（检测技术与自动化装置专业论文）仪表管理信息自动采集技术研究.pdf

l ad i s 摘要 摘要 全球机器视觉市场总量在6 0 - 7 0 亿美元之间，并且以每年8 8 的速度迅速增长， 而在我国，视觉产业还处于起步阶段，在工业测量和控制领域中，各式仪表被广泛 应用，它们已成为测量外部电量或非电量信号的重要的指示工具，采用机器视觉的 方法采集识别这些仪表的管理信息并进行管理具有现实意义。目前对仪表示值的研 究比较多，而对于面板信息中的厂名，准确度，单位等仪表面板信息的识别研究涉 及的比较少。而这些信息对仪表管理信息识别系统来说是至关重要的组成部分，同 时从仪表的分类管理角度上来看，也有必要对仪表管理信息进行采集。 本文主要针对电工类仪表面板上的厂名，单位、准确度等级、手写编号等字符 识别进行了研究。主要创新点和完成的工作具体有： 1 、通过数学形态学的方法对仪表面板二值图进行处理，结合仪表面板的特征， 去除表框等干扰信息，定位分割出厂名，单位、准确度等级、手写编号等字符串。 2 、对电工类仪表厂名符号进行归类总结，提出了一种空心字符转换为实心字符 的算法，实现所有字符基于实心状态下实现了对于仪表厂名的识别。 3 、本文提出了一个了基于模式匹配算法的校对o c r 输出的中文文本的方法。 4 、对仪表面板上的手写编号识别进行了初步的研究，对于比较规范的手写编号， 通过查找连通域分割出单个数字字符，同时结合投影法以及笔段组合法切割粘连字 符。最后通过本文采用比较成熟的b p 神经网络对手写字体进行识别，识别出编号。 5 、建立数据库管理系统，实现仪表管理信息的数据库管理，便于仪表检定。 本系统用v c 编程，实现仪表管理信息自动采集技术，具有一定实用价值。 关键词：机器视觉；字符识别；手写体数字字符；空心汉字字符；数据库管理 广东工业大学硕士学位论文 a b s t r a c t 1 h et o t a lq u a n t i t yo ft h eg l o b a lm a c h i n ev i s i o nm a r k e t ，b e t w e e n6 0 - 7 0b i l l i o nu s d o l l a r s ，a n d8 8 a n n u a lr a t eo fr a p i dg r o w t h ，w h i l ei nc h i n a ，t h ev i s u a li n d u s t r ys t i l li n i t si n f a n c y , i nt h ei n d u s t r i a lm e a s u r e m e n ta n dc o n t r o la r e a s ，a l lk i n d so fi n s t r u m e n t sa r e w i d e l yu s e dt h e yh a v eb e c o m et h em e a s u r e m e n to ft h ee x t e m a lb a t t e r yo rp o w e rs i g n a l s a ni m p o r t a n tt o o l f o ri n s t r u c t i o n c o l l e c t e du s i n gm a c h i n ev i s i o nm e t h o d st oi d e n t i f y t h e s ei n s t r u m e n t st om a n a g et h em a n a g e m e n to fi n f o r m a t i o na n dp r a c t i c a ls i g n i f i c a n c e s h es a i dt h a tr e c o g n i t i o nf o rt h ev a l u eo ft h ec u r r e n ts t u d ya r em o r ep a n e li n f o r m a t i o n a n df o rt h em a k e ，a c c u r a c y , u n i t s ，f a c t o r yc a l i b r a t i o ni n f o r m a t i o na n di n s t r u m e n t n u m b e r sa n do t h e ri d e n t i f y i n gi n f o r m a t i o no ni n s t r u m e n tp a n e ls t u d yi n v o l v e dv e r yl i t t l e ， a n ds u c hi n f o r m a t i o ni se s s e n t i a lf o ri n f o r m a t i o ni d e n t i f i c a t i o ns y s t e mf o rt h ei n s t r u m e n t p a n e li sc r i t i c a lc o m p o n e n to fc a t e g o r ym a n a g e m e n tf r o mb o t hi n s t r u m e n t a t i o np o i n to f v i e w , i ti sn e c e s s a r yt om a n a g et h ed a t ai sc o l l e c t e do nt h ei n s t r u m e n t 。 i nt h i sp a p e r , i n s t r u m e n tp a n e lf o rt h ee l e c t r i c a lc a t e g o r yt h em a k e ，u n i t s ，a c c u r a c y g r a d e ，h a n d w r i t t e nc h a r a c t e rr e c o g n i t i o nn u m b e r s ，e t c w e r es t u d i e d t h ep r i n c i p a l i n n o v a t i o na n dt h ec o m p l e t i o no fs p e c i f i cw o r ka r e ： 1 、t h r o u g ht h em a t h e m a t i c a lm o r p h o l o g ya p p r o a c ht ot h ei n s t r u m e n tp a n e lb i n a r y i m a g ep r o c e s s i n g ，c o m b i n e dw i t ht h ec h a r a c t e r i s t i c so fi n s t r u m e n tp a n e l s ，r e m o v i n gt h e t a b l ef r a m ea n do t h e ri n t e r f e r e n c ei n f o r m a t i o n ，p o s i t i o n i n gs e g m e n t a t i o nf a c t o r yn a m e ， u n i t s ，a c c u r a c yg r a d e ，h a n d w r i t t e nn u m b e r sa n do t h e rs t r i n g s 。 2 、p a i r so f e l e c t r i c a li n s t r u m e n tf a c t o r yc l a s sn a m eo fs y m b o l sc l a s s i f i e ds u m m a r y p r e s e n t sah o l l o wc h a r a c t e ri sc o n v e r t e dt os o l i dc h a r a c t e ra l g o r i t h m s ，t h er e a l i z a t i o no f a l lc h a r a c t e r sb a s e do ns o l i d - s t a t ea c h i e v e dt h en a m er e c o g n i t i o nf o rt h ei n s t r u m e n t f a c t o r y 。 3 、t h i sp a p e rp r e s e n t sap a t t e r n m a t c h i n ga l g o r i t h mb a s e do nt h eo u t p u to ft h e c h i n e s et e x tp r o o f r e a d i n go c rm e t h o d 。 4 、o nt h ei n s t r u m e n tp a n e lo ft h eh a n d w r i t t e nn u m b e rr e c o g n i t i o nc o n d u c t e da a b s t r a c t p r e l i m i n a r ys t u d y , f o raf a i r l ys t a n d a r dh a n d w r i t t e nn u m b e r , b yl o o k i n go u to fas i n g l e c o n n e c t e dd o m a i ns e p a r a t en u m e r i cc h a r a c t e r s ，c o m b i n e dw i t l lp r o je c t i o n ，a sw e l la s s t r o k e sc o m b i n e dm e t h o df o rc u t t i n ga d h e s i v ec h a r a c t e r s t h ef i n a la d o p t i o no ft h i sp a p e r , m o r em a t u r eh a n d w r i t i n gb pn e u r a ln e t w o r kt oi d e n t i f y , r e c o g n i z en u m b e r s 。 5 、t h ee s t a b l i s h m e n to fad a t a b a s em a n a g e m e n ts y s t e mt oa c h i e v ei n s t r u m e n t m a n a g e m e n ti n f o r m a t i o nd a t a b a s em a n a g e m e n t ，e a s eo fi n s t r u m e n tv e r i f i c a t i o n 。 t h ev cs y s t e m sp r o g r a m m i n g ，a u t o m a t i cm e t e rm a n a g e m e n ti n f o r m a t i o nc o l l e c t i o n t e c h n o l o g y , h a ss o m ep r a c t i c a lv a l u e 。 k e yw o r d s ：m a c h i n ev i s i o n ；i n s t r u m e n tp a n e l ；c h a r a c t e rr e c o g n i t i o n ；h a n d w r i t t e n n u m e r i cc h a r a c t e r s ；h o l l o wc h a r a c t e r 广东工业大学硕士学位论文 目录 摘要i a b s t r a c t i l 目勇乏i v c o n t e n t s v i 第一章绪论1 1 1 课题研究的背景和现实意义1 1 1 1 本课题的研究背景1 1 1 2 本课题的研究意义2 1 2 国内外发展现状3 1 2 1 机器视觉系统3 1 2 2 字符分割与识别4 1 3 本课题的主要研究内容6 1 4 本文的组织结构7 第二章仪表面板信息图像定位与分割8 2 1 仪表管理信息的定位8 2 1 1 图像二值化8 2 1 2 获取表盘刻度区域和其它管理信息区域的图像1 0 2 1 3 仪表面板管理信息定位1 1 2 1 4 仪表厂名的定位1 3 2 1 5 各连通域管理信息分类1 3 2 2 仪表管理信息的分割提取1 3 2 2 1 仪表准确度等级定位和分割1 4 2 2 2 其他管理信息的分割1 5 2 3 本章小结1 9 第三章仪表面板管理信息识别技术2 0 3 1 各种电工仪表介绍2 0 i v 目录 3 2 仪表面板管理信息归纳总结j 2 4 3 3 仪表厂名字符识别技术2 5 3 3 1 仪表厂名字符识别技术2 6 3 3 2 汉字字符字体图片倾斜校正2 8 3 3 3o c r 输出的中文文本校对3 1 3 3 4 空心汉字字符识别3 4 3 4 仪表准确度等级的识别3 6 3 4 1 准确度等级字符识别方法3 6 3 4 2 字符归一化处理3 7 3 4 3 字符细化处理3 8 3 4 4 识别结果及分析3 9 3 5 本章小结4 0 第四章仪表手写编号字符识别4 1 4 1 手写数字字符识别方法概述4 1 4 2 手写编号的定位4 5 4 3 手写编号分割为单个字符4 6 4 4 手写编号字符识别5 0 4 5 本章小结5 0 第五章仪表管理信息的数据库管理5 1 5 1 仪表信息的数据库存储5 1 5 1 1 数据库基础概述5 1 5 1 2 数据库设计5 2 5 2 仪表数据库管理系统在仪表检定系统中的应用5 4 5 3 本章小结。5 7 论文结论5 8 参考文献5 9 攻读学位期间发表的论文与获奖情况6 4 独创性声明6 5 致谢6 6 v 广东工业大学硕士学位论文 c o n t e n t s a b s t r a c t ( c h i n e s e ) i a b s t r a c t ( e n g l i s h ) i i c o n t e n t s ( c h i n e s e ) i v c o n t e n t s i e n g s h ) v i c h a p t e rli n t r o d u c t i o n 1 1 1t h eb a c k g r o u n da n dr e a l i s mm e a n i n go f t h ep r o b l e mr e s e a r c h 1 1 1 1r e s e a r c hb a c k g r o u n do ft h i st o p i c 1 1 1 2s i g n i f i c a n c eo ft h er e s e a r c hp r o j e c t s 2 1 2t h ed e v e l o p m e n to ft h es t a t u sq u oa th o m ea n da b r o a d 3 1 2 1t h es y s t e mo ft h em a c h i n ev i s i o n 3 1 2 2c h a r a c t e rd i v i s i o na n dr e c o g n i t i o n 4 1 3t h em a i nr e s e a r c hc o n t e n t 6 1 4t h es t r u c t u r eo ft h i st h e s i s 7 c h a p t e r2i n s t r u m e n tp a n e lp o s i t i o n i n ga n ds e g m e n t a t i o ni m a g ei n f o r m a t i o n 8 2 1i n s t r u m e n tp o s i t i o no fm a n a g e m e n ti n f o r m a t i o n 8 2 1 1i m a g eb i n a r i z a t i o n 8 2 1 2 d i a ls c a l ef o rr e g i o n a la n do t h e rm a n a g e m e n ti n f o r m a t i o no fi m a g er e g i o n l o 2 1 3 p o s i t i o ni n s t r u m e n tp a n e lm a n a g e m e n ti n f o r m a t i o n 1 1 2 1 4i n s t r u m e n tf a c t o r yn a m eo fl o c a t i o n 1 3 2 1 5t h ec o n n e c t e dc o m p o n e n t so fm a n a g e m e n ti n f o r m a t i o nc l a s s i f i c a t i o n 1 3 2 2i n s t r u m e n tm a n a g e m e n ti n f o r m a t i o ne x t r a c t e di n 1 3 2 2 1m e t e ra c c u r a c yl e v e lp o s i t i o n i n ga n ds e g m e n t a t i o n 1 4 p a r t i t i o n i n g 1 5 1 9 c o n t e n t s c h a p t e r3i n s t r u m e n tp a n e lm a n a g e m e n ti n f o r m a t i o nr e c o g n i t i o nt e c h n o l o g y 2 0 3 1i n t r o d u c t i o no fv a r i o u se l e c t r i c a ld e v i c e s 2 0 3 2i n s t r u m e n tp a n e lm a n a g e m e n ti n f o r m a t i o ns u m m a r i z e d 2 4 3 3i n s t r u m e n tf a c t o r yn a m ec h a r a c t e rr e c o g n i t i o n 2 5 3 3 1i n s t r u m e n tf a c t o r yn a m ec h a r a c t e rr e c o g n i t i o n 2 6 3 3 2c h i n e s ec h a r a c t e rf o n ti m a g et i l tc o r r e c t i o n 2 8 3 3 3o c ro u t p u to fc h i n e s et e x tp r o o f r e a d i n g 3 1 3 3 4h o l l o wc h i n e s ec h a r a c t e rr e c o g n i t i o n 3 4 3 4m e t e ra c c u r a c yl e v e lo fr e c o g n i t i o n 3 6 3 4 1c h a r a c t e rr e c o g n i t i o na c c u r a c yc l a s s e s 3 6 3 4 2c h a r a c t e rn o r m a l i z a t i o n 3 7 3 4 3c h a r a c t e rt h i n n i n g 3 8 3 4 4r e c o g n i t i o nr e s u l t sa n da n a l y s i s 3 9 3 5s u m m a r y 4 0 c h a p t e r4 i n s t r u m e n tn o h a n d w r i t t e nc h a r a c t e rr e c o g n i t i o n 4 1 4 1h a n d w r i t t e nc h a r a c t e rr e c o g n i t i o nm e t h o do n 4 1 4 2h a n d w r i t t e nn u m b e ro fp o s i t i o n i n g 4 5 4 3n os p l i tf o ras i n g l ec h a r a c t e rh a n d w r i t i n g 4 6 4 4h a n d w r i t t e nc h a r a c t e rr e c o g n i t i o nn u m b e r 5 0 4 5s umm a r y 5 0 c h a p t e r5 i n s t r u m e n tm a n a g e m e n ti n f o r m a t i o nd a t a b a s em a n a g e m e n t 5 1 5 1m e t e ri n f o r m a t i o nd a t a b a s es t o r a g e 5 l 5 1 1b a s i co v e r v i e wo ft h ed a t a b a s e 5 1 5 1 2d a t a b a s ed e s i g n 5 2 5 2d a t a b a s em a n a g e m e n ts y s t e mi n s t r u m e n t i n s t r u m e n tv e r i f i c a t i o ns y s t e m 5 4 5 3s u m m a r y 5 7 t h e s i sc o n c l u s i o n 5 8 r e f e r e n c e s 5 9 p u b l i s ha n da w a r dl i s t s 6 4 a n n o u n c e m e n to fo r i g i n a lc r e a t i o n 6 5 v 广东工业大学硕士学位论文 a c k n o w l e d g e m e n t 6 6 v l 第一章绪论 第一章绪论 1 1 课题研究的背景和现实意义 1 1 1 本课题的研究背景 计算机视觉技术是当今测量领域发展的一个新趋势。随着检测装置和系统信息 化、智能化、网络化程度提高，将图像技术应用于仪器仪表领域日益成为一个广泛 研究的课题。但目前主要是利用图像技术进行仪表读数的识别。例如：采用计算机 视觉技术读取仪表读数数字值，并通过其电子输出标准接口直接连接到自动化测试 系统。这无疑是把因各种原因而不能方便、直接连接到自动化测试系统的模拟仪表， 嵌入到电子自动化系统中的最直接合适的途径。特别是在一些实际的测量现场，如 整套的机柜、仪器检定等，难以实现自动操作，仍然需要人工读取数字；以及对那 些已经安装并运作在一些危险测量现场的许多仪表读数的采集，基于计算机图像技 术的智能检测是对传统的仪器质量检测方法的一个根本改进，它将计算机视觉技术、 人工智能引入仪器检测过程，是自动化技术应用于工业生产、检测过程的又一种新 尝试。扩大了综合自动测试系统采集物理量的范围，提供了各种仪表互联和集成技 术，更方便实现管控一体化技术，提高智能化管理水平。 仪表是生产过程和科学实验中进行测量和控制的基本仪器之一，不仅种类多， 而且数量大，使用这些仪表便于人们获取各种参数信息。通过选取基于机器视觉的 技术，可实现仪表图像的自动采集、分析、处理及识别，从而为系统的监控提供仪 表有效信息。目前在我国的工业生产领域，指针式仪表仍是工业生产中重要的检测 工具，应用范围非常广泛。为了保证产品的质量，需要定期对指针式仪表进行校验。 指针仪表的校验需要检定人员根据检定规程的要求对指针式仪表上不同量限和分度 线逐个地检定，即对仪表的各个参数指标( 如：内阻压降范围、仪表准确度等级、 量程、防外磁场等级、击穿电压等) 进行校验。目前，此校验过程都是人工进行， 除人工读取仪表的读数并记录外，还要人工读取表盘的各种参数。在人工校验过程 中，由人工来加载解除标准信号、读取数据以及记录和误差分析等工作。这是一项 广东工业大学硕士学位论文 非常复杂和繁琐的重复性劳动，效率低，工作的强度很大，检定时由检定者造成的 视觉误差和随机多，大大影响了检定的精度。现在进行指针读数自动识别系统研究 的很多，但进行仪表表盘各种参数识别研究的却很少。如果能在对仪表读数进行识 别的同时，也识别出仪表的仪表准确度等级，仪表类型、单位、量程、防外磁场等 级、电流类型、放置类型、击穿电压等仪表参数，就能自动得到测量现场的实际测 量值或进行仪表的准确检定。为了进行仪表的完全自动校验，有必要对仪表表盘的 参数进行自动识别研究。 对各类仪表的分类管理是各类使用单位、生产单位和计量检定单位的一项重要 工作。目前的基本管理方法都是采用人工读取表盘参数( 如：仪表名称、仪表类型、 出厂日期、厂家型号、出厂编号、国家标准编号、厂家标志等内容等) ，然后手工 录入的方法进行。这种人工输入仪表表盘参数的方法很容易因人的视觉疲劳而出现 错误，不利于自动有效地管理。如能采用图像处理和识别的方法，从拍摄的仪表表 盘图片中提取出仪表参数，再根据提取的参数建立一个仪表参数与对应仪表的数据 库，这会极大方便仪表的管理。这项工作对大量仪表的生产、使用和计量单位来说 具有实际应用价值。从仪表的管理角度来说，也有必要对仪表表盘的参数进行自动 识别研究。 仪表面板的参数等信息分布在表盘上除读数区以外的位置，不像汽车车牌以及 身份证号码那样位置比较固定和规则排列。这样仪表参数的定位和分割是对不规则 多目标区域的定位。同时还要将仪表面板上的特殊参数如单位、准确度等级等特殊 字符识别出来，并确定其在仪表测量中的特殊意义。 1 1 2 本课题的研究意义 在工业测量和控制领域中，各式仪表被广泛应用，他们已经成为测量外部电量 或非电量信号的重要的指示工具。本文研究内容的意义主要体现在两个方面： 对于仪表面板信息的识别，目前对于仪表读书识别的研究比较多，而对于面板 信息中的厂名，准确度、单位等校验信息和仪表编号等的识别研究涉及得很少，这 些信息对于仪表面板信息识别系统来说是至关重要的组成部分，因此对这些信息的 识别有十分重要的意义 从仪表的分类管理角度上看，也有必要对仪表管理信息( 如仪表准确度等级、 厂名、等级，仪表类型等参数) 进行采集识别存储，机器视觉在目前工业校表应用 2 第一章绪论 中的一个特点就是：采用人工校验的方式，受人的主观因素影响较大，容易产生误 差，采用机器视觉的方法实现仪表管理信息的自动采集，识别存储，可以克服人工 产生差，对仪表管理信息的自动校验，检定工作有着十分大的帮助，对其进行深入 研究很有现实意义。 1 2 国内外发展现状 仪表面板信息采集识别本质上是属于字符识别的范畴。国内外在与其类似的其 他领域里如在汽车牌照的自动识别、身份证号码自动识别、印章识别、手写体字 符自动识别。1 ，等方面已开展比较深入的研究，并获得了大量的研究成果，出现了许 多比较成熟的产品，且得到了广泛的应用，这些应用都是字符识别技术日趋成熟的 重要体现，这些领域的应用对本课题的研究具有重要的借鉴价值。 1 2 1 机器视觉系统 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视 觉产品( 即图像摄取装置分c m o s 和c c d 两种) 将被摄取目标转换成图像信号， 传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信 号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来 控制现场的设备动作。 机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作 业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉； 同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机 器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实 现信息集成，是实现计算机集成制造的基础技术。 机器视觉的研究已有四十多年，形成了很多学派。比较著名的有以美国m i t 的 m a r r 为首的重建学派，重建学派是目前机器视觉的主流学派。他们认为机器视觉的 具体目标应该根据一个景物的- n 几幅图像定量地、精确地决定场景中物体的形状、 位置、物理特性，对景物进行3 d 重建。 目前，机器视觉广泛应用在工业当中，而将近8 0 的工业视觉系统主要用在检 测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。 3 广东工业大学硕士学位论文 产品的分类和选择也集成于检测功能中，应用在生产线上检测的机器视觉产品大多 分布在烟草行业、电子行业的电路板检测、物件缺陷表面检测、安防系统等。在国 内外，机器视觉中的数字识别技术具有很高的应用价值。有关的研究成果已经在邮 政编码识别、汽车车牌识别、手写票据金额识别等领域得到了较广泛的应用。但是 在仪表识别方面，还没有见到相关的产品。 1 2 2 字符分割与识别 字符分割是指从背景中将单个有意义的字符提取出来。j i a n l o n g z h u 等人在2 0 0 1 年提出一种基于小波变换多比例车牌图像分割方法。结合图像小波变换后多尺度边 缘信息，利用局部小波变换模数最大化提取多尺度图像边缘然后采用一种模板匹配 算法用来对基于边缘灰度分析和消除了长直线噪声的字符边缘空间特征的车牌图像 进行分割。2 0 0 3 年，赵建伟等人提出了一种基于小波变换的图像分割方法，有效地 将小波分析、小波包分解与数学形态学中的分水岭方法相结合。首先通过小波包对 图像有效降噪，在一定程度上减少了分水岭方法的过分割现象：然后利用小波变换得 到的梯度向量进行分水岭变换，有效保持边缘信息2 0 0 4 年，单丽杰等人提出一种新 的基于子图像块的区域分割与边缘检测相结合的目标提取方法。先对分块后的图像 进行粗检，辅以知识。确定目标的大概区域，然后借助改进的c a n n y 边缘检测器增 强并检测出较弱的目标边缘。该方法计算量较小、便于硬件实现。在复杂自然背景 中、低对比度及不均匀光照条件下，对一定形状尺寸的目标提取，获得了满意的效 果。2 0 0 6 年，唐艳等人提出一种基于m s p r o a 边缘检测和区域合并的图像组合分割 算法，算法中对边缘检测的结果进行种子生长、标注和区域填充，并根据相似性准 则对填充的初始分割结果进行相邻区域的合并处理，最终得到同质性和连通性都较 好的图像分割结果。2 0 0 4 年，陶唐飞等人针对红外图像的特点，提出了一种综合应 用边缘检测和区域生长方法的图像分割方法。先对图像进行边缘提取，得到边缘像 素点集；然后利用该点集的平均灰度和目标区域的连通性作为生长判决条件，采用区 域生长法实现图像分割。该方法能快速准确有效地实现红外图像分割，避免了单独 使用边缘提取或区域生长法进行图像分割时的典型分割错误。2 0 0 5 年，郭礼华等人 针对分水岭图像分割算法中的过分割问题，提出了一种综合区域和边界信息的解决 技术。该技术主要利用区域和边界的综合信息，对分水岭算法处理后的过分割区域 进行聚合。在基于区域和边界信息的聚合过程中，借鉴人眼视觉模型的韦伯感知原 4 第一章绪论 理，针对区域的不同亮度环境自适应地选取动态的聚合阈值；并根据强弱边界属性 调节聚合阈值，以鼓励对象内区域聚合和避免对象之间的区域聚合。这种技术对分 水岭算法中的过分割有较好的改善。2 0 0 4 年，吉文华等人提出了一种新的自动图像 边缘提取和分割算法。先通过任意种子区域搜寻算法( r s r s ) 自动获得图像的边缘， 其中的初始种子选取是任意的，并且可以根据图像对比度的强弱自动调整分割阈值， 经与其它经典的图像分割算法相比较，验证了本算法性能的优越性。 字符识别的对象是汉字、字母、数字和一些常用的特殊字符。我国仪表面板就 包括以上所有类型字符信息的识别，由于汉字和一些特殊字符的结构复杂，使得识 别过程有别于数字和字母。目前主要的字符识别方法有：模板匹配法n ”、统计特征 字符识别法、结构特征字符识别法、人工神经网络法n 旷川。模板匹配对噪声比较敏感， 并且对字符的字体变化具有不适应的特点。基于统计特征的字符识别法对于形近字 符区分能力弱，而且需要找寻特征，特征有时随图像变化而失效。结构特征的描述 和比较要占用大量的存储和计算资源，因此算法在实现上相对复杂、识别速度慢。 神经网络法也存在找寻特征和训练计算量大的问题。 光学字符识另l j ( o p t i c a lc h a r a c t e rr e c o g n i t i o n ) 技术诞生于上个世纪5 0 年代，是模 式识别领域的一个重要分支，它涉及了图像处理、模糊数学、计算机、形式语言、 自动机、组合论、信息论、人工智能等多个学科，是介于基础研究和应用研究之间 的综合性技术。随着模式识别和人工智能研究的发展，字符识别技术已趋于成熟， 并广泛应用到各个领域。国外的字符识别技术研究起步较早，在1 9 2 9 年t a u s h e c k 就 取得了光学字符识别专利n ”。几年后，美国科学家h a n d e l 也提出了利用光学技术对 文字进行识别的想法。到2 0 世纪5 0 年代字符识别开始受到人们的广泛关注，随后出 现了一些简单的识别系统，如六七十年代，日本t o s h i b a 等公司研制出了邮政编码自 动分拣机等o c r 系统。我国在7 0 年代末才开始o c r 技术方面的研究，但由于我国政 府对汉字自动m ，识别的研究从8 0 年代开始给予了充分的重视和支持，经过科研人员 二十多年的辛勤努力，使得o c r 的应用取得了重大突破：从简单的单体识别发展到 多种字体混排的多体识别，从中文印刷材料的识别发展到中英混排印刷材料的双语 识别。各个系统可以支持简、繁体汉字的识别，解决了多体多字号混排文本的识别 问题，对于简单的版本可以进行有效的定量分析，同时汉字识别率已达到了9 8 以 上。目前印刷体汉字识别系统的应用已经相当成熟，如清华t h o c r 9 7 综合集成汉 字识别系统，对中等质量的样本，识别率已经可以达到9 9 左右或更高。字符识别 5 广东工业大学硕士学位论文 的研究也己开始从印刷体向手写体进发。如今，o c r 已经逐步进入人们日常学习、 生活、工作等各个应用领域，已经广泛应用在金融、保险、报业、税务、工商等行 业。 随着我国自动化程度的提高，字符识别技术应用的范围也越来越宽。然而特定 领域里的应用必定存在该领域的特殊性，如仪表面板的单位字符识别，就有区别于 一般的字符识别，因此需要采用不同的解决方法。 目前对于字符提取一般按照字符在图像中的相对位置来进行区域切割，然后对 切割部分进行识别，在车牌字符识别中已经应用广泛。章东平，刘济林等人提出， 精确地提取车牌子字符区域包括三个步骤：第一，根据二值图寻找类字符区域；其 次，除去车牌上下边框等干扰，精确定位字符串的上下边界，得到更多的类字符区 域，最后除去车牌左右边框等干扰得到真正的牌照字符n “。权炜，郑南宁等人针对 复杂背景中字符难于提取的问题，提出了一种通用的提取字符的方法该方法很好 地利用了字符固有的特性。先对图像进行基于变分法的自适应二值化，再用一种快 速区域标号算法求取连通域然后对连通域进行处理，提取出字符行n ”。陈松，姚 伯威利用模式识别技术对仪器仪表数字识别进行了研究，提出了一种决策树的算法 表示方法，对数字0 9 进行粗分类、细分类后，全部得到了识别n “。蓝章礼针对旋转 角度大的字符难以识别的问题，提出一种基于中心和圆周的英文字符识别方法 ( c c r ) ，通过对字符中心和适当半径圆周上的点进行