数字仪表自动识别技术.docx

数字仪表自动识别技术 学院: 班级: 姓名: 学号: 数字仪表自动识别技术 摘要：仪器仪表被广泛地应用于各个行业中的测量系统中，由于某些仪器仪表并没有提供数据传送的接口，要实现自动化，需要利用摄像技术、图像处理技术、图像识别技术以及通信技术，来实现仪器仪表读数自动识别。本文分析了数字识别的现状和意义以及发展趋势，重点介绍了数字字符识别的算法，详细介绍了我们项目中的识别模块。关键词：字符识别；数字仪表；Abstract:Instrumentation has been widely used in various industries in the mesurement system, because some of the instrumentation did not provide data tranmission interface, in order to achieve automation, the need for the use of camera technology, image processing, image recognition technology and communications technology, to achieve Automatic Identification Instrument readings. This paper analyzes the number of identification and significance of the status quo and development trends, focusing on the number of character recognition algorithms.Keywords: character recognition; Digital Instrument一引言伴随着计算机技术的迅速发展，人们的生活和学习方式有了很大的改变，为了提高了人们生活的效率，各行各业开始了对信息自动化的开发。计算机在监控领域的应用极大的提高了办公的效率，使人们从枯燥繁杂的事务当中解放了出来。目前,较高档的数字仪表都有数字输出接口，但在相当一部分应用环境如仪表检定、科学实验、测量控制、水表记录等，仍需要对仪表读数进行人工记录，然后再将读数输入到计算机中进行处理。这种方法不仅费时费力、工作效率低，而且准确率也较差。针对数字式仪表的自动检定，应用数字图像处理和字符识别技术实现仪表读数的非接触方式的自动识别，并开发了一套基于计算机的自动读数识别系统成了当务之急。数字仪表自动识别系统通过CCD摄像机或者是其他图像采集措施对仪表进行监控，经过灰度化、二值化、图像去噪声、图像增强等预处理后，由识别模块识别出仪表的读数，并保存下识别结果。识别出的数据再经过专业人员的分析即可知道目前机械的运行情况，保持整个系统的安全与稳定。数字仪表自动识别系统立足于当前的现实情况，努力寻求一条人性化的方法，解决仪表监控和自动控制方面所面临的问题。为了提高测量部门的工作效率，体现以人为本的人文精神，经过各种方法的尝试和探索，最终我们完成了基本满足识别要求的数字仪表自动识别系统。从而为测量部门自动监控和控制仪表提供了一种有效的解决方案。二研究背景目前，仪器仪表被广泛地应用于各行各业的测量系统中，由于某些非电子仪器仪表或者某些电子仪器仪表，并没有提供数据传送的接口，只是通过LCD或LED数码管等来显示数据值，这样就很难实现数据的自动采集，以满足现代自动化的需要。外界要自动获得其数值，是急需解决的问题。随着科学技术的不断进步，各行业的管理手段正从人工管理逐步转变成自动或半自动方式。尤其在化工和冶金等行业，以及在比较恶劣的环境场合下需要进行实时监控时，为了提高生产率和减少人为因素所造成的误判，也需要采用自动控制系统。为了使系统能够很好的实现控制功能，首先需要对没有提供数据传送接口的数字仪器仪表显示数据进行识别，然后把识别的结果传送到目的设备，从而进一步实现自动控制功能。因此通过摄像技术、图像处理技术、图像识别技术以及通信技术来研究仪器仪表读数识别有实用价值。三国内外研究现状数字识别作为模式识别领域的一个重要问题，应用范围非常广泛，其中包括:(1)装配线上活塞的字符识别；(2)汽车车牌字符识别；(3)IC卡喷码实时识别；(4)机场、港口等出入车辆管理；(5)视觉导航自动车辆的数字识别(6)数字识别在财务、税务、金融领域中的应用；(7)数字识别在邮件分拣中的应用；(8)数字识别在大规模数据统计(如:行业年鉴、人口普查等)中的应用等。目前国内外许多科技工作者为基于机器视觉技术的数字识别做了深入的研究，例如Miao Yal识别出印刷体的数字和标记；Yama guchi开发出电话号码识别系统； Molina等研究了机场内飞行器尾部数字编号的识别；M Lee等识别了处于静止、运动容器上的数字标号；Andrade E.L辩识了球场队员衣服上的数字编号；王荣本、金立生等研究了用于导引车辆的数字快速识别；在国外方面，英国IBM1287光学文字阅读器既可以识别出10个阿拉伯数字，已在邮局推广使用，误识率仅为0.4%；NEC研制的邮区编码信函分拣机可以识别出印刷字体的数字和字母，处理速度可达30000件/小时。因此采用基于机器视觉的方法建立的数字识别系统具有广泛的应用前景。四现有技术数字识别的方法有很多种，归纳起来可以分为4大类，即统计模式识别、结构模式识别、模糊模式识别和人工神经网络识别。4.1模板匹配识别算法模板匹配识别算法是最简单也是历史上最早的识别方法之一。早在1923年，苏联工程师B.E阿加波维用这个方法研制出把数字引入计算装置的机器。方法的基本原理是把被识别的图像与设计者预先构造的一组理想模板进行比较，图像的分类是根据它与模板之间的相似度来决定的。4.1.1 模板匹配识别算法原理模板匹配法是实现离散输入模式分类的有效途径之一， 其实质是通过度量输入模式与模板之间的相似性，取相似性最大的作为输入模式所属类别。此方法是由字符的直观形象抽取特征，用相关匹配原理确定的匹配函数进行判决，也就是将输入字符与标准模板字符在一个分类器中进行匹配。下面以一维图像的处理为例, 相关匹配算法描述如下:设输入字符用输入函数f(X, Y)表示, 标准模板用函数F(X, Y)表示,在相关器中比较后输出为T(X, Y)。随机变量用X1，X2 表示, 相关器输出为:当X1= X2， Y1= Y2， 且f(X,Y)=F(X,Y)时, ， 即为输入字符的自相关函数，且有T(0, 0)T(x, y)成立。T(x, y)会在T(0, 0)处出现主峰，而在其它标准字符处出现一些副峰，只要这些副峰和主峰不相等， 就可通过选用适当的阈值进行鉴别，从而判断并识别出待识别的字符。模板匹配法根据建模时所取特征的不同，有图形匹配、笔划分析、几何特征抽取等几种形式。其中图形匹配法在建模和匹配比较时, 都是基于字符的图形块本身进行匹配的，再根据其相似度得出识别结果。用图形匹配原理进行字符识别时，一般都是采用二值化字符: 0 表示黑(背景)，1 表示白(字符)。其基本思想是为每个字符均建立一个标准模板Ti，待识别的图像用Y 表示，它们的大小均为MN。将未知的模式逐个与模板匹配，由下式求出相似度Si:其中，“YTi”是指矩阵中对应象素相乘。上式也可以表述为待识图像上对应点均为“1”的数目与标准模板上“1”点的数目之比。若max Si ， 则判定YTi, 否则拒绝识别。在这里为拒识阈值(一般由实验分析得出)。从理论上讲, 这种判别法在一定条件下, 错误概率和拒识概率最小, 但是在实际应用中由于存在众多实际因素的影响, 应用这种方法的处理结果并不理想。采用模板匹配算法进行号码字符的识别，需按如下步骤进行:(1) 模板建立模板的来源可以有两种:一是采用图片编辑软件编辑而成;二是通过编程产生模板文件。(2) 字符归一化将字符图像规范成模板图像大小。由于模板图像为点阵，当字符图像小于模板图像时需实现了目标字符的放大，反之需缩小目标字符.对字符进行缩放都是采用插值算法。(3) 模板匹配对任何经过去噪处理后的二值字符点阵f(i，j)，由公式分别计算与模板字符的匹配度，由于字符中心位置可能存在偏移现象，采用滑动模板、按从左到右的顺序匹配，找出最大匹配度max(conf)，作为识别的结果。4.2 统计特征识别算法原理大量字符的统计特征经过提取、学习、分类形成关于字符原型知识，构成识别字符的模板信息，这些模板信息存储在识别系统中。未知图像在识别时首先提取相同的统计特征，然后与识别系统存储的字符原型知识匹配比较，根据比较结果确定字符最终分类，达到识别的目的。衡量匹配程度的指标常采用各种向量间的距离指标，例如欧式距离、绝对值距离等，为了表达方式的统一，以这些距离为基础，可以得到归一化匹配程度。其中，基于字符像素点平面分布的识别算法，因为算法简单、实现方便的特点而成为最常用的匹配方法。这种算法一般先将字符图像归一化为模板的几何维数，然后根据像素点的位置逐个匹配，求出模板和图像的某种距离指标。由于要对每个像素点逐个匹配，造成算法实现计算量大，且对噪音、字符的偏移和变形非常敏感，因此对输入的待识别图像要求较高。根据算法的不足，不断有学者提出改进的思路，产生了所谓序贯相似性算法。Kelner和Glauberman在1956年提出来用二维图像的投影代替图像点阵信息的思路。二维的图像被一维的投影代替，计算量减少，同时也消除了文字在投影方向偏移的影响，但是对于字符的旋转变形却无能为力。基于统计特征的字符识别技术对于形近字符区分能力弱，因此，通常应用于字符的粗分类。对于识别字符集比较小、输入图像质量比较高的图片(例如打印的数字字符集)也可以担当主要的识别任务。4.3基于连通域的识别算法连通域是数字图像处理中一个非常重要的概念. 在大多数自底向上的版面分析中都是以连通域为最小的操作单位, 即: 由连通域形成文字, 再由文字形成文字行(或者列) , 最后形成文字区域, 从而达到对整个复杂版面的正确切分. 所谓连通域，就是由若干个具有相同颜色的像素点(白像素或者黑像素) 构成的一个基本单位, 连通域中的任意两个点之间都存在一条通路.目前已有很多文献介绍连通标记算法文献将已有标记算法划分为两类一类是局部邻域算法这类算法有多种不同形式基本思想是从局部到整体要逐个检查每个连通成分对每一个都要先确定一个种子点再向周围邻域扩展地填入标记另一类是分而治之算法基本思想是从整体到局部先确定不同的连通成分再对每一个用区域填充方法填入标记例如采用区域分割方法或者轮廓追踪方法都可以区分出不同的连通域。五核心算法和结果分析5.1核心算法设计（1）定位数字区域想要准确的识别出一个数字到底是多少，首先要确定数字所在的区域，然后在数字区域进行识别。在本系统中，我们先用摄像头采集到图片，然后针对采集到的图片进行识别。先打开要识别的图像，然后进行数字区域的定位，本系统采用的是利用坐标点位来确定数字区域的方案，经过反复的测试，最终发现在选定以下的下个区域的时候，可以保证数字区域在待识别的区域。目前确定了4个数字区域，这个也是本系统的一个待改进的地方，因为当仪表读数超过了4位后，本系统将不能准备的识别出第五位读数，而且，由于采用的是坐标定位点的方式，所以当坐标点转换以后，本系统要重新确定坐标点，从而来定位数字区域。这个问题将在以后版本中改进。int letter0X = new int7 49, 49, 63, 63, 63, 77, 77, ; int letter0Y = new int7 147, 167, 139, 157, 177, 147, 167, ; int letter1X = new int7 87, 87, 101, 104, 101, 115, 115, ; int letter1Y = new int7 147, 167, 139, 157, 177, 147, 167, ; int letter2X = new int7 135, 135, 149, 152, 149, 163, 163, ; int letter2Y = new int7 147, 167, 137, 157, 177, 147, 167, ; int letter3X = new int7 173, 173, 187, 190, 187, 201, 201, ; int letter3Y = new int7 147, 167, 137, 157, 177, 147, 167, ;经过多次的测试，发现图像的基本信息如下：高度：40 宽度：29正常间隔：14小数点位置间隔：19(2)主要识别算法 由于本次待识别的字符是全部是数字字符，所以可以针对每个数字的特征进行特征提取，在和模板进行匹配，得到识别结果。 首先把由于LED显示屏，显示数字的时候，是由7个发光二极管构成，如图5.2所示： 2 6510 3 4 图5.2发光二极管的示意图此图为数字8的，其中，7个管的已经进行好了编号，通过对7个管所在的位置取点，对这几个点的灰度的变化来确定每个领域的发光二极管是否发光，计入下每个领域的状态，通过与模板的匹配来确定数字。如数字8就是1111111，数字0是1110111，这个方法，可以快速的识别出数字，但是也有他的确定，当取点的时候有噪声的干扰的话，噪声点容易造成数字识别的不准确，鉴于这种情况，本系统在取点的时候，取多个点，而且设定了偏移量，通过这两种方案减低错识率。针对与1和7这两个数字的特别性，本系统采用了建立多模板和排除的方案，对于7来说我们建立了两个模板：0011000和0010000；而1这个数字的解决的方案我们应用了排除法加上模板的方法，首先识别数字是否是其他的数字，当其他的数字都不是的时候，我们来确定是否是数字1， 判断第五号标管是否发光，如果发光了那么这个数字将被判断成1。5.2 实验结果与分析5.2.1系统运行实例为将实验结果显示出来以便分析，程序的识别过程分几个步骤执行:第一部分：图像灰度化，其功能就是直接进行灰度化处理。第二部分：图像的二值化。经过这2个步骤处理后，就可以直接进行字符的分割与识别。第三部分：字符的分割与识别:字符分割的作用就是将号码进一步分割，得到一个个独立的数字图像，对每个数字进行识别。5.2.2 识别效果分析经过多张图片的识别测试后，数字仪表系统的字符识别率如下表所示：表5.1 系统的字符识别率识别字符字符的识别率094%195%297%398%497%594%697%795%894%995%总的来说，基于改进的模板匹配算法的识别率还是很高的，具有一定的应用价值。 六. 结论本文所作的主