張靖婭，劉 昶，劉麗萍

(沈陽(yáng)理工大學(xué) 信息科學(xué)與工程學(xué)院，遼寧 沈陽(yáng) 110159)

光學(xué)字符識(shí)別(Optical Character Recognition，OCR)是模式識(shí)別和人工智能領(lǐng)域的一個(gè)重要研究方向，是模式識(shí)別、圖像處理與文字處理技術(shù)相結(jié)合的一種技術(shù)。光學(xué)字符識(shí)別技術(shù)已經(jīng)被應(yīng)用在產(chǎn)品檢測(cè)中，文獻(xiàn)［1］采用特征加權(quán)模板匹配與結(jié)構(gòu)特征相結(jié)合的多級(jí)識(shí)別算法對(duì)鋼坯字符圖像進(jìn)行了識(shí)別;文獻(xiàn)［2］將細(xì)化后的鋼坯字符進(jìn)行投影變換，然后根據(jù)投影變換結(jié)果，將字符轉(zhuǎn)換為電子顯示的標(biāo)準(zhǔn)字符，針對(duì)電子字符編碼來(lái)實(shí)現(xiàn)鋼坯字符識(shí)別;文獻(xiàn)［3］采用Mean shift對(duì)復(fù)雜場(chǎng)景圖像進(jìn)行抑制，采用多級(jí)分割濾波與聚類處理突出并找出字符串目標(biāo)興趣區(qū)域，通過(guò)最小二乘法自適應(yīng)修整傾斜角度，進(jìn)而完成了鋼坯字符串目標(biāo)精準(zhǔn)定位;文獻(xiàn)［4］采用提取字符特征向量并設(shè)定不同加權(quán)因子的特征模板匹配方法對(duì)寬、厚板噴碼進(jìn)行了字符識(shí)別。

本文對(duì)傳統(tǒng)的模板匹配方法進(jìn)行改進(jìn)，提出了一種有針對(duì)性的鋼板噴印字符識(shí)別方法，采用高斯濾波和中值濾波去除鋼板噴印字符圖像中的噪聲，采用頂帽變換去除鋼板噴印字符圖像中亮度不均的背景;采用OTSU最大類間方差法進(jìn)行圖像二值化;采用投影法結(jié)合鋼板噴印字符圖像的寬、高等先驗(yàn)信息進(jìn)行鋼板噴印字符分割;采用本文提出的特征加權(quán)模板匹配算法進(jìn)行字符識(shí)別。特征加權(quán)模板匹配方法首先提取字符筆畫(huà)特征，然后給字符筆畫(huà)分配不同的權(quán)重，位于字符筆畫(huà)中心的像素權(quán)重最高，而位于字符筆畫(huà)邊緣的像素權(quán)重最低。最后采用本文提出的特征加權(quán)模板匹配識(shí)別鋼板噴印字符，通過(guò)實(shí)驗(yàn)證明此方法提高了識(shí)別鋼板噴印字符的正確率。

1 鋼板噴印字符識(shí)別方法

1.1 鋼板噴印字符圖像的預(yù)處理

圖1為鋼板噴印字符圖像，其中左上角存在明顯的光斑，字符區(qū)域存在亮度不均的問(wèn)題。由于工業(yè)現(xiàn)場(chǎng)中噪聲大、光照不均，導(dǎo)致采集的鋼板噴印字符圖像噪聲大、亮度不均;又由于鋼板表面光滑、易生銹、字符噴印不均和字符拖尾等情況時(shí)有發(fā)生，這些給鋼板噴印字符的識(shí)別工作帶來(lái)了困難。因此，在對(duì)鋼板噴印字符圖像識(shí)別之前，需通過(guò)圖像預(yù)處理去掉鋼板字符圖像中的噪聲、消除亮度不均的圖像背景。

本文圖像預(yù)處理首先利用高斯濾波和中值濾波對(duì)鋼板噴印字符圖像進(jìn)行去噪;然后采用頂帽變換［5］對(duì)不均勻亮度背景的灰度圖像進(jìn)行處理，達(dá)到消除亮度不均的圖像背景的目的。設(shè)f(x，y)為濾波后的鋼板噴印字符圖像，用線性結(jié)構(gòu)元素b對(duì)鋼板噴印字符圖像f進(jìn)行灰度腐蝕記為fΘb;用結(jié)構(gòu)元素b對(duì)鋼板噴印字符圖像進(jìn)行膨脹記為f⊕b;用結(jié)構(gòu)元素b對(duì)鋼板噴印字符圖像f的開(kāi)運(yùn)算記為 f·b，定義 f·b=(fΘb)⊕b為;從濾波后的鋼板噴印字符圖像減去開(kāi)運(yùn)算后的鋼板噴印字符圖像的過(guò)程，稱為對(duì)鋼板噴印字符圖像進(jìn)行的頂帽變換。針對(duì)亮度和噴印不均的鋼板噴印字符圖像(如圖1所示)，經(jīng)過(guò)濾波和頂帽變換處理得到字符圖像如圖2所示。可以看出鋼板噴印字符圖像的光斑被去除了，字符圖像亮度不均的背景也被去除了。

1.2 鋼板噴印字符圖像二值化

經(jīng)過(guò)圖像預(yù)處理，鋼板噴印字符圖像的噪聲和亮度不均的背景被去除了。本文利用OTSU最大類間方差法［6］對(duì)鋼板噴印字符圖像(如圖2所示)進(jìn)行二值化。假定二值化閾值為k，采用OTSU方法計(jì)算閾值k。

式中:n是鋼板噴印字符圖像的像素總數(shù);nq是灰度級(jí)為rq所對(duì)應(yīng)的像素?cái)?shù)目;L是鋼板噴印字符圖像所有可能的灰度級(jí)數(shù)。C0是一組灰度級(jí)為［0，1，…，k－1］的像素集，C1是一組灰度級(jí)為［k，k+1，…，L－1］的像素集。OTSU最大類間方差法是計(jì)算當(dāng)最大類間方差取最大值時(shí)的閾值k，最大類間方差定義為式(2)。在式(3)和式(4)的約束下，求取最大值時(shí)所對(duì)應(yīng)的k，此時(shí)k即為鋼板噴印字符圖像的分割閾值。

式中:ω0為鋼板噴印字符圖像背景所占比例;ω1為鋼板噴印字符圖像前景所占比例;μ0為鋼板噴印字符圖像背景像素的平均灰度值;μ1為鋼板噴印字符圖像前景像素的平均灰度值;μT為鋼板噴印字符圖像總體的平均灰度值。采用OTSU最大類間方差法對(duì)經(jīng)過(guò)圖像預(yù)處理的鋼板噴印字符圖像進(jìn)行二值化的結(jié)果如圖3所示，可以看出該方法能夠?qū)摪鍑娪∽址麖匿摪鍑娪∽址麍D像背景中有效分離出來(lái)。

圖3 鋼板噴印字符二值圖像

圖4 鋼板噴印字符二值圖像的水平投影圖

1.3 鋼板噴印字符的行定位與行分割

鋼板噴印字符圖像的行定位是確定鋼板噴印字符圖像區(qū)域水平方向的具體位置，并將包含鋼板噴印字符的子圖像從整個(gè)鋼板字符圖像中提取出來(lái)的圖像處理過(guò)程。由于鋼板噴印字符具有實(shí)際意義，第2行鋼板的爐號(hào)和板號(hào)、第3行鋼板的厚度、寬度、長(zhǎng)度信息尤為重要，因此本文重點(diǎn)識(shí)別第2行和第3行的前14位字符。鋼板噴印字符行定位與行分割過(guò)程如下:

(1)對(duì)經(jīng)過(guò)二值鋼板噴印字符圖像(如圖3所示)做水平投影Hp(y)，投影圖如圖4所示。設(shè)定水平閾值為KHp，圖4中KHp=0，當(dāng)水平投影值小于KHp時(shí)設(shè)定投影值為0，目的是消除字符區(qū)域以外的圖像噪聲，從而更準(zhǔn)確地定位字符區(qū)域;

(2)從鋼板字符圖像第一行起對(duì)水平投影Hp(y)按從上到下的順序進(jìn)行遍歷，當(dāng)Hp(y)≠0時(shí)，標(biāo)記此行為定位上邊界top;

(3)從鋼板字符圖像最后一行起對(duì)水平投影Hp(y)按從下到上的順序進(jìn)行遍歷，當(dāng)Hp(y)≠0時(shí)，標(biāo)記此行為定位下邊界bottom;

經(jīng)過(guò)(1)～(3)從水平方向定位鋼板噴印字符圖像區(qū)域如圖5所示。從圖5可以得出，通過(guò)采用投影法并結(jié)合設(shè)定閾值，本文可以從水平方向定位鋼板噴印字符區(qū)域。

(4)對(duì)鋼板噴印字符圖像行定位后，進(jìn)行鋼板噴印字符的行分割。鋼板噴印字符行分割的過(guò)程是從按水平方向定位的鋼板噴印字符圖像中將鋼板噴印字符按行分割出來(lái)。由于鋼板噴印字符按水平方向排列，因此，將鋼板噴印字符圖像按水平方向平均分為四份，即可實(shí)現(xiàn)鋼板噴印字符的行分割，得到四行鋼板字符圖像。提取出第3行鋼板噴印字符圖像如圖6所示。本文經(jīng)過(guò)(1)～(4)步完成了鋼板噴印字符圖像的行定位與行分割。

1.4 鋼板噴印字符的列定位與列分割

鋼板字符列定位是從行分割后的鋼板噴印字符圖像中分割出獨(dú)立的鋼板噴印字符圖像的過(guò)程。本文采用投影法及鋼板噴印字符的寬、高等先驗(yàn)信息進(jìn)行鋼板噴印字符的列分割。以第3行鋼板噴印字符圖像的分割為例，具體介紹鋼板噴印字符圖像列定位與列分割過(guò)程。字符列定位與列分割過(guò)程如下:

(1)首先做第三行鋼板噴印字符圖像的垂直投影Vp(x)(如圖7所示)。設(shè)垂直閾值為kVp，圖7中kVp=0，當(dāng)垂直投影值小于kVp時(shí)設(shè)定投影值為0，目的是消除字符區(qū)域以外的圖像噪聲，從而更準(zhǔn)確地定位鋼板噴印字符區(qū)域;

圖7 第二行鋼板噴印字符圖像垂直投影圖

圖8 列定位后的第三行字符圖像

(2)從第三行鋼板字符圖像的第一列起對(duì)垂直投影Vp(x)按從左到右的順序進(jìn)行遍歷，當(dāng)Vp(x)≠0時(shí)，標(biāo)記此列為定位左邊界left;

(3)從第三行鋼板字符圖像的最后一列起對(duì)垂直投影Vp(x)按從右到左的順序進(jìn)行遍歷，當(dāng)Vp(x)≠0時(shí)，標(biāo)記此列為定位右邊界right;

經(jīng)過(guò)(1)～(3)步從垂直方向定位鋼板字符圖像區(qū)域如圖8所示。從圖8可以看出本文采用投影法并設(shè)定閾值，能夠從垂直方向上準(zhǔn)確定位鋼板噴印字符圖像。

(4)將鋼板噴印字符圖像列定位后，進(jìn)行鋼板噴印字符圖像的列分割。將投影值為0的位置作為分割點(diǎn)，分割出獨(dú)立的鋼板噴印字符圖像，同時(shí)將字符切割為最小范圍字符圖像(如圖9所示);

(5)利用鋼板噴印字符圖像寬度和高度等先驗(yàn)信息，對(duì)切割好的鋼板噴印字符圖像進(jìn)行判斷。若切割字符圖像的寬度與高度之比小于0.75，則認(rèn)為鋼板字符圖像被切割正確。否則需要調(diào)整切割位置，將切割的字符圖像進(jìn)行合并再次切割，直到字符圖像最終被切割準(zhǔn)確為止。本文采用基于邊框的位置歸一化方法將鋼板噴印字符圖像歸一化，經(jīng)過(guò)歸一化處理后的鋼板噴印字符圖像如圖10所示。

1.5 字符識(shí)別

針對(duì)鋼板噴印字符的識(shí)別問(wèn)題，本文提出了一種基于特征加權(quán)模板匹配的方法進(jìn)行鋼板噴印字符識(shí)別。具體思路為提取鋼板噴印字符的筆畫(huà)特征，給鋼板噴印字符筆畫(huà)分配不同的權(quán)重，位于字符筆畫(huà)中心的像素權(quán)重最高，位于字符筆畫(huà)邊緣的像素權(quán)重最低。鋼板噴印字符圖像任意一點(diǎn)像素的權(quán)重根據(jù)其周圍八個(gè)點(diǎn)的像素確定，任意一點(diǎn)像素的權(quán)重為W(i，j)

本文將首先對(duì)待識(shí)別的鋼板噴印字符圖像利用式(5)進(jìn)行特征加權(quán)處理，模板字符圖像也利用式(5)進(jìn)行特征加權(quán)處理;然后將特征加權(quán)處理后的鋼板噴印單字符圖像與特征加權(quán)處理后的模板字符圖像進(jìn)行模板匹配［7］相關(guān)度計(jì)算，將相關(guān)度最大值所對(duì)應(yīng)的模板字符圖像作為待識(shí)別的鋼板噴印字符圖像的識(shí)別結(jié)果。相關(guān)度計(jì)算公式如式(6)所示。

式中:I為特征加權(quán)后的鋼板噴印字符圖像;M為特征加權(quán)后的模板字符圖像;H為鋼板噴印字符的高度;W為鋼板噴印字符的寬度。

2 實(shí)驗(yàn)結(jié)果

本文采用提出的鋼板字符圖像定位方法與分割方法，對(duì)工業(yè)現(xiàn)場(chǎng)采集的210幅鋼板噴印字符圖像進(jìn)行了定位與分割。共獲得5690個(gè)獨(dú)立的鋼板噴印字符圖像，其中包括數(shù)字字符圖像0～9，英文字符圖像“A”、“B”、“K”、“L”、“X”和“Z”，共16種字符圖像。字符識(shí)別方法采用本文提出的特征加權(quán)模板匹配方法實(shí)現(xiàn)。為了證明本文字符識(shí)別方法的有效性，將本文字符識(shí)別方法與模板匹配方法［7］和基于特征加權(quán)模糊模板匹配的字符識(shí)別方法［8］進(jìn)行比較。采用本文的字符識(shí)別方法、模板匹配方法和基于特征加權(quán)模糊模板匹配的字符識(shí)別方法對(duì)分割獲得的5690個(gè)獨(dú)立的鋼板噴印字符進(jìn)行識(shí)別，對(duì)比實(shí)驗(yàn)結(jié)果如表1所示。

表1 對(duì)比實(shí)驗(yàn)結(jié)果 %

由表1可以看出，采用本文提出的特征加權(quán)模板匹配識(shí)別方法對(duì)鋼板噴印字符進(jìn)行識(shí)別的正確率可達(dá)98%，而基于特征加模糊模板匹配方法和模板匹配方法的識(shí)別率分別是97.17%、97.10%。證明了本文提出的基于特征加權(quán)模板匹配的字符識(shí)別算法對(duì)鋼板噴印字符識(shí)別的正確率較高。

3 結(jié)束語(yǔ)

針對(duì)亮度和噴印不均的鋼板噴印字符的識(shí)別問(wèn)題，提出了一種有針對(duì)性的識(shí)別方法。采用高斯濾波和中值濾波去除了鋼板噴印字符圖像的噪聲;采用頂帽變換方法消除了鋼板噴印字符圖像亮度不均的背景;采用OSTU最大類間方差法進(jìn)行了圖像二值化，有效地將鋼板噴印字符區(qū)域從鋼板噴印字符圖像背景區(qū)域中分離出來(lái);采用投影法并結(jié)合鋼板噴印字符的寬、高等先驗(yàn)信息實(shí)現(xiàn)了鋼板噴印字符圖像的分割;采用本文提出的特征加權(quán)模板匹配算法完成了鋼板噴印字符圖像的識(shí)別。通過(guò)特征加權(quán)模板匹配實(shí)驗(yàn)，識(shí)別字符的正確率達(dá)98.00%，此結(jié)果證明了本文方法的有效性，本文方法也可以應(yīng)用到其他類似的字符識(shí)別問(wèn)題中。

［1］楊義軍，洪漢玉，章秀華，等.重軌生產(chǎn)線鋼坯字符識(shí)別方法［J］.武漢工程大學(xué)學(xué)報(bào)，2012，34(5):64 －67.

［2］洪漢玉，朱浩，魏和洪，等.基于字符結(jié)構(gòu)特征的鋼坯字符電子顯示識(shí)別［J］.武漢理工大學(xué)學(xué)報(bào)，2013，35(2):176－179.

［3］俞枯俊，洪漢玉，章秀華，等.生產(chǎn)線復(fù)雜場(chǎng)景鋼坯檢測(cè)識(shí)別的定位方法研究［J］.光電工程，2012，39(1):54－61.

［4］李潘，誤少波，王麗娜，等.基于機(jī)器視覺(jué)的寬厚板噴碼自動(dòng)識(shí)別系統(tǒng)［J］.冶金自動(dòng)化，2013，37(4):12 －15.

［5］陳簫楓，潘保昌，鄭勝林，等.用頂帽變換估計(jì)并消除圖像背景［J］.計(jì)算機(jī)學(xué)報(bào)，2007，30(6):979 －985.

［6］何友金，毛劍英，譚偉.海面島礁背景下艦船紅外自動(dòng)識(shí)別技術(shù)研究［J］.光電技術(shù)應(yīng)用，2010，25(4):31 －34.

［7］梁琎，包志強(qiáng).人民幣冠字號(hào)碼的提取與識(shí)別［J］.現(xiàn)代電子技術(shù)，2013，36(11):70 －73.

［8］朱顥東，李紅嬋.基于特征加權(quán)模糊模板匹配的字符識(shí)別［J］.蘭州理工大學(xué)學(xué)報(bào)，2013，39(2):68 －71.