[發(fā)明專利]一種基于決策樹的數(shù)碼管識別方法

有效

• 申請?zhí)枺?/td>: 202010719933.1
• 申請日: 2020-07-24
• 公開（公告）號: CN111832565B
• 公開（公告）日: 2022-10-28
• 發(fā)明（設(shè)計）人: 閆坤;李慧慧;張李軒;劉威;李執(zhí);陳德富;傅琪
• 申請（專利權(quán)）人: 桂林電子科技大學(xué)
• 主分類號: G06V20/62
• 分類號: G06V20/62;G06V10/26;G06V10/764;G06V30/10
• 代理公司: 桂林市華杰專利商標(biāo)事務(wù)所有限責(zé)任公司 45112
• 代理人: 覃永峰

本發(fā)明公開了一種基于決策樹的數(shù)碼管識別方法，其特征在于，包括如下步驟：1）圖像采集；2）預(yù)處理；3）數(shù)碼管識別。這種方法適用于工業(yè)場景，能夠提高復(fù)雜環(huán)境下數(shù)碼管識別的效率。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機圖像處理技術(shù)領(lǐng)域，具體是一種基于決策樹的數(shù)碼管識別方法。

背景技術(shù)

現(xiàn)有技術(shù)中，數(shù)碼管識別技術(shù)難點主要是在復(fù)雜工業(yè)環(huán)境中，常用的識別方法無法完成數(shù)字區(qū)域與背景區(qū)域的高精度分割，進而影響后續(xù)識別的準(zhǔn)確度。在數(shù)碼管識別方面，有僅適用于帶背光顯示器的數(shù)字識別檢測算法，該算法無法適應(yīng)無背光的數(shù)碼管識別；有針對干凈圖片采用筆畫寬度變換定位感興趣區(qū)域，并使用支持向量機來進一步篩選的算法，但算法的輸入圖片較為理想，并不是在現(xiàn)實情況下捕獲的；有利用OCR技術(shù)從數(shù)字萬用表和其他類似的數(shù)字顯示設(shè)備中獲取自動數(shù)據(jù)的系統(tǒng)，此系統(tǒng)可以自動檢測小數(shù)點和負(fù)號，不過該系統(tǒng)只針對七段顯示數(shù)碼管。目前基于圖像的數(shù)碼管自動識別方法在復(fù)雜的工業(yè)環(huán)境中存在模型失配、適應(yīng)性不強、準(zhǔn)確度較低的問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，而提供一種基于決策樹的數(shù)碼管識別方法。這種方法適用于工業(yè)場景，能夠提高復(fù)雜環(huán)境下數(shù)碼管識別的效率。

實現(xiàn)本發(fā)明目的的技術(shù)方案是：

一種基于決策樹的數(shù)碼管識別方法，包括如下步驟：

1)圖像采集：圖像采集就是獲取圖像中圖案的掃描圖像即數(shù)字圖像的過程，假設(shè)捕獲圖像中的數(shù)碼管所在區(qū)域即數(shù)碼管ROI為已知，從采集到的圖像中提取出數(shù)碼管區(qū)域，用于后續(xù)處理；

2)預(yù)處理：對步驟1)得到的數(shù)碼管ROI進行預(yù)處理，首先，對數(shù)碼管ROI進行灰度化得到灰度圖，計算灰度圖的Tsallis熵，采用基于決策樹的二值化方法對數(shù)碼管ROI的灰度圖進行二值化處理，圖像二值化后進行噪聲消除,采用邊緣消除、膨脹和填充去除圖像中噪點，最后對不同尺寸的數(shù)碼管ROI進行尺寸歸一，方便后續(xù)處理；

3)數(shù)碼管識別：對步驟2)得到的尺寸歸一后的數(shù)碼管ROI進行識別，包括三個過程：數(shù)字分割、特征提取和數(shù)值判定，以數(shù)碼管色塊分布特征為依據(jù)進行實時自適應(yīng)的數(shù)字分割，最后估計特征編碼數(shù)值。

步驟2)中所述的決策樹的二值化方法為：

2-1)計算數(shù)碼管ROI對應(yīng)的灰度頻數(shù)分布，數(shù)碼管ROI對應(yīng)的灰度頻數(shù)分布為公式(1)所示：

其中I，J分別為數(shù)碼管ROI的行像素數(shù)與列像素數(shù)，Q(k)為對應(yīng)特定灰度的像素點數(shù)和，k＝1，2，3...256；

2-2)計算數(shù)碼管ROI灰度均值：數(shù)碼管ROI灰度均值為公式(2)所示：其中k為灰度值，P(k)為相應(yīng)灰度值的灰度頻數(shù)；

2-3)計算Tsallis熵：Tsallis熵為公式(3)所示：

其中，q為Tsallis熵的系數(shù)，Tsallis熵是香農(nóng)熵的擴展，當(dāng)可調(diào)參數(shù)q→1時，Tsallis熵等價為香農(nóng)熵，通過調(diào)整q值可以在圖像分析中更好地度量圖像中不同特征區(qū)域的狀態(tài)差異；

2-4)在Tsallis熵-灰度均值平面上，正常光線、過度曝光、設(shè)備關(guān)機三種狀態(tài)下圖像度量值能夠被決策樹分割，依據(jù)這一特征，采用灰度均值和Tsallis熵構(gòu)建雙層決策樹，在Tsallis熵-灰度均值平面上將正常光線、過度曝光、設(shè)備關(guān)機三種狀態(tài)下的圖像度量值分開，過程為：

依據(jù)決策樹判斷圖片所屬場景，進而采用適配不同場景的灰度圖二值化方法，并計算門限值∈，其中，場景包括：

2-4-1)設(shè)備關(guān)機：二值化門限選為灰度最大值，使得二值化圖片中數(shù)碼管區(qū)域與背景區(qū)域一致：∈＝max_i,jp(i,j)；