论文部分内容阅读
水表智能识别系统是计算机视觉在日常生活中的一个重要应用,而图像处理和字符识别技术是其中两个关键技术。在此论文中,我们根据真彩水表图像自身的特点,构建一个水表字符自动识别系统。该系统包括图像预处理、特征提取和分类器三个部分。图像预处理部分主要基于图像的HSV色彩空间。对于采集到的彩色水表表盘图像,分析图像自身特点,分别提取其V、S和H分量有用信息,并结合相关算法,对其进行了有效的预处理。将图像格式从RBG空间装换到HSV空间后:对于V分量,我们利用其对图像进行灰度化,用Canny算子检测图像边缘,并对所得边缘图像使用Hough变换来检测水表字符边框以获得倾角,然后根据旋转算法进行倾斜校正,读数区域的水平定位也由Hough变换检测出的平行直线所确定;对于S和H分量信息,在图像二值化中得到充分利用:我们提出彩色水表图像基于S分量阈值法与H分量阈值法融合的二值化方法和基于色彩聚类与H分量阈值法融合的图像二值化方法,并通过实验证明了这两种方法在彩色水表图像二值化中的有效性;并探讨了两种方法的优缺点,最终选取了基于色彩聚类与H分量阈值法融合的图像二值化方法。字符分割步骤,考虑到字符粘连情况的存在,采用双次分割办法:首先进行基于直方图的阈值分割,然后进行基于字符轮廓的字符粘连分割。最后对所得图像进行归一化处理。实验证明,对于我们采集到的水表图像,此种基于HSV空间图像预处理方法比之RGB空间有显著的优势。在字符特征提取阶段,讨论了字符的轮廓特征和统计特征提取的优缺点,并最终采用统计网格特征:即将每幅数字图像平均分割为9个面,统计每个面中数字点所占个数,然后与面积取商。字符识别器采用现在通用的BP网络:根据本系统图像特点,构建一个三层BP网络来识别数字;中间层神经元的个数由matlab模拟BP网络误差逼进结果来确定。使用采集的水表图像对所设计识别系统进行试验,对所得结果进行分析,对系统存在问题进行改进,最终获得具有较好的鲁棒性识别系统。