[發明專利]融合卷積神經網絡和半字模板匹配的表盤數字字符識別法有效
| 申請號： | 201910160157.3 | 申請日： | 2019-03-04 |
| 公開（公告）號： | CN109902751B | 公開（公告）日： | 2022-07-08 |
| 發明（設計）人： | 吳林煌;楊繡郡;陳志峰 | 申請（專利權）人： | 福州大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06V10/774;G06V10/82;G06V10/28;G06N3/04;G06N3/08 |
| 代理公司： | 福州元創專利商標代理有限公司 35100 | 代理人： | 蔡學俊 |
| 地址： | 350108 福建省福州市閩*** | 國省代碼： | 福建;35 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 融合 卷積 神經網絡 字模 匹配 表盤 數字 字符 識別 | ||
1.一種融合卷積神經網絡和半字模板匹配的表盤數字字符識別方法，其特征在于：包括以下步驟：
步驟S1：獲取帶有全字半字標簽的分割好的灰度圖，并輸入到步驟S2中；其中，標簽0代表半字，標簽1代表全字；
步驟S2：將標簽篩選分類，若標簽為0則進入步驟S4，若標簽為1則進入步驟S3；
步驟S3：訓練一個卷積神經網絡，將標簽為1的全字灰度圖輸入到訓練好的神經網絡中識別，得到全字識別結果；
步驟S4：將標簽為0的半字灰度圖二值化后，保留兩個最大連通域，得到處理后的待識別半字二值圖像M2；
步驟S5：將步驟S4得到的處理后的圖像與半字模板進行基于像素的模板匹配，得到半字識別結果；
步驟S6：按照步驟S1中圖像輸入的順序，依次輸出灰度圖的識別結果；
步驟S3具體包括以下步驟：
步驟S31：輸入測試集圖片和標簽以及訓練集圖片和標簽，其中全字共有0至9共10個字符，用10個獨熱碼表示；
步驟S32：用TensorFlow訓練一個前向傳輸的卷積神經網絡；
步驟S33：保存該卷積神經網絡的各項權重值；
步驟S34：將輸入的全字灰度圖輸入到訓練好的卷積神經網絡中進行自動識別，得到識別結果；
步驟S4具體包括以下步驟：
步驟S41：將半字灰度圖M進行二值化處理，得到初步待識別半字二值化圖像M1；
步驟S42：將M1用八鄰域的方式找出連通域，并以自然數標記連通域；
步驟S43：計算步驟S42標記的相同自然數的個數，比較得到兩個最大個數的自然數，將這兩個自然數所在的連通域的像素灰度值改為1，其余位置的像素灰度值改為0,得到保留最大連通域后的待識別半字二值化圖像M2；
步驟S5具體包括以下步驟：
步驟S51：制作半字模板，個數為z；
步驟S52：將待識別半字二值圖像M2中各個像素點的值按照其各自所在的位置構成一個大小為m×n的矩陣A，其中m為圖像的行數，n為圖像的列數；
步驟S53：將半字模板二值圖中各個像素點的值按照其各自所在的位置構成一個m×n的矩陣C；
步驟S54：將所述矩陣A和所述矩陣C兩個矩陣逐點進行相減取絕對值操作，然后將所有的值相加，記為h；
步驟S55：重復執行步驟S53-S54z次，找到最小的h值hmin，即半字模板與待識別半字的最小漢明距離，該距離下的半字模板的標簽即為待識別半字的識別結果。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于福州大學，未經福州大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910160157.3/1.html，轉載請聲明來源鉆瓜專利網。
