復雜儀器儀表盤面背景中目標字符的提取與識別于旭V黃時Ilf（1.沈陽職業(yè)技術學院計算機分院；2.中國科學院沈陽自動化所，遼寧沈陽110000）綜合了多種圖像處理和分割方法，取長補短，綜合優(yōu)化，排除了復雜圖像背景中的各種干擾因素，對圖像變化有一定的自適應能力。該方案在給定的圖像樣本中取得了很好的識別效果，達到了實用化的水平。儀器儀表盤面的圖像處理與識別是非電子設備與現(xiàn)代電子設備的接合點之一，因而這一具有指導意義的技術方案有廣闊的應用背景。

　　1背景儀器儀表盤面的圖像處理與識別是非電子設備與現(xiàn)代電子設備的接合點，這一技術有著廣闊的應用背景。一方面，在某些應用場合中，由于非電子儀器儀表本身所固有的優(yōu)勢，它們仍將長期的存在而不會被電子儀器儀表所取代。而在信息技術己經(jīng)逐漸應用到各個行業(yè)和領域的今天。要使它們在一個現(xiàn)代的自動化系統(tǒng)中與其它電子設備聯(lián)合協(xié)作，發(fā)揮它們自身的作用。就需要解決它們與電子系統(tǒng)之間的通信問題。在不改動原有的非電子儀器儀表設備的情況下，通過攝像機獲取圖像后對目標進行提取和識別以獲取需要的信息，這無疑是把非電子儀器儀表嵌入到電子自動化系統(tǒng)中的*的途徑。另一方面，當前己經(jīng)安裝并正在運作許多系統(tǒng)上也安裝著幾乎無法計數(shù)的非電子儀器儀表，要對這些系統(tǒng)進行信息化、自動化改進也需要解決以上所述的問題。由此可見在各式各樣的儀表圖像中定位并識別出所需要的信息的問題具有極其廣闊的應用背景。

　　儀器儀表盤面圖像中給目標字符的提取和識別帶來困難的有諸多因素，其中主要有：a）盤面上其他字符與目標字符共存給定位與字符的提取帶來干擾。如何區(qū)分目標字符與干擾字符是一個必須解決的問題。

　　盤面上各種各樣的點、線、圖標可能造成的誤識別。

　　周圍環(huán)境光線的原因使盤面上出現(xiàn)的亮斑、暗斑給目標字符提取和識別帶來的干擾。

　　各種可能出現(xiàn)的圖像的幾何變形等。

　　國內外的大量研究和實踐證明，單純的目標定位提取與識別方法都有很多的局限性。尤其是復雜圖像背景中的目標提取與識別更需要在各種方法之間取長補短，綜合優(yōu)化。本文提出了一種綜合運用各種圖像處理和分割方法在復雜儀表背景中提取和識別字符的方案。實踐證明這一方案保證了目標字符提取與識別的魯棒性和準確性，并且有很好的實時性。

　　2總體方案借鑒人讀取和識別復雜圖像背景中的目標字符的思維過程。首先我們的注意力會集中到需要：于旭-1963~），男，遼寧沈陽人，講師，從事圖像處理與模式識別研究f去激0-1！

　　362遼寧大學學報自然科學版識別的字符所在的區(qū)域范圍，我們稱此為初步定位。接下來人眼對所有目標字符逐個掃描。掃描過程中，確定字符的位置，排除對字符的各種干擾，并zui終識別字符。本文中我們分別以字符的定位分割、歸一化和匹配識別來代替這一掃描過程。

　　初步定位正如人把注意力集中到目標區(qū)域。

　　通過初步定位可以縮小圖像的處理范圍。這樣不僅可以提高識別的速度，更重要的是可以排除儀表盤面圖像上非目標字符所帶來的干擾。初步定位通過利用儀表盤面圖像中的一些特征來完成，如目標字符通常都在某些幾何框架中。

　　字符的分割與提取主要是要區(qū)分目標字符圖塊與干擾圖像塊。一般來說非字符圖塊都屬于和背景有不同顏色灰度或者有不同大小的連通區(qū)域。目標字符提取中可以根據(jù)這些不同的圖像特征對目標字符圖塊和非目標圖塊加以區(qū)分。本文中根據(jù)樣本圖像的特點，選擇根據(jù)連通區(qū)域面積的大小這一特征來判定是否字符圖像塊的。

　　歸一化是識別之前的必要步驟。由于在不同的圖樣中目標字符大小各異，歸一化就成了模版匹配識別的基礎。就是在同一幅圖像中，由于拉伸、傾斜等幾何變形的影響，或者各個字符本身大小的不一致。這些都要求在識別之前對字符圖塊進行歸一化。

　　針對字符的特征提取和識別算法有許多種。

　　在本文中所采用的樣本圖像中的目標字符字體比較規(guī)范，且需要識別的字符數(shù)量很少，所以字符的識別算法我們采用快速簡便的模板匹配法。

　　總體方案流程3方案實現(xiàn)3.1初步定位在樣本圖像的上方和下方都有非目標字符存除。樣本圖像中有助于目標字符的定位的比較明顯的特征是目標字符的四周有一矩形邊框的存在。尤其是目標字符的上下兩邊框形成了明顯的兩條平行直線。我們根據(jù)這一特點來完成初步定位。首先采用robert算子對圖像進行邊緣檢測。邊緣檢測所得的圖像由黑白二色構成，是檢測平行直線預備步驟。平行直線的檢測采用算法。

　　檢測出兩平行直線后，取兩平行直線之間的圖像部分作為后邊運算處理的對象。

　　robert算子邊緣檢測結果3.2字符的分割與提取對初步定位后的目標字符所在部分圖像進行自適應閾值處理，得到二值圖像。從閾值處理的結果可以看出，字符所構成的黑色連通區(qū)域與非字符的黑色連通區(qū)域之間有比較顯著的面積差異。由字符所構成的黑色連通區(qū)域的面積要明顯大于非字符的黑色連通區(qū)域。因此我們根據(jù)連通區(qū)域的大小來差別是否字符。

　　在。這些非目標字符需要在初步定位階段進行排publishingH眶閾值變化后圖像http://www。。ｃｎki。。ｎｅｔ垂直映射效果圖首先我們對閾值化后的圖像進行垂直方向映射，以確定字符所構成的黑色連通區(qū)域的水平方向的位置。經(jīng)過垂直映射之后，面積大的黑色連通區(qū)域仍然會在映射圖像中形成大的黑色連通區(qū)域。由此可以通過映射圖像中各個黑色連通區(qū)域的大小來判定它是否由字符連通區(qū)域所映射而成。從而進一步確定字符連通區(qū)域在水平方向的位置。但是，在垂直映射過程中個別字符連通區(qū)域的映射會與非字符黑色連通區(qū)域的映射重疊或連接在一起，這樣就無法準確判定字符連通區(qū)域的水平位置。我們采用多次映射排除干擾的方法解決這一問題。

　　映射圖像帶干擾效果示意圖不可識別判定示意圖。

　　垂直映射之后取出圖像中的各個字符圖塊，再對各個字符塊進行水平方向的映射，確定各個于干擾黑色連通區(qū)域，縮小字符圖塊。

　　再次對各個字符圖塊進行垂直方向的映射。

　　去除屬于干擾黑色連通區(qū)域準確的得到zui終目標字符圖形塊的位置，進而提取出各個目標字符圖塊。

　　3.3歸一化本文中，歸一化把經(jīng)過以上處理得到的字符圖塊縮放成與模板大小一致，以便進行模板匹配識別。

　　3.4本文的樣本圖像中所需識別的字符只有10個字符為印刷體，我們采用快速簡便的模板匹配算法進行識別也取得了達到實用化的效果。但是對于有嚴重缺損的字符，應提取其他特征進行識別。

　　模式匹配的過程中采用自適應模式匹配策略。當相似度較小時，做出不能識別的判定。

　　3.5試驗結果在作者試驗室所拍攝的100幅隨機圖樣中，DEMO程序的識別正確率達到了100%在CPU為In的PentiumHI-550，內存128M的PC機上運行DEMO程序，每幅圖像的處理和識別時間和不超過0.1s.在現(xiàn)場工程實踐中這一技術方案也獲得了較好的效果。

　　4總結本文提出了一套針對復雜儀器儀表盤面圖像背景的目標字符提取和識別的技術方案。該方案借鑒了擬人化識別的思路。首先縮小檢測目標字符的區(qū)域范圍，排除目標字符的干擾。再通過判定連通區(qū)域大小的方法來排除非字符連通區(qū)域的干擾，同時確定字符構成的連通區(qū)域之準確位置，zui后采用經(jīng)典的模式匹配方法，對目標字符圖塊進行歸一化并識別。經(jīng)過對大量樣本的識別驗證。這一方案能夠很好的解決復雜儀器儀表盤面圖像背景的目標字符提取和識別問題。并且，這一技術方案目前己在相關項目中達到實用化水平。該方案對相關領域的模式識別問題的解決具有一定的指導和借鑒作用。北京富瑞恒創(chuàng)科技有限公司。