复杂仪器仪表盘面背景中目标字符的提取与辨认

　复杂仪器仪表盘面背景中目标字符的提取与辨认于旭V黄时Ilf（1.沈阳职业技巧学院计算机分院；2.中国科学院沈阳主动化所，辽宁沈阳110000）综合了多种图像处理和瓜分办法，取长补短，综合优化，清除了复杂图像背景中的各类干扰身分，对图像变更有必定的自适应才能。该筹划在给定的图像样本中取得了很好的辨认后果，达到了实用化的程度。仪器仪表盘面的图像处理与辨认长短电子设备与现代电子设备的接合点之一，因而这一具有指导意义的技巧筹划有广阔的应用背景。

　　1背景仪器仪表盘面的图像处理与辨认长短电子设备与现代电子设备的接合点，这一技巧有着广阔的应用背景。一方面，在某些应用处合中，因为非电子仪器仪表本身所固有的优势，它们仍将经久的存在而不会被电子仪器仪表所代替。而在信息技巧己经逐渐应用到各个行业和范畴的今天。要使它们在一个现代的主动化体系中与其它电子设备结合协作，发挥它们自身的感化。就须要解决它们与电子体系之间的通信问题。在不修改原有的非电子仪器仪表设备的情况下，经由过程摄像机获取图像后对目标进行提取和辨认以获取须要的信息，这无疑是把非电子仪器仪表嵌入到电子主动化体系中的独一的门路。另一方面，当前己经安装并正在运作很多体系上也安装着几乎无法计数的非电子仪器仪表，要对这些体系进行信息化、主动化改进也须要解决以上所述的问题。由此可见在各种各样的仪表图像中定位并辨认出所须要的信息的问题具有极其广阔的应用背景。

　　仪器仪表盘面图像中给目标字符的提取和辨认带来艰苦的有诸多身分，个中重要有：a）盘面上其他字符与目标字符共存给定位与字符的提取带来干扰。若何区分目标字符与干扰字符是一个必须解决的问题。

　　盘面上各类各样的点、线、图标可能造成的误辨认。

　　四周情况光线的原因使盘面上出现的亮斑、暗斑给目标字符提取和辨认带来的干扰。

　　各类可能出现的图像的几何变形等。

　　国表里的年夜量研究和实践证实，纯真的目标定位提取与辨认办法都有很多的局限性。尤其是复杂图像背景中的目标提取与辨认更须要在各类办法之间取长补短，综合优化。本文提出了一种综合应用各类图像处理和瓜分办法在复杂仪表背景中提取和辨认字符的筹划。实践证实这一筹划包管了目标字符提取与识其余鲁棒性和精确性，并且有很好的及时性。

　　2总体筹划借鉴人读取和辨认复杂图像背景中的目标字符的思维过程。起首我们的留意力会合中到须要：于旭-1963~），男，辽宁沈阳人，讲师，从事图像处理与模式辨认研究f去激0-1！

　　362辽宁年夜学学报天然科学版识其余字符地点的区域范围，我们称此为初步定位。接下来人眼对所有目标字符逐个扫描。扫描过程中，红外分光光度计由光源发出的光，被分为能量均等对称的两束，一束为样品光通过样品，另一束为参考光作为基准，肯定字符的精确地位，清除对字符的各类干扰，并最终辨认字符。本文中我们分别以字符的定位瓜分、归一化和匹配辨认来代替这一扫描过程。

　　初步定位正如人把留意力集中到目标区域。

　　经由过程初步定位可以缩小图像的处理范围。如许不仅可以进步识其余速度，更重要的是可以清除仪表盘面图像上非目标字符所带来的干扰。初步定位经由过程应用仪表盘面图像中的一些特点来完成，如目标字符平日都在某些几何框架中。

　　字符的瓜分与提取主如果要区分目标字符图块与干扰图像块。一般来说非字符图块都属于和背景有不合色彩灰度或者有不合年夜小的连通区域。目标字符提取中可以根据这些不合的图像特点对目标字符图块和非目标图块加以区分。本文中根据样本图像的特点，选择根据连通区域面积的年夜小这一特点来剖断是否字符图像块的。

　　归一化是辨认之前的须要步调。因为在不合的图样中目标字符年夜小各别，归一化就成了模版匹配识其余基本。就是在同一幅图像中，因为拉伸、倾斜等几何变形的影响，或者各个字符本身年夜小的不一致。这些都请求在辨认之前对字符图块进行归一化。

　　针对字符的特点提取和辨认算法有很多种。

　　在本文中所采取的样本图像中的目标字符字体比较规范，且须要识其余字符数量很少，所以字符的辨认算法我们采取快速简便的模板匹配法。

　　总体筹划流程3筹划实现3.1初步定位在样本图像的上方和下方都有非目标字符存除。样本图像中有助于目标字符的定位的比较明显的特点是目标字符的四周有一矩形边框的存在。尤其是目标字符的高低两边框形成了明显的两条平行直线。我们根据这一特点来完成初步定位。起首采取robert算子对图像进行边沿检测。边沿检测所得的图像由诟谇二色构成，是检测平行直线预备步调。平行直线的检测采取算法。

　　检测出两平行直线后，取两平行直线之间的图像部分作为后边运算处理的对象。

　　robert算子边沿检测成果3.2字符的瓜分与提取对初步定位后的目标字符地点部分图像进行自适应阈值处理，获得二值图像。从阈值处理的成果可以看出，字符所构成的黑色连通区域与非字符的黑色连通区域之间有比较明显的面积差别。由字符所构成的黑色连通区域的面积要明显年夜于非字符的黑色连通区域。是以我们根据连通区域的年夜小来差别是否字符。

　　在。这些非目标字符须要在初步定位阶段进行排publishingH眶阈值变更后图像

　　映射图像带干扰后果示意图弗成辨认剖断示意图。

　　垂直映射之后掏出图像中的各个字符图块，红外测油仪是一种检测仪器，目前主要用于监测水的质量和危险的垃圾点与监测油、水分离过程等多项用途，再对各个字符块进行程度偏向的映射，肯定各个于干扰黑色连通区域，缩小字符图块。

　　再次对各个字符图块进行垂直偏向的映射。

　　去除属于干扰黑色连通区域精确的获得最终目标字符图形块的地位，进而提掏出各个目标字符图块。

　　3.3归一化本文中，归一化把经由以上处理获得的字符图块缩放成与模板年夜小一致，以便进行模板匹配辨认。

　　3.4本文的样本图像中所需识其余字符只有10个字符为印刷体，我们采取快速简便的模板匹配算法进行辨认也取得了达到实用化的后果。然则对于有严重缺损的字符，应提取其他特点进行辨认。

　　模式匹配的过程中采取自适应模式匹配策略。当类似度较小时，红外光谱仪厂家是基于对干涉后的红外光进行傅里叶变换的原理而开发的红外光谱仪，做出不克不及识其余剖断。

　　3.5实验成果在作者实验室所拍摄的100幅随机图样中，DEMO法度榜样的辨认精确率达到了100%在CPU为Intel的PentiumHI-550，内存128M的PC机上运行DEMO法度榜样，每幅图像的处理和辨认时光和不跨越0.1s.在现场工程实践中这一技巧筹划也获得了较好的后果。

　　4总结本文提出了一套针对复杂仪器仪表盘面图像背景的目标字符提取和识其余技巧筹划。该筹划借鉴了拟人化识其余思路。起首缩小检测目标字符的区域范围，清除目标字符的干扰。再经由过程剖断连通区域年夜小的办法来清除非字符连通区域的干扰，同时肯定字符构成的连通区域之精确地位，最后采取经典的模式匹配办法，对目标字符图块进行归一化并辨认。经由对年夜量样本的辨认验证。这一筹划可以或许很好的解决复杂仪器仪表盘面图像背景的目标字符提取和辨认问题。并且，这一技巧筹划今朝己在相干项目中达到实用化程度。该筹划对相干范畴的模式辨认问题的解决具有必定的指导和借鉴感化。