CN115719489A - 一种基于图形的电力金具表面铭文识别方法及系统 - Google Patents

一种基于图形的电力金具表面铭文识别方法及系统 Download PDF

Info

Publication number
CN115719489A
CN115719489A CN202211270616.1A CN202211270616A CN115719489A CN 115719489 A CN115719489 A CN 115719489A CN 202211270616 A CN202211270616 A CN 202211270616A CN 115719489 A CN115719489 A CN 115719489A
Authority
CN
China
Prior art keywords
inscription
block
edge
region
images
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
CN202211270616.1A
Other languages
English (en)
Inventor
姚建
朱益和
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.)
Nantong Chuangwei Machinery Technology Co ltd
Original Assignee
Nantong Chuangwei Machinery Technology 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 Nantong Chuangwei Machinery Technology Co ltd filed Critical Nantong Chuangwei Machinery Technology Co ltd
Priority to CN202211270616.1A priority Critical patent/CN115719489A/zh
Publication of CN115719489A publication Critical patent/CN115719489A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及图像识别领域，具体涉及一种基于图形的电力金具表面铭文识别方法及系统，可以应用于识别印刷或识别图形的装置中。采集金具灰度图像，获取多个可能铭文区域；根据每个可能铭文区域的纹理规律度获取铭文区域；对铭文区域进行分割得到多个铭文块，对每个铭文块中的铭文进行补充，得到多个补充铭文图像；将同一铭文块的多个补充铭文图像分别输入神经网络中，输出不同铭文内容的概率，将概率值最大的铭文内容作为该铭文块的铭文内容；获取所有铭文块的铭文内容进行连接，得到金具表面铭文。根据本发明提出的技术手段，对铭文块中非向光面和背光面的边缘进行补充，进而提取铭文内容，能够排除反光的干扰，准确提取金具铭文。

Description

一种基于图形的电力金具表面铭文识别方法及系统
技术领域
本发明涉及图像识别领域，具体涉及一种基于图形的电力金具表面铭文识别方法及系统。
背景技术
电力金具种类繁多，用途各异，例如，安装导线用的各种线夹，组成绝缘子串的各种挂环，连接导线的各种压接管、补修管，分裂导线上的各种类型的间隔棒等，此外还有杆塔用的各类拉线金具，以及用作保护导线的大小有关，须互相配合。由于不同用途所产生的不同加工需求，部分电力金具表面须带有铭文，这种铭文的大小、印制位置因器件不同而异。很多较小或结构弯曲的电力金具表面的铭文具有人工难以查看清楚的缺点。因此，如何较好地识别极小难于观察或印制位置不便观察的电力金具表面铭文具有重要意义。
部分电力金具表面带有铭文，但由于不同金具上铭文大小不一，且铭文与电力金具颜色一致，不易识别，而目前对于电力金具表面铭文的识别通常采用人工识别的方式，人工识别效率低下，且易受环境影响，误识别率高，且由于铭文与电力金具颜色一致，在光照和金具表面颗粒度干扰下，识别准确率低。
针对上述问题，本发明提出了一种基于图形的电力金具表面铭文识别方法及系统，通过对采集到的电力金具图像进行处理，分析电力金具图像的特征从而获取铭文区域，并对铭文区域中铭文的边缘进行补充，识别补充后的多个铭文，结合多个识别结果获取最终识别结果。
发明内容
本发明提供一种基于图形的电力金具表面铭文识别方法及系统，以解决现有的问题包括：采集金具灰度图像，获取多个可能铭文区域；根据每个可能铭文区域的纹理规律度获取铭文区域；对铭文区域进行分割得到多个铭文块，对每个铭文块中的铭文进行补充，得到多个补充铭文图像；将同一铭文块的多个补充铭文图像分别输入神经网络中，输出不同铭文内容的概率，将概率值最大的铭文内容作为该铭文块的铭文内容；获取所有铭文块的铭文内容进行连接，得到金具表面铭文。
根据本发明提出的技术手段，通过分析电力金具图像的特征从而获取铭文区域，并对铭文区域中铭文的边缘进行补充，能够使铭文内容更加突出，排除金具本身颜色或光照的影响，从而完整的获取铭文区域中所有的铭文内容，结合多个识别结果的概率获取最终识别结果，大大提高了获取的铭文内容的准确性，同时提高了铭文内容识别的效率。使得本发明可以更好的应用于印刷识别或图像识别的生产领域或人工智能系统中。
本发明采用如下技术方案：一种基于图形的电力金具表面铭文识别方法，包括：
采集金具灰度图像，对所述金具灰度图像进行滑窗，获取每个滑窗的纹理复杂度；将所述纹理复杂度大于第一阈值的相邻窗口进行合并，得到多个可能铭文区域。
对每个可能铭文区域进行边缘检测，根据检测得到的每个可能铭文区域的边缘个数、边缘方向一致性以及边缘两侧像素点的灰度一致性计算得到每个铭文区域的纹理规律度，将所述纹理规律度最大的可能铭文区域作为铭文区域。
对所述铭文区域进行分割得到多个铭文块，获取每个铭文块中向光面和背光面的边缘方向，根据每个铭文块中向光面和背光面的边缘方向获取每个铭文块的关键点；所述每个铭文块至少包含一个铭文。
根据每个铭文块的关键点对每个铭文块中的铭文进行补充，得到每个铭文块对应的多个补充铭文图像。
将同一铭文块的多个补充铭文图像分别输入神经网络中，输出同一铭文块的每个补充铭文图像中不同铭文内容的概率，将同一铭文块的所有补充铭文图像中概率值最大的铭文内容作为该铭文块的铭文内容。
获取所有铭文块的铭文内容，将所有铭文块的铭文内容进行连接，得到金具表面铭文。
进一步的，一种基于图形的电力金具表面铭文识别方法，计算每个可能铭文区域的纹理规律度的方法为：
对每个可能铭文区域进行边缘检测，获取检测到每个可能铭文区域的边缘个数；
获取每个可能铭文区域中每个边缘的方向，根据每个可能铭文区域中边缘方向的熵值计算每个可能铭文区域的边缘方向一致性；
计算每个可能铭文区域边缘两侧像素点的灰度一致性；
根据每个铭文区域的边缘个数、边缘方向一致性以及边缘两侧像素点的灰度一致性计算得到每个铭文区域的纹理规律度。
进一步的，一种基于图形的电力金具表面铭文识别方法，计算每个可能铭文区域边缘两侧像素点的灰度一致性
Figure 100002_DEST_PATH_IMAGE001
的表达式为：
Figure 100002_DEST_PATH_IMAGE003
其中，
Figure 987957DEST_PATH_IMAGE004
为第
Figure 461663DEST_PATH_IMAGE006
条边缘一侧相邻的第
Figure 100002_DEST_PATH_IMAGE007
个像素点的灰度值，
Figure 961915DEST_PATH_IMAGE008
为第
Figure 165888DEST_PATH_IMAGE006
条边缘另一侧相邻的对应的点的灰度值；
Figure 100002_DEST_PATH_IMAGE009
为第l条边缘一侧相邻的点的个数，
Figure 966353DEST_PATH_IMAGE010
表示第i个可能铭文区域中检测到的边缘个数。
进一步的，一种基于图形的电力金具表面铭文识别方法，每个铭文块中向光面和背光面的边缘方向为：通过边缘检测得到的数量最多的边缘方向。
进一步的，一种基于图形的电力金具表面铭文识别方法，获取所述铭文区域中每行像素点的灰度值，根据铭文字符的高度对铭文区域中不同行的铭文字符进行分割，得到多个铭文块；所述每个铭文块至少包含一个铭文字符。
进一步的，一种基于图形的电力金具表面铭文识别方法，对每个铭文块中的铭文进行补充的方法为：
获取每个铭文块中向光面的边缘和背光面的边缘，将所述向光面的边缘两端点和背光面的边缘两端点以及向光面边缘与背光面边缘的转折点作为关键点，通过将不同的关键点进行连接，得到补充后每个铭文块的多个补充铭文图像。
进一步的，一种基于图形的电力金具表面铭文识别方法，对每个铭文块中的铭文进行补充时：
连接关键点的方向与向光面及背光面不同；
连接后得到的补充铭文图像中每个像素点所在的边缘数少于设定值。
进一步的，一种基于图形的电力金具表面铭文识别方法，获取所述每个铭文图像中不同铭文内容的概率值的方法为：
每个铭文块经过补充后得到多个补充铭文图像，同一个铭文块的每个补充铭文图像经过神经网络输出多个铭文内容及每个铭文内容的概率值；
将同一铭文块的不同补充铭文图像输出相同铭文内容的概率值相加，获取同一铭文块的各个补充铭文图像输出的所有铭文内容的概率值。
一种基于图形的电力金具表面铭文识别系统，包括图像处理模块、铭文区域检测模块、铭文补充模块以及铭文内容识别模块；
图像处理模块，用于采集金具灰度图像，对所述金具灰度图像进行滑窗，获取每个滑窗的纹理复杂度；将所述纹理复杂度大于第一阈值的相邻窗口进行合并，得到多个可能铭文区域；
铭文区域检测模块，用于对每个可能铭文区域进行边缘检测，根据检测得到的每个可能铭文区域的边缘个数计算每个可能铭文区域的纹理规律度，将所述纹理规律度最大的可能铭文区域作为铭文区域；
铭文补充模块，用于对铭文区域检测模块中得到的每个铭文区域进行分割得到多个铭文块，获取每个铭文块中向光面和背光面的边缘方向，根据每个铭文块中向光面和背光面的边缘方向获取每个铭文块的关键点；
根据每个铭文块的关键点对每个铭文块中的铭文进行补充，得到每个铭文块对应的多个补充铭文图像；所述每个铭文块至少包含一个铭文；
铭文内容识别模块，用于将同一铭文块的多个补充铭文图像分别输入神经网络中，输出同一铭文块的每个补充铭文图像中不同铭文内容的概率，将同一铭文块的所有补充铭文图像中概率值最大的铭文内容作为该铭文块的铭文内容。
本发明的有益效果是：根据本发明提出的技术手段，通过分析电力金具图像的特征从而获取铭文区域，并对铭文区域中铭文的边缘进行补充，能够使铭文内容更加突出，排除金具本身颜色或光照的影响，从而完整的获取铭文区域中所有的铭文内容，结合多个识别结果的概率获取最终识别结果，大大提高了获取的铭文内容的准确性，同时提高了铭文内容识别的效率。使得本发明可以更好的应用于印刷识别或图像识别的生产领域或人工智能系统中。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种基于图形的电力金具表面铭文识别方法结构示意图；
图2为本发明实施例的一种基于图形的电力金具表面铭文识别系统结构示意图；
图3为图1中计算每个可能铭文区域的纹理规律度的方法结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，给出了本发明实施例的一种基于图形的电力金具表面铭文识别方法结构示意图，包括：
101.采集金具灰度图像，对所述金具灰度图像进行滑窗，将每个窗口灰度共生矩阵的能量值作为对应窗口的纹理复杂度；将所述纹理复杂度大于第一阈值的相邻窗口进行合并，得到多个可能铭文区域。
本发明需要根据电力金具图像识别电力金具表面铭文，所以需先采集电力金具图像，并识别图中的电力金具信息。在电力金具正上方放置相机，拍摄电力金具图像。图像中包含背景及电力金具。
本发明采用DNN语义分割的方式来识别分割图像中的目标。
该DNN网络的相关内容如下：
使用的数据集为俯视采集的电力金具图像数据集。
需要分割的像素，共分为2类，即训练集对应标签标注过程为：单通道的语义标签，对应位置像素属于背景类的标注为0，属于电力金具的标注为1。
网络的任务是分类，所以使用的loss函数为交叉熵损失函数。
至此，通过DNN实现了电力金具图像的处理，获得图像中电力金具连通域信息。为便于分析，将电力金具图像转换为灰度图。
铭文区域在光照下，铭文边缘向光面较周围金具表面亮，背光面较周围金具表面暗。因此铭文区域灰度层次较为丰富，纹理较为复杂。
以电力金具连通域每个像素点为中心，构建一个
Figure DEST_PATH_IMAGE011
的窗口，计算每个窗口的灰度共生矩阵，计算每个灰度共生矩阵的能量，作为该窗口中心像素点的纹理复杂度。
将相邻的纹理复杂度高（纹理复杂度大于阈值
Figure 892852DEST_PATH_IMAGE012
）的像素点合并成同一个区域。获取其中纹理复杂度均值最大的
Figure DEST_PATH_IMAGE013
个区域（本方案中
Figure 880400DEST_PATH_IMAGE013
为
Figure 150713DEST_PATH_IMAGE014
），则此些区域可能存在铭文。
利用直方图均衡化的方法对
Figure 743368DEST_PATH_IMAGE013
个可能的铭文区域进行图像增强，对进行图像增强后的区域编号，记为区域
Figure DEST_PATH_IMAGE015
。
102.对每个可能铭文区域进行边缘检测，计算每个可能铭文区域的纹理规律度，将所述纹理规律度最大的可能铭文区域作为铭文区域。
铭文通常为数字、字母等字符，其向光面的边缘或背光面的边缘上灰度较为连续，且与相邻铭文内部或电力金具表面像素点灰度存在差异。而反光边界或颗粒度较为明显的区域，虽然其纹理复杂度也较大，但反光边缘与反光区域或不反光区域灰度一致，颗粒度较为明显的区域灰度不连续。
利用canny算子对每个可能的铭文区域进行边缘检测，将得到的孤立的小点从边缘检测结果中剔除。结合检测到的边缘，计算第
Figure DEST_PATH_IMAGE017
个可能的铭文区域的纹理规律度
Figure 371927DEST_PATH_IMAGE018
。
如图3所示，计算每个可能铭文区域的纹理规律度的方法如下：
1021.对每个可能铭文区域进行边缘检测，获取检测到每个可能铭文区域的边缘个数
Figure 315612DEST_PATH_IMAGE010
。
1022.获取每个可能铭文区域中每个边缘的方向，根据每个可能铭文区域中边缘方向的熵值计算每个可能铭文区域的边缘方向一致性
Figure DEST_PATH_IMAGE019
，表达式为：
Figure DEST_PATH_IMAGE021
其中，
Figure 449003DEST_PATH_IMAGE022
为可能铭文区域中所有边缘方向的熵。
1023.计算每个可能铭文区域边缘两侧像素点的灰度一致性
Figure DEST_PATH_IMAGE023
，表达式为：
Figure 692903DEST_PATH_IMAGE024
其中，
Figure 164467DEST_PATH_IMAGE004
为第
Figure DEST_PATH_IMAGE025
条边缘一侧相邻的第
Figure 392186DEST_PATH_IMAGE007
个像素点的灰度值，
Figure 223876DEST_PATH_IMAGE008
为第
Figure 305970DEST_PATH_IMAGE025
条边缘另一侧相邻的对应的点的灰度值；
Figure 197703DEST_PATH_IMAGE009
为第l条边缘一侧相邻的点的个数，
Figure 115980DEST_PATH_IMAGE010
表示第i个可能铭文区域中检测到的边缘个数。
1024.根据每个铭文区域的边缘个数、边缘方向一致性以及边缘两侧像素点的灰度一致性计算得到每个铭文区域的纹理规律度。
铭文为一串字符，铭文区域通过边缘检测可得到铭文的向光面及背光面边缘，边缘个数较多，
Figure 282519DEST_PATH_IMAGE026
较大；铭文向光面及背光面互相平行，检测得到的向光面背光面的边缘方向也基本一致，其边缘方向一致性
Figure DEST_PATH_IMAGE027
较大。
颗粒度较大的区域检测到的边缘已剔除孤立的点，剩余短小的边缘方向分布杂乱，其边缘方向一致性较小；铭文区域背光面的边缘较暗，向光面的边缘较亮，但铭文表面颜色与电力金具表面颜色一致，因此边缘两侧的像素点灰度基本一致，其灰度一致性较大。反光边界区域检测到的边缘为反光边界，其一侧为反光区域，一侧为不反光区域，两侧像素点的灰度相差较大，其灰度一致性较小。因此当纹理规律度越大，该区域越可能为铭文区域。
检测到可能铭文区域的边缘方向中，数量最多的方向为铭文的向光面及背光面。
计算第
Figure 986164DEST_PATH_IMAGE017
个可能的铭文区域的纹理规律度
Figure 314377DEST_PATH_IMAGE018
的表达式为：
Figure DEST_PATH_IMAGE029
计算每个可能的铭文区域的纹理规律度，其中纹理规律度最大的区域即为铭文区域。
103.对所述铭文区域进行分割，得到多个铭文块，对每个铭文块中的铭文进行补充，得到每个铭文块对应的多个补充铭文图像；所述每个铭文块至少包含一个铭文；
获取所述铭文区域中每行像素点的灰度值，根据铭文字符的高度对铭文区域中不同行的铭文字符进行分割，得到多个铭文块；所述每个铭文块至少包含一个铭文字符。
铭文区域仅铭文的向光面与背光面的边缘较为清晰，其余不在向光面或背光面的边缘不可见。因此获取到的铭文区域中的铭文为不清晰的铭文。若直接根据该铭文区域图像进行铭文识别，获取的结果准确率难以保证。
本发明结合光线方向对铭文进行补充，对每个铭文块中的铭文进行补充的方法为：
获取每个铭文块中向光面的边缘和背光面的边缘，将所述向光面的边缘两端点和背光面的边缘两端点以及向光面边缘与背光面边缘的交叉点作为关键点，通过将不同的关键点进行连接，得到补充后每个铭文块的多个补充铭文图像。
对每个铭文块中的铭文进行补充时：
连接关键点的方向
Figure 237727DEST_PATH_IMAGE030
与向光面及背光面的方向
Figure DEST_PATH_IMAGE031
不同，即
Figure 739116DEST_PATH_IMAGE032
，铭文向光面或背光面的边缘已在图像中可见，因此无需补充此方向上的边缘。
铭文块图像中已有的边缘为铭文向光面或背光面的边缘，边缘的两端点可能为该字符的转折点，边缘上亮度与其余像素点相差较大的点（过亮或过暗的点）也可能为字符的转折点。将此些点标记为关键点。连接不同的关键点进行铭文补充。
连接后得到的补充铭文图像中每个像素点所在的边缘数少于设定值。本发明中补充边缘后每个像素点所属的边缘数需小于4，铭文通常为数字、字母等字符，均较为简单，每个字符的转折点均连接多条边缘，但连接边缘数均小于4。
104.将同一铭文块的多个补充铭文图像分别输入神经网络中，输出同一铭文块的每个补充铭文图像中不同铭文内容的概率，将同一铭文块的所有补充铭文图像中概率值最大的铭文内容作为该铭文块的铭文内容。
本发明采用DNN神经网络，以Encoder-FC的结构来识别铭文的内容。
该DNN网络的相关内容如下：
网络采用Encoder-FC的形式。先对图像进行编码提取图像特征，而后使用FC全连接进行分类任务。网络的输入为铭文图像，输出为铭文内容及对应概率。
使用的数据集为拍摄的边缘清晰的单个铭文字符图像数据集。
本方法需要分类的字符，包含数字、大写字母、小写字母以及特殊字符共
Figure DEST_PATH_IMAGE033
类，即训练集对应标签标注过程为：首先由人工对训练集中单个铭文字符图像进行分类并标注，属于数字1的标注为“1”，数字2的标注为“2”，…等。
网络的任务是分类，所以使用的loss函数为交叉熵损失函数。
将获得的每个铭文块的所有补充铭文图像及对应补充前的铭文图像输入到DNN网络中，则每个补充铭文图像都输出
Figure 562846DEST_PATH_IMAGE033
个铭文内容及每个铭文内容对应的概率。
未补充前的铭文图像为不完整的铭文，但已包含了铭文的部分边缘，基于此补充得到的铭文图像，其大框架不变，与补充前的铭文图像较为相似，同时与实际的铭文也较为相似。
补充铭文图像可能实际并不存在对应的铭文内容，但通过DNN网络识别得到的概率较大的铭文内容是与补充铭文相似度较大的，有较大可能性为实际的铭文内容。
获取所述每个铭文图像中不同铭文内容的概率值的方法为：
每个铭文块经过补充后得到多个补充铭文图像，同一个铭文块的每个补充铭文图像经过神经网络输出多个铭文内容及每个铭文内容的概率值；
将同一铭文块的不同补充铭文图像输出相同铭文内容的概率值相加，获取同一铭文块的各个补充铭文图像输出的所有铭文内容的概率值。
综合每个补充铭文图像的结果，计算第
Figure 61961DEST_PATH_IMAGE034
个铭文块为第
Figure DEST_PATH_IMAGE035
个铭文内容的概率
Figure 469677DEST_PATH_IMAGE036
：
Figure 712440DEST_PATH_IMAGE038
其中
Figure DEST_PATH_IMAGE039
为第
Figure 639944DEST_PATH_IMAGE034
个铭文块第
Figure 326272DEST_PATH_IMAGE040
个补充铭文图像为第
Figure 440858DEST_PATH_IMAGE035
个铭文内容的概率；
Figure DEST_PATH_IMAGE041
为第u个铭文块补充铭文图像及未补充铭文图像个数；
Figure 897483DEST_PATH_IMAGE042
为第u个铭文块所有图像为第v个铭文内容的概率之和，除以
Figure 413915DEST_PATH_IMAGE041
用以归一化。
获取其中概率最大的铭文内容，则该铭文内容为第
Figure 254832DEST_PATH_IMAGE034
个铭文块最可能的铭文结果。同理获取所有铭文块的铭文内容，将所有铭文块的铭文内容进行连接，得到金具表面铭文。
如图2所示，给出了本发明实施例的一种基于图形的电力金具表面铭文识别系统，包括图像处理模块、铭文区域检测模块、铭文补充模块以及铭文内容识别模块；
图像处理模块，用于采集金具灰度图像，对所述金具灰度图像进行滑窗，将每个窗口灰度共生矩阵的能量值作为对应窗口的纹理复杂度；将所述纹理复杂度大于第一阈值的相邻窗口进行合并，得到多个可能铭文区域；
铭文区域检测模块，用于对每个可能铭文区域进行边缘检测，计算每个可能铭文区域的纹理规律度，将所述纹理规律度最大的可能铭文区域作为铭文区域；
铭文补充模块，用于对铭文区域检测模块中得到的每个铭文区域进行分割，得到多个铭文块，对每个铭文块中的铭文进行补充，得到每个铭文块对应的多个补充铭文图像；所述每个铭文块至少包含一个铭文；
铭文内容识别模块，用于将同一铭文块的多个补充铭文图像分别输入神经网络中，输出同一铭文块的每个补充铭文图像中不同铭文内容的概率，将同一铭文块的所有补充铭文图像中概率值最大的铭文内容作为该铭文块的铭文内容。
根据本发明提出的技术手段，通过分析电力金具图像的特征从而获取铭文区域，并对铭文区域中铭文的边缘进行补充，能够使铭文内容更加突出，排除金具本身颜色或光照的影响，从而完整的获取铭文区域中所有的铭文内容，结合多个识别结果的概率获取最终识别结果，大大提高了获取的铭文内容的准确性，同时提高了铭文内容识别的效率。使得本发明可以更好的应用于印刷识别或图像识别的生产领域或人工智能系统中。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于图形的电力金具表面铭文识别方法，其特征在于，包括：
采集金具灰度图像，对所述金具灰度图像进行滑窗，获取每个滑窗的纹理复杂度；将所述纹理复杂度大于第一阈值的相邻窗口进行合并，得到多个可能铭文区域；
对每个可能铭文区域进行边缘检测，根据检测得到的每个可能铭文区域的边缘个数、边缘方向一致性以及边缘两侧像素点的灰度一致性计算得到每个铭文区域的纹理规律度，将所述纹理规律度最大的可能铭文区域作为铭文区域；
对所述铭文区域进行分割得到多个铭文块，获取每个铭文块中向光面和背光面的边缘方向，根据每个铭文块中向光面和背光面的边缘方向获取每个铭文块的关键点；所述每个铭文块至少包含一个铭文；
根据每个铭文块的关键点对每个铭文块中的铭文进行补充，得到每个铭文块对应的多个补充铭文图像；
将同一铭文块的多个补充铭文图像分别输入神经网络中，输出同一铭文块的每个补充铭文图像中不同铭文内容的概率，将同一铭文块的所有补充铭文图像中概率值最大的铭文内容作为该铭文块的铭文内容；
获取所有铭文块的铭文内容，将所有铭文块的铭文内容进行连接，得到金具表面铭文。
2.根据权利要求1所述的一种基于图形的电力金具表面铭文识别方法，其特征在于，计算每个可能铭文区域的纹理规律度的方法为：
对每个可能铭文区域进行边缘检测，获取检测到每个可能铭文区域的边缘个数；
获取每个可能铭文区域中每个边缘的方向，根据每个可能铭文区域中边缘方向的熵值计算每个可能铭文区域的边缘方向一致性；
计算每个可能铭文区域边缘两侧像素点的灰度一致性；
根据每个铭文区域的边缘个数、边缘方向一致性以及边缘两侧像素点的灰度一致性计算得到每个铭文区域的纹理规律度。
3.根据权利要求2所述的一种基于图形的电力金具表面铭文识别方法，其特征在于，
计算每个可能铭文区域边缘两侧像素点的灰度一致性
Figure DEST_PATH_IMAGE001
的表达式为：
Figure DEST_PATH_IMAGE003
其中，
Figure 120216DEST_PATH_IMAGE004
为第
Figure 962270DEST_PATH_IMAGE006
条边缘一侧相邻的第
Figure DEST_PATH_IMAGE007
个像素点的灰度值，
Figure 485043DEST_PATH_IMAGE008
为第
Figure 33836DEST_PATH_IMAGE006
条边缘另一侧相邻的对应的点的灰度值；
Figure DEST_PATH_IMAGE009
为第l条边缘一侧相邻的点的个数，
Figure 246511DEST_PATH_IMAGE010
表示第i个可能铭文区域中检测到的边缘个数。
4.根据权利要求1所述的一种基于图形的电力金具表面铭文识别方法，其特征在于，每个铭文块中向光面和背光面的边缘方向为：通过边缘检测得到的数量最多的边缘方向。
5.根据权利要求1所述的一种基于图形的电力金具表面铭文识别方法，其特征在于，获取所述铭文区域中每行像素点的灰度值，根据铭文字符的高度对铭文区域中不同行的铭文字符进行分割，得到多个铭文块；所述每个铭文块至少包含一个铭文字符。
6.根据权利要求1所述的一种基于图形的电力金具表面铭文识别方法，其特征在于，对每个铭文块中的铭文进行补充的方法为：
获取每个铭文块中向光面的边缘和背光面的边缘，将所述向光面的边缘两端点和背光面的边缘两端点以及向光面边缘与背光面边缘的转折点作为关键点，通过将不同的关键点进行连接，得到补充后每个铭文块的多个补充铭文图像。
7.根据权利要求5所述的一种基于图形的电力金具表面铭文识别方法，其特征在于，对每个铭文块中的铭文进行补充时：
连接关键点的方向与向光面及背光面不同；
连接后得到的补充铭文图像中每个像素点所在的边缘数少于设定值。
8.根据权利要求1所述的一种基于图形的电力金具表面铭文识别方法，其特征在于，获取所述每个铭文图像中不同铭文内容的概率值的方法为：
每个铭文块经过补充后得到多个补充铭文图像，同一个铭文块的每个补充铭文图像经过神经网络输出多个铭文内容及每个铭文内容的概率值；
将同一铭文块的不同补充铭文图像输出相同铭文内容的概率值相加，获取同一铭文块的各个补充铭文图像输出的所有铭文内容的概率值。
9.一种基于图形的电力金具表面铭文识别系统，其特征在于，包括图像处理模块、铭文区域检测模块、铭文补充模块以及铭文内容识别模块；
图像处理模块，用于采集金具灰度图像，对所述金具灰度图像进行滑窗，获取每个滑窗的纹理复杂度；将所述纹理复杂度大于第一阈值的相邻窗口进行合并，得到多个可能铭文区域；
铭文区域检测模块，用于对每个可能铭文区域进行边缘检测，根据检测得到的每个可能铭文区域的边缘个数计算每个可能铭文区域的纹理规律度，将所述纹理规律度最大的可能铭文区域作为铭文区域；
铭文补充模块，用于对铭文区域检测模块中得到的每个铭文区域进行分割得到多个铭文块，获取每个铭文块中向光面和背光面的边缘方向，根据每个铭文块中向光面和背光面的边缘方向获取每个铭文块的关键点；
根据每个铭文块的关键点对每个铭文块中的铭文进行补充，得到每个铭文块对应的多个补充铭文图像；所述每个铭文块至少包含一个铭文；
铭文内容识别模块，用于将同一铭文块的多个补充铭文图像分别输入神经网络中，输出同一铭文块的每个补充铭文图像中不同铭文内容的概率，将同一铭文块的所有补充铭文图像中概率值最大的铭文内容作为该铭文块的铭文内容。
CN202211270616.1A 2022-10-18 2022-10-18 一种基于图形的电力金具表面铭文识别方法及系统 Pending CN115719489A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211270616.1A CN115719489A (zh) 2022-10-18 2022-10-18 一种基于图形的电力金具表面铭文识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211270616.1A CN115719489A (zh) 2022-10-18 2022-10-18 一种基于图形的电力金具表面铭文识别方法及系统

Publications (1)

Publication Number Publication Date
CN115719489A true CN115719489A (zh) 2023-02-28

Family

ID=85254193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211270616.1A Pending CN115719489A (zh) 2022-10-18 2022-10-18 一种基于图形的电力金具表面铭文识别方法及系统

Country Status (1)

Country Link
CN (1) CN115719489A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115994904A (zh) * 2023-03-22 2023-04-21 山东万重山电子有限公司 基于计算机视觉的挂烫机面板生产质量检测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115994904A (zh) * 2023-03-22 2023-04-21 山东万重山电子有限公司 基于计算机视觉的挂烫机面板生产质量检测方法

Similar Documents

Publication Publication Date Title
CN107133622B (zh) 一种单词的分割方法和装置
TWI631514B (zh) Method and system for marking recognition based on mobile terminal
CN104463195B (zh) 基于模板匹配的印刷体数字识别方法
CN104182750B (zh) 一种在自然场景图像中基于极值连通域的中文检测方法
CN104700092B (zh) 一种基于模板和特征匹配相结合的小字符数字识别方法
US20120237116A1 (en) Identifying Text Pixels in Scanned Images
CN104361336A (zh) 一种水下视频图像的文字识别方法
Kanagarathinam et al. Text detection and recognition in raw image dataset of seven segment digital energy meter display
Isayed et al. A review of optical Braille recognition
Qin et al. A fast and robust text spotter
Kumar et al. Multi-script robust reading competition in ICDAR 2013
CN109886978A (zh) 一种基于深度学习的端到端告警信息识别方法
Bijalwan et al. Automatic text recognition in natural scene and its translation into user defined language
CN115719489A (zh) 一种基于图形的电力金具表面铭文识别方法及系统
EP0516576A2 (en) Method of discriminating between text and graphics
Al-Shabi Text Detection And Character Recognition Using Fuzzy Image Processing‖
CN103617423B (zh) 基于色彩参数的图像拆分识别方法
Khlif et al. Learning text component features via convolutional neural networks for scene text detection
Xia et al. Machine learning based medicine distribution system
Bains et al. Dynamic features based stroke recognition system for signboard images of Gurmukhi text
Van Phan et al. Collecting handwritten nom character patterns from historical document pages
Kaur et al. Text Extraction from Natural Scene using PCA.
CN115376139A (zh) 基于ocr高速图像识别的标签采集分析系统
Sathisha Bank automation system for Indian currency-a novel approach
Machhale et al. Implementation of number recognition using adaptive template matching and feature extraction method

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