專利名稱：一種鋼鐵板坯編碼圖像中的字符識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種鋼鐵板坯編碼圖像中的字符識別方法。
背景技術(shù)：
板坯編碼是鋼鐵企業(yè)用來表示鋼鐵板坯信息的標(biāo)識，通常噴涂在鋼鐵板坯的側(cè)面。本發(fā)明提出ー種鋼鐵板坯編碼圖像識別方法，用于鋼鐵板坯圖像中板坯編碼的識別。字符特征提取是字符識別技術(shù)中的關(guān)鍵環(huán)節(jié)，也是ー個難點，其需要根據(jù)識別方法的要求，對滿足識別要求的模式進行特征提取，從而進行字符識別。字符特征提取的關(guān)鍵是特征選擇，即如何從眾多特征中找出有效的特征。目前，常用的字符特征主要分為兩類字符結(jié)構(gòu)特征和字符統(tǒng)計與變換特征。字符結(jié)構(gòu)特征，主要是提取字符的寬度、長度、水平特征，基于鏈碼的結(jié)構(gòu)特征等，該方法對字符的結(jié)構(gòu)較敏感，能夠很好的區(qū)分相似字符，但 是結(jié)構(gòu)特征很難抽取，而且不穩(wěn)定，在對復(fù)雜的字符筆劃進行分析與提取時，會產(chǎn)生很大的運算量，因此對計算機性能要求較高。字符結(jié)構(gòu)特征和字符統(tǒng)計與變換特征中，通用的統(tǒng)計特征包括字符的投影特征，輪廓特征，網(wǎng)格特征等，通用的變換有小波變換、傅立葉變換等。統(tǒng)計方法魯棒性強，抗干擾能力好、抗噪能力強，但是，可能會失去區(qū)分“敏感部位”的差異，因此很難區(qū)分相似字符。鋼鐵板坯圖像通常從鋼鐵エ業(yè)現(xiàn)場獲得，而鋼鉄工業(yè)現(xiàn)場存在環(huán)境復(fù)雜、光照環(huán)境變化，板坯側(cè)面的板坯編碼成像背景復(fù)雜等惡劣因素的影響，致使不同鋼鐵板坯圖像之間的差異性較大，加大了選取恰當(dāng)板坯編碼字符特征的難度，此外，板坯編碼通常是由エ業(yè)涂料噴涂而成的，而エ業(yè)涂料是顆粒狀的，致使板坯字符編碼連通性及規(guī)范性不佳。由于存在以上原因，現(xiàn)有的字符特征提取方法，均無法有效地提取板坯編碼字符特征，從而降低了板坯字符編碼的識別率。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種鋼鐵板坯編碼圖像中的字符識別方法，該鋼鐵板坯編碼圖像中的字符識別方法具有運算簡便、識別效率高的特點。發(fā)明的技術(shù)解決方案如下—種鋼鐵板坯編碼圖像中的字符識別方法，包括以下步驟步驟I :將獲取的鋼鐵板坯編碼圖像切分為多個單字符圖像；每一個單字符圖像中包含有ー個待識別的字符；步驟2 :對每ー個單字符圖像都進行字符識別，從而完成對鋼鐵板坯編碼圖像中的字符識別。根據(jù)權(quán)利要求I所述的鋼鐵板坯編碼圖像中的字符識別方法，其特征在于，步驟2中，所述的單字符圖像進行字符識別包括以下步驟步驟a :對單字符圖像進行灰度化，獲得灰度圖；步驟b :對所述灰度圖進行濾波處理，獲得濾波后的灰度步驟c :對所述濾波后的灰度圖進行ニ值化處理，獲得ニ值圖；步驟d :對所述ニ值圖進行大小歸ー化處理，獲得歸ー化單字符ニ值圖；步驟e :對所述的歸ー化單字符ニ值圖進行逐像素點特征提取，得到特征向量矩陣；所述的逐像素點特征提取是指對歸ー化單字符ニ值圖逐行逐列掃描，對歸ー化單字符ニ值圖中的白色像素點，取特征值為1，對歸ー化單字符ニ值圖中的黒色像素點，取特征值為0，最后得到一個特征向量矩陣，特征向量矩陣的維數(shù)等于歸ー化單字符ニ值圖中像素點的總數(shù)目；步驟f :逐像素點模板匹配將所述的特征向量矩陣與多個字符模板進行匹配，獲得多個相似度，相似度指元素數(shù)目占總元素數(shù)目的比例；以相似度最大的字符模板所對應(yīng)的字符作為當(dāng)前單字符圖像的匹配結(jié)果；每ー個字符模板中的元素數(shù)量與特征向量矩陣中包含的元素數(shù)量相同。
所述的步驟f中，所述字符模板的制作過程如下首先獲取板坯編碼圖像，以包含所有單個板坯編碼為一組，選取ー組板坯編碼的單字符圖像，經(jīng)過步驟a至步驟e的處理，獲得ー組與板坯編碼圖像對應(yīng)的特征向量矩陣，將該組特征存儲為文件，即為ー組與板坯編碼圖像對應(yīng)的字符模板。所述的步驟f中，所述特征向量矩陣與字符模板的特征向量的匹配方式為依次比較特征向量矩陣中的每個元素與字符模版中的對應(yīng)元素，判斷是否相同，并統(tǒng)計相同元素的數(shù)目，將相同元素的數(shù)目占總元素數(shù)目的比例作為當(dāng)前單字符圖像與該當(dāng)前字符模板的相似度。所述的濾波是指用3 X 3窗ロ進行最小值濾波。所述的ニ值化處理是指采用大津法進行自適應(yīng)ニ值化處理。所述的大小歸ー化處理是指將ニ值圖轉(zhuǎn)換為50X60像素尺寸大小的ニ值圖。所述的字符模板為多組。所述的字符模板對應(yīng)的字符組包含的字符為數(shù)字0-9、英文大寫字母、英文小寫字母、漢字中的至少ー種。有益效果本發(fā)明的鋼鐵板坯編碼圖像中的字符識別方法，針對板坯編碼的特征，采用ー種新方法進行特征提取，提高了字符特征信息提取的全面性，具有特征提取簡單，運算方便，井能夠有效地實現(xiàn)板坯編碼的識別。本發(fā)明采用有效的圖像預(yù)處理技術(shù)，并提取恰當(dāng)?shù)陌迮骶幋a字符特征，結(jié)合板坯編碼字符檢驗技術(shù)，實現(xiàn)對復(fù)雜エ業(yè)環(huán)境中獲取的鋼鐵板坯圖像中板坯編碼的有效識別。由于板坯編碼通常是由エ業(yè)涂料噴涂而成的，而エ業(yè)涂料是顆粒狀的，致使板坯編碼連通性及規(guī)范性不佳，從而導(dǎo)致現(xiàn)有的特征提取方法無法有效地提取板坯編碼的字符特征。而本方法的特征提取過程，只是簡單的變換過程，即將ニ值圖中的黑(灰度值為O)像素點和白(灰度值為255)像素點，分別用特征值O和I來表示，從而獲得特征向量。因而，本發(fā)明的方法能夠全面的提取字符特征信息，特征提取過程簡單，運算方便，容易實現(xiàn)。


圖I為本發(fā)明中板坯編碼字符模板制作示意圖2為本發(fā)明字符識別流程圖；圖3為某ー鋼鐵板坯編碼圖像；圖4為將圖3的鋼鐵板坯編碼圖像切分后的單字符圖像；圖5為將圖4的單字符圖像進行處理后獲得的單字符ニ值圖；圖6為將圖5的單字符ニ值圖進行歸ー化處理后的獲得的單字符ニ值具體實施例方式以下將結(jié)合附圖和具體實施例對本發(fā)明做進ー步詳細說明本發(fā)明的方法包括以下步驟I.對從鋼鐵板坯編碼圖像中切分獲得的含有單個板坯編碼字符的圖像按順序進行編號，并進行灰度化處理；2.對單字符(含有單個板坯編碼字符)灰度圖進行濾波處理；3.對濾波處理后圖像采用自適應(yīng)ニ值化分割技術(shù)，進行ニ值化處理；4.對單字符ニ值圖，進行大小歸ー化處理；5.對歸ー化后單字符ニ值圖，進行逐像素點特征提取。本專利的重點內(nèi)容有兩點
I、灰度化、濾波和ニ值化技術(shù)的恰當(dāng)組合；(現(xiàn)有主要組合方式灰度化、均值濾波和人工設(shè)定整體閾值法；)2、逐像素點特征提取。逐像素點特征提取法選用字符圖像的灰度特征作為字符特征，屬于ー種字符統(tǒng)計與變換特征，采用灰度變換及ニ值化處理獲得單個字符圖像的灰度特征向量矩陣。與現(xiàn)有技術(shù)的相同之處是通過變換算法提取字符的特征信息，變換算法是成熟的算法；不同之處是變換算法的合理搭配，及字符特征的選取，在已搜索到的文獻中，并沒有發(fā)現(xiàn)與本專利相同的字符特征；采用灰度變換及ニ值化處理獲得單個字符圖像的灰度特征向量矩陣。6.對單字符ニ值圖，進行逐像素點模板匹配；7.重復(fù)步驟I到步驟6，直到識別完整個板坯編碼圖像中的所有單個字符；8.對識別后獲得的整個板坯編碼圖像中的所有單個字符，按照切分時的編號，按順序組合，獲得完整的板坯編碼。對識別獲得的完整板坯編碼可根據(jù)自行定義的編碼格式來進行校驗處理。校驗處理的作用當(dāng)圖像中板坯編碼存在缺損等情況，并造成識別結(jié)果出現(xiàn)違反編碼規(guī)則的情形時，通過校驗，可以發(fā)現(xiàn)此類問題，并輸出警示信息，降低輸出錯誤識別結(jié)果的概率。校驗成功的標(biāo)準(zhǔn)，是指識別獲得的編碼字符串是否滿足全部編碼規(guī)則，若滿足全部編碼規(guī)則，則判斷校驗成功；否則校驗失敗。
若校驗成功，證明識別成功，輸出板坯編碼識別結(jié)果；若校驗失敗，證明本次識別失敗，并輸出警示信息“識別失敗！ ”；進ー步的在所述步驟I中，灰度化處理的變換公式如下 f (i, j) = O. 299R(i，j) +0. 587G(i，j) +0. 114B(i，j))；其中，i，j為正整數(shù)，(i，j)表示圖像中像素點的坐標(biāo)ば表示轉(zhuǎn)換后像素點的灰度值；R，G，B是彩色圖RGB模型的三分量，分別表示紅，綠，藍三分量的強度值。
在所述步驟2中，濾波算法采用3X3的窗ロ進行最小值濾波；最小值濾波原理是將圖像中某一點的灰度值設(shè)置為該點鄰域窗ロ內(nèi)所有像素點灰度值的最小值。具體實現(xiàn)通過對鄰域窗ロ的像素灰度值進行排序，形成單調(diào)下降(或上升)的有序數(shù)據(jù)，獲得其中像素點灰度值的最小值，并將當(dāng)前像素點的灰度值置為該值。本專利采用3X3的鄰域窗ロ。在所述步驟3中，所述自適應(yīng)ニ值化分割技術(shù)，是指大津(Ostu)法，即最大類間方差法。這是ー種基于判別式分析的，動態(tài)計算最佳閾值的方法，自適應(yīng)性較強，方法簡單而實用，對單個字符的板坯編碼圖像具有很好的ニ值化分割效果；在所述步驟4中，所述大小歸ー化處理，是指將字符的外邊框按比例進行線性放大或縮小為50X60像素尺寸；在所述步驟5中，所述逐像素點特征提取，是指對歸ー化單字符ニ值圖進行逐行 逐列的掃描，對圖像中的白色像素點(像素值為255)取其特征值為1，對圖像中的黒色像素(像素值為O)取其特征值為0，最后得到一個特征向量矩陣，其維數(shù)等于圖像中像素點的總數(shù)目。在所述步驟6中，所述逐像素點模板匹配，將提取到的單個板坯編碼字符的特征，與O 9各個字符模板進行匹配，匹配方式只是簡單的依次比較特征向量矩陣中的每個元素與字符模板中的對應(yīng)元素，判斷是否相同，并統(tǒng)計相同元素的數(shù)目，將相同元素的數(shù)目占總元素數(shù)目的比例作為當(dāng)前單字符圖像與該當(dāng)前字符模板的相似度，比較樣本與各個字符模板相似度的大小，將兩者相似度最大的字符模板所對應(yīng)的字符為匹配結(jié)果。上述字符模板的制作過程如下首先獲取板坯編碼圖像，以包含所有單個板坯編碼(即O 9)為一組，選取ー組分別為O 9的單個板坯編碼字符圖像，經(jīng)過步驟I至步驟5的處理，獲得ー組O 9板坯編碼字符圖像對應(yīng)的特征向量矩陣，將該組特征存儲為文件，即為ー組O 9板坯編碼圖像對應(yīng)的字符模板；所述步驟7中，所述完整的板坯編碼圖像，含有13個字符。實施例I :現(xiàn)有ー副圖像，如附圖3所示，對圖像經(jīng)過灰度化、濾波和ニ值化等處理，獲得圖像的ニ值圖，從圖I中獲得僅含有單個字符的圖像如附圖4所示，共可獲得的13個單字符圖像，依次展開字符圖像的識別處理，首先對左起第一個字符進行識別，具體過程如下I.對字符圖像進行灰度化處理，獲得灰度圖；2.對灰度圖，采用3X3窗ロ進行最小值濾波處理，獲得濾波后的灰度圖；3.對濾波后的灰度圖采用大津(Ostu)法,進行自適應(yīng)ニ值化處理,獲得ニ值圖，如附圖5所示；4.對ニ值圖進行大小歸ー化處理，獲得50X60像素尺寸大小的ニ值圖，如附圖6所示；5.對歸ー化后單字符ニ值圖，進行逐像素點特征提取，即對圖像逐行逐列的掃描，對圖像中的白色像素點(像素值為255)取其特征值為1，對圖像中的黒色像素(像素值為O)取其特征值為0，最后得到一個特征向量矩陣，其維數(shù)等于圖像中像素點的總數(shù)目(3000)；6.對單字符ニ值圖，進行逐像素點模板匹配，得到匹配結(jié)果為I。具體過程如下將提取到的單個板坯編碼字符的特征向量，與O 9各個字符模板進行匹配，匹配方式只是簡單的依次匹配特征向量中的每個元素與特征向量字符模版中的對應(yīng)元素，判斷是否相同，并統(tǒng)計相同元素的數(shù)目，最終計算相同元素占總元素數(shù)目(3000)的比例，作為樣本與該字符模板的相似度，比較樣本與各個字符模板相似度的大小，兩者相似度最大的字符模板所對應(yīng)的字符為匹配結(jié)果。上述字符模板的制作過程如下首先獲取板坯編碼圖像，以包含所有單個板坯編碼(即O 9)為ー組，選取ー組分別為O 9的單個板坯編碼字符圖像，經(jīng)過步驟I至步驟5的處理，獲得ー組O 9板坯編碼字符圖像對應(yīng)的特征向量矩陣，將該組特征存儲為文件，即為ー組O 9板坯編碼圖像對應(yīng)的字符模板。此處，共有三組字符模板，即30個字符模板；進行模板匹配時，樣本字符要與這三組字符模板中的30個字符模板匹配。
重復(fù)步驟I到步驟6，直到識別完整個板坯編碼圖像中的所有單個字符，依次得到的識別結(jié)果為5、0、1、2、8、3、1、0、3、0、2、0。將識別后的結(jié)果組合成字符串，即1501283103020，并予以顯示。整個識別處理過程結(jié)束。
權(quán)利要求
1.一種鋼鐵板坯編碼圖像中的字符識別方法，其特征在于，包括以下步驟 步驟I:將獲取的鋼鐵板坯編碼圖像切分為多個單字符圖像；每一個單字符圖像中包含有ー個待識別的字符； 步驟2 :對每ー個單字符圖像都進行字符識別，從而完成對鋼鐵板坯編碼圖像中的字符識別。
2.根據(jù)權(quán)利要求I所述的鋼鐵板坯編碼圖像中的字符識別方法，其特征在于，步驟2中，所述的單字符圖像進行字符識別包括以下步驟 步驟a :對單字符圖像進行灰度化，獲得灰度圖； 步驟b :對所述灰度圖進行濾波處理，獲得濾波后的灰度圖； 步驟c :對所述濾波后的灰度圖進行ニ值化處理，獲得ニ值圖； 步驟d :對所述ニ值圖進行大小歸ー化處理，獲得歸ー化單字符ニ值圖； 步驟e :對所述的歸ー化單字符ニ值圖進行逐像素點特征提取，得到特征向量矩陣；所述的逐像素點特征提取是指對歸ー化單字符ニ值圖逐行逐列掃描，對歸ー化單字符ニ值圖中的白色像素點，取特征值為1，對歸ー化單字符ニ值圖中的黒色像素點，取特征值為O，最后得到一個特征向量矩陣，特征向量矩陣的維數(shù)等于歸ー化單字符ニ值圖中像素點的總數(shù)目； 步驟f :逐像素點模板匹配 將所述的特征向量矩陣與多個字符模板進行匹配，獲得多個相似度，相似度指相同元素數(shù)目占總元素數(shù)目的比例；以相似度最大的字符模板所對應(yīng)的字符作為當(dāng)前單字符圖像的匹配結(jié)果；每ー個字符模板中的元素數(shù)量與特征向量矩陣中包含的元素數(shù)量相同。
3.根據(jù)權(quán)利要求2所述的鋼鐵板坯編碼圖像中的字符識別方法，其特征在于，所述的步驟f中，所述字符模板的制作過程如下首先獲取板坯編碼圖像，以包含所有單個板坯編碼為ー組，選取ー組板坯編碼的單字符圖像，經(jīng)過步驟a至步驟e的處理，獲得ー組與板坯編碼圖像對應(yīng)的特征向量矩陣，將該組特征存儲為文件，即為ー組與板坯編碼圖像對應(yīng)的字符模板。
4.根據(jù)權(quán)利要求2所述的鋼鐵板坯編碼圖像中的字符識別方法，其特征在于，所述的步驟f中，所述特征向量矩陣與字符模板的匹配方式為依次比較特征向量矩陣中的每個元素與字符模板中的對應(yīng)元素，判斷是否相同，并統(tǒng)計相同元素的數(shù)目，將相同元素的數(shù)目占總元素數(shù)目的比例作為當(dāng)前單字符圖像與該當(dāng)前字符模板的相似度。
5.根據(jù)權(quán)利要求2所述的鋼鐵板坯編碼圖像中的字符識別方法，其特征在于，所述的濾波是指用3 X 3窗ロ進行最小值濾波。
6.根據(jù)權(quán)利要求2所述的鋼鐵板坯編碼圖像中的字符識別方法，其特征在于，所述的ニ值化處理是指采用大津法進行自適應(yīng)ニ值化處理。
7.根據(jù)權(quán)利要求2所述的鋼鐵板坯編碼圖像中的字符識別方法，其特征在于，所述的大小歸ー化處理是指將ニ值圖轉(zhuǎn)換為50X60像素尺寸大小的ニ值圖。
8.根據(jù)權(quán)利要求3所述的鋼鐵板坯編碼圖像中的字符識別方法，其特征在于，所述的字符模板為多組。
9.根據(jù)權(quán)利要求2-8所述的鋼鐵板坯編碼圖像中的字符識別方法，其特征在于，所述的字符模板對應(yīng)的字符組包含的字符為數(shù)字0-9、英文大寫字母、英文小寫字母、漢字中的至少一種
全文摘要
本發(fā)明公開了一種鋼鐵板坯編碼圖像中的字符識別方法，包括以下步驟步驟1將獲取的鋼鐵板坯編碼圖像切分為多個單字符圖像；每一個單字符圖像中包含有一個待識別的字符；步驟2依次對每一個單字符圖像進行字符識別，從而完成對鋼鐵板坯編碼圖像中的字符識別。該鋼鐵板坯編碼圖像中的字符識別方法具有運算簡便、識別效率高的特點。
文檔編號G06K9/62GK102663380SQ20121009068
公開日2012年9月12日 申請日期2012年3月30日 優(yōu)先權(quán)日2012年3月30日
發(fā)明者何勇, 吳敏, 安劍奇, 曹衛(wèi)華, 杜楠, 田勝雄 申請人:中南大學(xué)