测器间的延时，实现曲面的切片成像、过滤曲面重叠及抑制曲面与字体的距离差；
所述曲面字体位置第一调整单元，当所述曲面与所述字体的曲面位置不同，通过偏振采集进行图像的偏振调制，首先发送放大的平行光，经滤光片过滤杂光及偏振片均匀照射在曲面上，在面对不同曲面度时，通过偏振片的角度调节，获取不同曲面下字体采集图像；
再基于所述同态滤波对所述图像小波变换进行图像灰度修正，然后将小波低频系数和高频系数进行重构得修正图像，从而消除照度不均，增加低对比度下字体颜色与曲面颜色的识别度。
9.一种低对比度曲面小字识别设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项低对比度曲面小字识别方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机，所述计算机程序被处理器执行时实现权利要求1至5中任一项低对比度曲面小字识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110219507.6A CN113033533A (zh) | 2021-02-26 | 2021-02-26 | 一种低对比度曲面小字识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110219507.6A CN113033533A (zh) | 2021-02-26 | 2021-02-26 | 一种低对比度曲面小字识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113033533A true CN113033533A (zh) | 2021-06-25 |
Family
ID=76461945
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110219507.6A Pending CN113033533A (zh) | 2021-02-26 | 2021-02-26 | 一种低对比度曲面小字识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113033533A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102736085A (zh) * | 2012-06-21 | 2012-10-17 | 中国科学院半导体研究所 | 图像寻的激光成像测距方法及装置 |
| CN102927972A (zh) * | 2012-11-01 | 2013-02-13 | 中国科学院半导体研究所 | 一种距离选通超分辨率三维成像装置及方法 |
| CN104809436A (zh) * | 2015-04-23 | 2015-07-29 | 天津大学 | 一种弯曲书面文字识别方法 |
| CN107421963A (zh) * | 2017-09-18 | 2017-12-01 | 重庆大学 | 一种核燃料生坯裂纹检测装置及裂纹检测方法 |
| CN111025701A (zh) * | 2019-12-30 | 2020-04-17 | 凌云光技术集团有限责任公司 | 一种曲面液晶屏幕检测方法 |
| WO2020215199A1 (zh) * | 2019-04-23 | 2020-10-29 | 合刃科技（深圳）有限公司 | 一种表面缺陷检测系统及方法 |
-
2021
- 2021-02-26 CN CN202110219507.6A patent/CN113033533A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102736085A (zh) * | 2012-06-21 | 2012-10-17 | 中国科学院半导体研究所 | 图像寻的激光成像测距方法及装置 |
| CN102927972A (zh) * | 2012-11-01 | 2013-02-13 | 中国科学院半导体研究所 | 一种距离选通超分辨率三维成像装置及方法 |
| CN104809436A (zh) * | 2015-04-23 | 2015-07-29 | 天津大学 | 一种弯曲书面文字识别方法 |
| CN107421963A (zh) * | 2017-09-18 | 2017-12-01 | 重庆大学 | 一种核燃料生坯裂纹检测装置及裂纹检测方法 |
| WO2020215199A1 (zh) * | 2019-04-23 | 2020-10-29 | 合刃科技（深圳）有限公司 | 一种表面缺陷检测系统及方法 |
| CN111025701A (zh) * | 2019-12-30 | 2020-04-17 | 凌云光技术集团有限责任公司 | 一种曲面液晶屏幕检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张肃;付强;段锦;战俊彤;姜会林;: "基于提升小波的低对比度目标偏振识别技术", 光学学报, no. 02, pages 1 - 10 * |
| 汤勃等: "钢板表面低对比度微小缺陷图像增强和分割", 中国图像图形学报, vol. 25, no. 1, pages 81 - 91 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10839527B2 (en) | Method and device of measuring infrared spectral characteristics of moving target | |
| US20110043603A1 (en) | System And Method For Dehazing | |
| CN108830225B (zh) | 太赫兹图像中目标物体的检测方法、装置、设备及介质 | |
| US10592764B2 (en) | Reconstructing document from series of document images | |
| US10628925B2 (en) | Method for determining a point spread function of an imaging system | |
| CN109901190B (zh) | 基于线性回归的关联成像方法 | |
| CN111222472A (zh) | 一种基于结构光频域特征的人脸识别方法 | |
| Bauer et al. | Automatic estimation of modulation transfer functions | |
| Zhao et al. | Hyperspectral video target tracking based on pixel-wise spectral matching reduction and deep spectral cascading texture features | |
| WO2018208687A1 (en) | Scanned line angular projection microscopy | |
| CN110378934A (zh) | 主体检测方法、装置、电子设备和计算机可读存储介质 | |
| Malhotra et al. | Wavelet based image fusion techniques: a comparison based review | |
| Zhang et al. | A two-stage restoration of distorted underwater images using compressive sensing and image registration | |
| CN115345845B (zh) | 基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方法及电子设备 | |
| CN113033533A (zh) | 一种低对比度曲面小字识别方法及系统 | |
| Kumari et al. | A new fast and efficient dehazing and defogging algorithm for single remote sensing images | |
| CN115578304B (zh) | 一种结合显著性区域检测的多波段图像融合方法和系统 | |
| KR101826711B1 (ko) | ToF 카메라의 깊이맵 보정 방법 | |
| CN112634298B (zh) | 图像处理方法及装置、存储介质、终端 | |
| Dai et al. | Stripe noise removal for the thermal infrared spectrometer of the SDGSAT-1 | |
| CN114882122A (zh) | 图像局部自动标定方法、装置及相关设备 | |
| Shen et al. | Underwater image enhancement based on polarization imaging | |
| Aizu et al. | Reflection removal using multiple polarized images with different exposure times | |
| Abramov et al. | Algorithms for detecting and tracking of objects with optical markers in 3D space | |
| CN107341833B (zh) | 一种激光定位方法及去毛系统 |
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 |