專利名稱：一種信封圖像的查詢方法
技術(shù)領(lǐng)域：
本發(fā)明屬于郵政技術(shù)領(lǐng)域，尤其涉及一種對于信函的信封圖像的查詢方法。
背景技術(shù)：
在郵件分揀系統(tǒng)中，一封信件可能通過多個分揀機(jī)，并且可能多次通過同一個分 揀機(jī)。而當(dāng)信件通過分揀機(jī)時，信封的圖像可被采集下來與其相關(guān)處理信息共同存于數(shù)據(jù) 庫中。從而一個應(yīng)用就由此產(chǎn)生，即，當(dāng)信件第一次通過第一個分揀機(jī)時，其信封圖像及相 關(guān)處理信息就被存入數(shù)據(jù)庫中，而該數(shù)據(jù)庫可以被整個分揀系統(tǒng)共享，當(dāng)信件再次通過任 意一個分揀機(jī)時，系統(tǒng)可以從數(shù)據(jù)庫中獲取其相關(guān)信息。由于信件信息是與信封圖像一同 存放的，通過查詢信封圖像可以獲取數(shù)據(jù)庫中的處理信息。上述應(yīng)用中的關(guān)鍵技術(shù)在于信封圖像的查詢。依靠圖像自身特征獲取信封圖像的 想法。因此信封圖像的特征提取和圖像間的特征匹配也相當(dāng)重要。在許多文獻(xiàn)中，不少學(xué)者提出了各自的方法來實(shí)現(xiàn)基于內(nèi)容的圖像檢索，大多數(shù) 都與圖像的空間關(guān)系、顏色、紋理或形狀有關(guān)[1’2’3]。在最初的信封圖像查詢系統(tǒng)中，只使用 一些低層次的物理屬性來表征圖像，例如圖像的灰度直方圖、圖像熵投影等等，但它們在一 定程度上對圖像的分辨率、噪聲、傾斜程度及光亮變化敏感，而這些變化在信封圖像采集過 程中時有發(fā)生。為了增加系統(tǒng)的魯棒性，可以嘗試使用多種不同類型的特征對信封圖像進(jìn) 行表征，并提供多種查詢方案以確保系統(tǒng)的準(zhǔn)確性。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種信函圖像的查詢方法，實(shí)現(xiàn)準(zhǔn)確地以信函圖像為檢索依 據(jù)在信函分揀系統(tǒng)的圖像庫中查詢信函信息的目的。本發(fā)明的技術(shù)方案是，一種信封圖像的查詢方法，對所述信封圖像中的物理特征、 灰度級分布特征、信息分布特征、二值化圖像分塊特征、不變性特征和字符串識別結(jié)果進(jìn) 行組合，采用ki組不同的特征組合，分別記為C1, C2,... Cti，利用每一個特征組合對信封 圖像庫中的所有圖像進(jìn)行一次查詢，從而得到ki組查詢結(jié)果，分別記為R1, R2, ...，&，將 i = ^ Π i 2 Π…Π Rkl作為最終查詢結(jié)果返回。又一種信封圖像的查詢方法，對所述信封圖像中的物理特征、灰度級分布特征、信 息分布特征、二值化圖像分塊特征、不變性特征和字符串識別結(jié)果進(jìn)行組合，采用k2組不 同的特征組合，按照先后順序記為C/ , C2'，... Ci/,利用第一個特征C1'對庫中的所有 圖像進(jìn)行一次查詢，得到其查詢結(jié)果記為R1'，然后利用第二個特征C2'對前一次查詢結(jié) 果R1'中的所有圖像進(jìn)行查詢，進(jìn)而得到第二次查詢結(jié)果記為R2'，依次查詢，第i個特征
Ci'的查詢對象是第(i-Ι)次的查詢結(jié)果Ri_/，其查詢結(jié)果記為Ri'，第k2次查詢結(jié)果 就作為最終查詢結(jié)果返回。又一種信封圖像的查詢方法，對所述信封圖像中的物理特征、灰度級分布特征、信息分布特征、二值化圖像分塊特征、不變性特征和字符串識別結(jié)果進(jìn)行組合，采用ki組不同 的特征組合，分別記為C1, C2, ... Cii，利用每一個特征組合對信封圖像庫中的所有圖像進(jìn)
行一次查詢，從而得到h組查詢結(jié)果，分別記為R1, R2，...，凡,，將及=民cir2作為
中間查詢結(jié)果返回，對所述信封圖像中的物理特征、灰度級分布特征、信息分布特征、二值 化圖像分塊特征、不變性特征和字符串識別結(jié)果進(jìn)行組合，采用k2組不同的特征組合，按照 先后順序記為C/，C2'，... C42 ’，利用第一個特征C/對庫中的所有圖像進(jìn)行一次查詢，
得到其查詢結(jié)果記為R1'，然后利用第二個特征C2'對前一次查詢結(jié)果R/中的所有圖像 進(jìn)行查詢，進(jìn)而得到第二次查詢結(jié)果記為R2'，依次查詢，第i個特征Ci'的查詢對象是第
(i-Ι)次的查詢結(jié)果Ri-/，其查詢結(jié)果記為Ri'，第k2次查詢結(jié)果氏2'就作為最終查詢結(jié)
果返回。本發(fā)明綜合運(yùn)用多個信函圖像特征，準(zhǔn)確高效地實(shí)現(xiàn)了基于信函圖像的信函分揀中的信函信息查詢。


圖1是本發(fā)明涉及的郵件分揀系統(tǒng)中信封圖像查詢的操作流程2是本發(fā)明中涉及的信封圖像預(yù)處理流程3是本發(fā)明中涉及的信封圖像建庫流程4是本發(fā)明中信封圖像查詢流程5是本發(fā)明中涉及的信封圖像信息密集分布區(qū)域示例圖6是本發(fā)明中涉及的信封圖像分塊示例圖7是信封圖像SIFT特征生成流程8基于字符串識別結(jié)果的信封圖像查詢流程9本發(fā)明信封圖像查詢方法中的并行查詢方案流程10本發(fā)明信封圖像查詢方法中的串行查詢方案流程11本發(fā)明信封圖像查詢方法中先并行后串行的查詢方案流程圖
具體實(shí)施例方式以下結(jié)合附圖對本發(fā)明的具體實(shí)施作進(jìn)一步說明。本發(fā)明涉及的參考文獻(xiàn)如下。[1]B. Μ. Mehtre, Μ. S. Kankanhalli, and W. F. Lee, "Shape measures forcontent based image retrieval :a comparison，，，Information ProcessingManagement, vol. 33, no. 3，pp. 319-337，1997.[ 2 ] H. Samet and A. Soffer，“Marco :Map retrieval by content,"IEEETransactions on Pattern Analysis and Machine Intelligence,vol. 18, no. 8，pp. 783-798,1996.[3] A. Mojsilovic, J. Kovacevic, R. J. Hu, and S. K. Ganapathy,"Matchingand retrieval based on the vocabulary and grammer of color patterns，，，IEEE Transactions on Image Processing，vol. 9，no. 1，pp. 38—54，2000·[4]David G. Lowe, "Distinctive image feature from scaleinvariantkeypoints,，，International Journal of Computer Vision, vol. 60, no. 2, pp.91-110, January 2004.[5]Heng Ynag and Qing Wang, "A novel local feature descriptor for imagematching,，，Proceedings of the 2008 IEEE International Conference onMultimedia and Expo, pp.1405-1408,2008.[6]K. Mikolajczyk and C. Schmi d, "A performance evaluation of localdescriptors,"IEEE Transactions on Pattern Analysis and MachineIntelligence, vol. 27, no. 10,pp.1615-1630,2005.[7]Y.Ke and R. Sukthankar, "Pea-sift :A more distinctiverepresentation for local image descriptors,，，CVPR 2004. Proceedings ofthe 2004 IEEE Computer Society Conference on, vol. 2, pp.506-513,2004.[8] Yan Zhang, Zhou Zhaoxing, and Xiao Han, “ Category specific siftdescriptor and its combination with color information for content-basedimage retrieval, "Proceedings of the 2nd International Conference onlnteraction Sciences Information Technology, Culture and Human, pp.685-690, 2009.如圖1所示，本發(fā)明的信封圖像查詢系統(tǒng)對每一幅信封圖像的操作流程，其中涉 及到兩大部分操作一是當(dāng)信件第一次通過郵件分揀系統(tǒng)時，系統(tǒng)會對其信封圖像進(jìn)行特 征描述后將特征連同圖像一同存入圖像庫中，即建庫操作；二是當(dāng)信件再次通過郵件分揀 系統(tǒng)時，系統(tǒng)在對其信封圖像進(jìn)行特征描述后，利用提取的特征與圖像庫中的各個圖像進(jìn) 行特征匹配，從而返回符合匹配條件的一幅或多幅圖像，即查詢操作。如圖2所示，本發(fā)明涉及的信封圖像采集中的圖像預(yù)處理。在信封圖像采集的過 程中，信封連同傳輸時的黑皮帶都會被攝像器材拍攝下來，并且可能會出現(xiàn)傾斜或噪聲較 大的情況，因此為了方便后續(xù)的圖像特征描述，系統(tǒng)會對輸入圖像進(jìn)行預(yù)處理，使得特征描 述操作的對象是水平放置、去除皮帶且平滑后的信封圖像。具體的預(yù)處理操作包括去除皮 帶、傾斜度檢測、傾斜度校正及平滑濾波。為了使查詢系統(tǒng)能夠返回正確的圖像，系統(tǒng)必須使用區(qū)分度高的特征對圖像進(jìn)行 描述。而圖像特征可分為簡單低層次的物理屬性，例如灰度直方圖、紋理、形狀信息等；復(fù)雜 高層次的特征，如 SIFT 特征 M、GDOH(Gradient Distanceand Orientation Histogram)算 子[5]等；也可以分為全局屬性，如全圖像的長、寬、平均灰度值等；局部屬性，如局部分區(qū)圖 像的最大最小灰度值及亮度的標(biāo)準(zhǔn)偏差值、熵等等。為了快速而準(zhǔn)確的完成查詢工作，本文 選用多種不同類型的特征，包括圖像物理特征、灰度級分布特征、信息分布特征、二值化后 的圖像分塊特征、不變性特征、字符串識別結(jié)果。如圖3，信封圖像庫構(gòu)建過程中，當(dāng)信件第一次通過分揀機(jī)時，系統(tǒng)會對預(yù)處理后的信封圖像分別進(jìn)行多種不同類型的特征提取，并將獲得的特征連同對應(yīng)圖像存入庫中。 當(dāng)信件再次通過任意一個分揀機(jī)，系統(tǒng)需要從庫中查詢對應(yīng)于同一個信件的信封圖像時， 保存在庫中的圖像特征可以直接被使用，通過與信封查詢圖像間進(jìn)行特征匹配的方式檢索 相應(yīng)圖像。如圖4所示，當(dāng)信件再次通過分揀機(jī)，系統(tǒng)需要從庫中查詢其對應(yīng)的信封圖像時，系統(tǒng)將信封查詢圖像的各類特征按照一定的查詢方案，與庫中各幅圖像的對應(yīng)特征進(jìn)行匹 配，常用的匹配方法涉及歐氏距離、城市距離、棋盤距離等等，本文主要使用的是歐氏距離， 通過閾值的不同設(shè)定，不僅可以影響查詢返回的結(jié)果，而且可以對系統(tǒng)的性能進(jìn)行調(diào)整，查 詢至庫尾后，將滿足匹配條件的圖像作為最終查詢結(jié)果返回給用戶。本發(fā)明基于信封圖像特征的查詢技術(shù)方案，涉及到特征在下文中詳細(xì)敘述。1)物理特征本發(fā)明中使用的圖像物理特征包括信封的高、寬以及寬高比。假設(shè)圖像的分辨率 為P (DPI)，信封圖像的高和寬分別為Hp (像素)和Wp (像素)，則信封的實(shí)際高、寬和寬高 比可計(jì)算得到信封高H。= Hp/P(1)信封寬W。= Wp/P(2)寬高比R。= ff0/H0 = ffp/Hp (3)如此，對每一幅信封圖像就形成了一個三維特征(H。，W。，R0)。它充分描述了信封 圖像的形狀信息，當(dāng)信封查詢圖像與庫中的信封圖像之間存在較大的形狀差異時，如其中 一幅圖像中的信封偏長方形，另一幅圖像中的信封偏正方形，通過這個三維特征可以快速 排除庫中不匹配的信封圖像。2)灰度級分布特征設(shè)信封圖像采集時，圖像的總灰度級為M,即每個像素點(diǎn)的取值范圍是0到M,統(tǒng)計(jì)
整幅圖像中每個灰度級的像素點(diǎn)數(shù)，記為his(i)，0< i <M。所謂灰度級分布特征，就是將
M個灰度級分成若干段(比如N段。每段k個灰度級，記為Hi(I),... ,ni(k),l ^ i ^N),
統(tǒng)計(jì)每段中的像素點(diǎn)數(shù)在整幅圖像總像素點(diǎn)數(shù)的比例 k
YjMsiniU))gd)=Mu w他 N (4)從而形成了 N維特征(g(l)，g(2)，. . .，g(N))。通過對信封查詢圖像與庫中信封 圖像的灰度級分布特征進(jìn)行Ag距離計(jì)算Ag= |g ⑴-g' (1) | + |g(2)-g' (2) I+. ..+|g(N)-g' (N) (5)再設(shè)置一定的閾值ε判定，將差別較大即Ag彡ε的圖像認(rèn)為是不匹配圖像。3)信息分布特征通過使用連通元等手段，可以獲取信封圖像中信息分布密集的若干個連通區(qū)域， 如圖5中的I、II、III、IV、V區(qū)域。通過比較信封查詢圖像與庫中信封圖像之間的連同區(qū) 域個數(shù)、每個區(qū)域的面積及其在圖像中的相對位置等，可以一定程度上判斷兩幅圖像是否 匹配，尤其在排除不匹配圖像方面，經(jīng)常可以起到加速作用。例如若信封查詢圖像在左下角 有一些類似LOGO的圖案或標(biāo)識，如圖5中的IV，那么對于庫中左下角空白的信封圖像就可 以立即將其排除。4) 二值化圖像的分塊特征該特征要求先對信封圖像進(jìn)行二值化處理，再將圖像分別按水平和垂直方向分成 Dm段和Dn段，共得到DmXDn個分塊，如圖6所示。分塊完畢后，對每個分塊統(tǒng)計(jì)其內(nèi)部黑色像素點(diǎn)的數(shù)量N(i，j)，0≤i≤Dm，O≤j≤Dn,以及它在整幅圖像的黑色像素點(diǎn)總數(shù)Nsim中占的比例d(i，j)<formula>formula see original document page 7</formula>因此，對每一幅圖像形成一個DmX Dn維特征(d (1，1)，d (1，2)，. . .，d (Dm, Dn))，對于 信封查詢圖像和庫中的任一幅信封圖像，計(jì)算兩者在該特征上的距離差A(yù)chAd= |d(l， l)-d' (1，1) | + |d(l，2)-d' (1，2) |+...+|d(DM，DN)-d' (Dm，Dn) (7)再設(shè)置一定的閾 值Y判定，將差別較小即Δ(1< γ的圖像認(rèn)為是查詢圖像的相似圖像，反之將差別較大即 Ad^y的圖像認(rèn)為是不匹配圖像。5)不變性特征由于信封圖像在采集的過程中，時常出現(xiàn)分辨率、傾斜角度、噪聲、亮度等方面的 不同，盡管經(jīng)過一系列的預(yù)處理之后，圖像之間在這些方面的的差異會有所緩解，但是仍有 一些干擾未被消除，進(jìn)而影響圖像匹配，導(dǎo)致系統(tǒng)返回的結(jié)果不令人滿意。因此，系統(tǒng)考慮 添加一些對上述情況具有一定抵抗能力的特征，本發(fā)明采用SIFT特征或圖像的不變矩作 為不變性特征進(jìn)行圖像查詢。SIFT特征匹配算法Μ是David G. Lowe在2004年總結(jié)了現(xiàn)有的基于不變量技術(shù) 的特征檢測方法的基礎(chǔ)上，提出的一種基于尺度空間的、對圖像縮放、旋轉(zhuǎn)、噪聲、光照變化 甚至一定程度的仿射變換保持不變性的特征匹配算法，且已被證明是目前最好的圖像特征 算子之一 [6]。SIFT特征匹配算法分兩個階段來實(shí)現(xiàn)第一階段是SIFT特征的生成，主要包 含尺度空間極值檢測、關(guān)鍵點(diǎn)準(zhǔn)確定位、關(guān)鍵點(diǎn)方向分配及SIFT特征向量生成，如圖7所 示；第二階段是SIFT特征向量的匹配，主要采用優(yōu)先k-d樹進(jìn)行優(yōu)先搜索來查找每個特征 點(diǎn)的2近似最近鄰特征點(diǎn)。在這兩個特征點(diǎn)中，如果最近的距離除以次近距離少于比例閾 值，則接受這一對匹配點(diǎn)。通過降低比例閾值，雖會減少SIFT匹配點(diǎn)數(shù)目，但更加穩(wěn)定。但由于傳統(tǒng)的SIFT特征是一個128維的特征，而一幅圖中通常能生成近千個SIFT 特征，可想而知，使用全圖的SIFT特征進(jìn)行圖像查詢需要大量的時間消耗。盡管有其它 的SIFT改進(jìn)特征[7’8]已經(jīng)被提出，但針對與本發(fā)明中的實(shí)際應(yīng)用，本發(fā)明使用分區(qū)圖像的 SIFT特征，其中圖5所示的I、II、III、IV、V區(qū)域就是匹配SIFT特征點(diǎn)集中分布的五大區(qū) 域，且通過實(shí)驗(yàn)證明，對于印刷體地址信封圖像而言，使用右上角郵票區(qū)即區(qū)域II的SIFT 特征就足以正確提取其在數(shù)據(jù)庫中的對應(yīng)圖像；而對手寫體地址信封圖像而言，使用中間 收件人地址區(qū)即區(qū)域III的SIFT特征更合適。關(guān)于不變矩特征，圖像的灰度值可以被看做是一個二維的密度分布函數(shù)，那么矩 方法就可以用于對圖像進(jìn)行分析并提取圖像特征。本發(fā)明使用的是Hu不變矩，7個Hu不變 矩定義為φ i = η 20+ η 02A=hfΦ3 = (η3ο"3 η 12)2+ (3 η21- η03)2Φ 4 = (η30+ η12)2+( η21+ η03)2(8)Φ5 = (η30-3 η 12) (η30+ η12) [(η30+ η 12)2-3(η21+η03)2] + (3 η21- η03) (η21+ η03) [3(η3ο+η12)2-(η21+η03)2]Φ6 = (η20-3 η02) [(η30+ η 12)2-(η21+η03)2]+4 ηη( η30+ η 12) (η21+ η03)
Φ7 = (3η21-η03) (η30+ η12) [(η30+ η 12)2-3(η21+η03)2] + (3 η 12-η30) (η21+ η03) [3(η3ο+η12)2-(η21+η03)2]其中，Jlij表示圖像的第(i+j)階幾何矩。將這7個不變矩組成一個7維的特征 向量(φρ φ2, φ3，φ4, φ5, φ 6，Φ 7)，通過比較該特征進(jìn)行匹配判定。6)字符串識別結(jié)果現(xiàn)在的分揀技術(shù)已經(jīng)可以對信封圖像進(jìn)行字符串識別，得到包括郵編、收信人地址串等信息，因此，在進(jìn)行圖像查詢的時候，系統(tǒng)可以考慮使用字符串的識別結(jié)果進(jìn)行兩幅 圖像的匹配判定。又因?yàn)猷]編的識別效果更優(yōu)于收信人地址串的識別效果，故本發(fā)明使用 郵編的識別結(jié)果輔助查詢，具體如圖8所示，利用識別結(jié)果的匹配可以快速排除郵編不相 同的信封圖像，而對于郵編結(jié)果匹配成功的一幅或多幅圖像，系統(tǒng)可以采取進(jìn)一步處理例 如使用前面描述的一種或多種特征進(jìn)行精確匹配從而得到準(zhǔn)確率更高的查詢返回，也可以 就此返回圖像作為查詢結(jié)果?；谝陨?種圖像特征后，本發(fā)明給出三種查詢方案，包括分別使用不同特征并 行查詢、使用多種特征串行查詢以及先并行后串行的查詢方式。一、并行查詢方案對上述的六種不同類型的特征使用組合，假設(shè)系統(tǒng)采用k組不同的特征組合，分 別記為C1, C2, ...Ck，利用每一個特征組合對庫中的所有圖像進(jìn)行一次查詢，從而得到k組 查詢結(jié)果，分別記為R1,R2,...，Rk，最后將R = R1 η R2 η ... η Rk作為最終查詢結(jié)果返回 給用戶，具體如圖9所示。二、串行查詢方案串行查詢方案可以對前面介紹的六種不同類型的特征加以選擇并進(jìn)行排序，不僅 可以規(guī)定使用的特征類型，而且可以規(guī)定特征使用的順序。假設(shè)系統(tǒng)采用k2組不同的特征 組合，按照先后順序記為C/，C2'，... CA/，利用第一個特征C1'對庫中的所有圖像進(jìn)行 一次查詢，得到其查詢結(jié)果記為R/，然后利用第二個特征C2'對前一次查詢結(jié)果R1'中 的所有圖像進(jìn)行查詢，進(jìn)而得到第二次查詢結(jié)果記為R2'，依次查詢，第i個特征Ci'的查
詢對象是第(i-Ι)次的查詢結(jié)果Ri-/，其查詢結(jié)果記為Ri'，第k2次查詢結(jié)果氏/就作為
最終查詢結(jié)果返回。如圖10所示。三、先并行后串行查詢方案第三種查詢方案是前兩種方案的綜合，采用ki個特征C1;C2，. . . Cti進(jìn)行并行查詢， 并對ki個查詢結(jié)果取交集得到串行查詢的對象，再利用k2個特征C1'，C2'，...Ci2'依次 進(jìn)行查詢，將最后一個特征得到的結(jié)果作為最終查詢結(jié)果返回給用戶，如圖11所示。
權(quán)利要求
一種信封圖像的查詢方法，其特征在于，對所述信封圖像中的物理特征、灰度級分布特征、信息分布特征、二值化圖像分塊特征、不變性特征和字符串識別結(jié)果進(jìn)行組合，采用k1組不同的特征組合，分別記為利用每一個特征組合對信封圖像庫中的所有圖像進(jìn)行一次查詢，從而得到k1組查詢結(jié)果，分別記為將作為最終查詢結(jié)果返回。FSA00000091281700011.tif,FSA00000091281700012.tif,FSA00000091281700013.tif
2. 一種信封圖像的查詢方法，其特征在于，對所述信封圖像中的物理特征、灰度級分布 特征、信息分布特征、二值化圖像分塊特征、不變性特征和字符串識別結(jié)果進(jìn)行組合，采用 k2組不同的特征組合，按照先后順序記為q'，c2’，···<&’，利用第一個特征Ci'對庫中的所有 圖像進(jìn)行一次查詢，得到其查詢結(jié)果記為R1'，然后利用第二個特征C2'對前一次查詢結(jié) 果R1'中的所有圖像進(jìn)行查詢，進(jìn)而得到第二次查詢結(jié)果記為R2'，依次查詢，第i個特征 Ci'的查詢對象是第(i-Ι)次的查詢結(jié)果Ri_/，其查詢結(jié)果記為Ri'，第k2次查詢結(jié)果凡2' 就作為最終查詢結(jié)果返回。
3.一種信封圖像的查詢方法，其特征在于，對所述信封圖像中的物理特征、灰度級分布 特征、信息分布特征、二值化圖像分塊特征、不變性特征和字符串識別結(jié)果進(jìn)行組合，采用 h組不同的特征組合，分別記為CnCyCii，利用每一個特征組合對信封圖像庫中的所有圖 像進(jìn)行一次查詢，從而得到h組查詢結(jié)果，分別記為^，盡，…，A1，將i = R1HR2 Π…作為 中間查詢結(jié)果返回，對所述信封圖像中的物理特征、灰度級分布特征、信息分布特征、二值 化圖像分塊特征、不變性特征和字符串識別結(jié)果進(jìn)行組合，采用k2組不同的特征組合，按照 先后順序記為C/A’，··、’，禾!』用第一個特征c/對庫中的所有圖像進(jìn)行一次查詢，得到其 查詢結(jié)果記為R/，然后利用第二個特征C2'對前一次查詢結(jié)果R1'中的所有圖像進(jìn)行查 詢，進(jìn)而得到第二次查詢結(jié)果記為R2'，依次查詢，第i個特征Ci'的查詢對象是第(i_l) 次的查詢結(jié)果Ri-/，其查詢結(jié)果記為Ri'，第k2次查詢結(jié)果式2'就作為最終查詢結(jié)果返回。
全文摘要
本發(fā)明公開了一種信封圖像的查詢方法，對所述信封圖像中的物理特征、灰度級分布特征、信息分布特征、二值化圖像分塊特征、不變性特征和字符串識別結(jié)果進(jìn)行組合，采用k1組不同的特征組合，分別記為利用每一個特征組合對信封圖像庫中的所有圖像進(jìn)行一次查詢，從而得到k1組查詢結(jié)果，分別記為將作為最終查詢結(jié)果返回。本發(fā)明實(shí)現(xiàn)了以信函圖像為檢索依據(jù)在信函分揀系統(tǒng)的圖像庫中查詢信函信息。
文檔編號G06F17/30GK101817001SQ20101015248
公開日2010年9月1日 申請日期2010年4月20日 優(yōu)先權(quán)日2010年4月20日
發(fā)明者呂岳, 杜宇驍 申請人:上海郵政科學(xué)研究院