[發明專利]一種魯棒的工業電表數字識別方法

在審

• 申請號: 201611031147.2
• 申請日: 2016-11-22
• 公開（公告）號: CN106778754A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 李劍;錢建軍;楊健
• 申請（專利權）人: 南京理工大學
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06T7/00;G06T7/11;G06T7/13;G06T7/136
• 代理公司: 南京理工大學專利中心32203
• 代理人: 馬魯晉

1.一種魯棒的工業電表數字識別方法，其特征在于，包括以下步驟：

步驟1、將采集到的工業電表圖像I_rgb轉換為灰度圖像I_gray，之后進行濾波處理，去除噪聲；

步驟2、對去完噪聲的灰度圖像I_noise采用Canny算子提取工業電表圖像的邊緣；并對邊緣圖像進行形態學膨脹操作處理；

步驟3、基于邊緣圖像，先對圖像中含有數字的區域進行粗定位，然后通過投影法對數字區域進行精準定位切割；

步驟4、將精準定位切割后含有數字的灰度圖像通過閾值法進行二值化處理；

步驟5、通過投影法，將數字區域切割為單個數字的小區域，切割完后識別單個數字右下角小數點；

步驟6、基于KNN算法，對單個數字識別，并識別小數點，得到最終的電表數字。

2.如權利要求1所述的一種魯棒的工業電表數字識別方法，其特征在于：步驟1濾波處理時的均值濾波核為：均值濾波的過程即為卷積計算過程：式中，i,j為去完噪聲圖像的I_noise橫縱下標，m,n為均值濾波核K的橫縱下標。

3.如權利要求1所述的一種魯棒的工業電表數字識別方法，其特征在于：步驟2采用Canny算子提取工業電表圖像的邊緣的流程為：

Step1：用高斯濾波器對初始圖像進行平滑處理；

Step2：用一階偏導的有限差分計算梯度的幅值和方向；

Step3：對梯度幅值進行非極大值抑制；

Step4：用雙閾值算法檢測和連接邊緣；

對邊緣圖像I_canny進行形態學膨脹操作得到膨脹后的圖像I_dilate計算公式為：其中strel(5)為膨脹的結構元素。

4.如權利要求1所述的一種魯棒的工業電表數字識別方法，其特征在于：

步驟3具體為：基于膨脹后的邊緣圖像I_dilate，先對圖像中含有數字的區域進行粗定位，然后分別通過橫向、縱向投影法對數字區域進行精準定位切割，橫向投影向量為縱向投影向量為根據兩個投影向量v，設定閾值thresh，計算上下左右的四個切割點(up,down,left,right)：＝index(v＜thresh)，然后對數字區域進行進一步精細切割得到I_fine。

5.如權利要求1所述的一種魯棒的工業電表數字識別方法，其特征在于：

步驟5中將數字區域切割為單個數字的小區域，切割完后識別單個數字右下角小數點具體如下：

步驟5-1、通過投影法，只進行縱向投影，將數字區域切割為單個數字的小區域，切割點計算公式point:＝index(v＝0)，切割完后得到單個數字的圖像I_single；

步驟5-2、針對每一張切割出來的單個數字圖片，繼續采用縱向投影，得到單個數字圖像的投影向量v_single；

步驟5-3、設定閾值th＝row(I_single)/5，小數點的切割位置為point:＝index(v_single＜th)，其中index()為向量的下標計算公式；計算每個數字右下角小數點的切割距離，最大距離的數字即為含有小數點的數字，計算公式為：

6.如權利要求1所述的一種魯棒的工業電表數字識別方法，其特征在于：步驟6基于KNN算法，對單個數字識別，并識別小數點，具體為：

步驟6-1、通過上述步驟切割單個數字圖像的方式制作訓練集，每個數字制作N張圖片，因而10個數字共有10N張訓練集I_train；

步驟6-2、對于每張測試圖片I_test，KNN算法中的距離函數為：

步驟6-3、對于每一個測試圖片I_test，我們在10N張訓練集I_train中找到與測試圖片IOU最大的K張，然后在K張訓練集中，某個數字類別出現最多的即為測試圖片的數字；

步驟6-4、按步驟5的方法確定小數點位置，得到最終的電表讀數。

7.如權利要求3所述的一種魯棒的工業電表數字識別方法，其特征在于：步驟2中的Canny邊緣檢測算法的閾值為0.6，膨脹的結構元素strel(5)的值為

8.如權利要求4所述的一種魯棒的工業電表數字識別方法，其特征在于：步驟3中的投影向量切割的閾值thresh＝15。

9.如權利要求6所述的一種魯棒的工業電表數字識別方法，其特征在于：步驟6中的訓練集數：N＝10，KNN算法的K值為K＝10。