[发明专利]基于SVM的票据图像分类方法

权利要求书

1.基于SVM的票据图像分类方法，其特征在于：包括以下步骤：

（1）选取多张标准票据图像，作为样本进行SVM分类器训练，得到性能优化的SVM分类器；截取每一种类型的标准票据中的公章图像并将所有的公章图像组合成一幅公章模板；

（2）对待识别的原图像进行二值化，通过Hough变换检测直线的方法提取二值化后的图像中的所有的直线，设定两条直线之间的距离阈值，将图像中直线之间的距离小于距离阈值的两条直线合并成一条直线；设定直线数目的最大数目阈值和最小数目阈值，若图像中所有直线的数目不在最大数目阈值和最小数目阈值之间，则将此待识别的原图像分类为非识别票据图像，否则执行步骤（3）；

（3）对待识别的原图像进行倾斜校正；

（4）根据公章的亮度特征设定公章的最大灰度阈值和最小灰度阈值，选取待识别的原图像中灰度值在最大灰度阈值和最小灰度阈值之间的所有像素，判断选取的每个像素的颜色并过滤不属于公章部分颜色范围的像素点从而得到轮廓集合，从轮廓集合中剔除面积较小的轮廓从而得到待识别的原图像中公章的轮廓；

（5）将步骤（4）得到的公章轮廓与步骤（1）得到的公章模板进行匹配，若匹配不成功，则将待识别的原图像分类为非识别票据图像，若匹配成功，则执行步骤（6）；

（6）提取公章轮廓的HOG特征，作为步骤（1）中性能优化的SVM分类器的输入，得出待识别的原图像的票据类型；

所述对待识别的原图像进行倾斜校正，包括：

以待识别的原图像的左上角为原点，待识别的原图像的水平向右方向为X轴的正方向，待识别的原图像的垂直向下方向为Y轴的正方向，建立坐标系；

通过Hough变换检测直线的方法提取待识别的原图像中的所有直线，将待识别的原图像中的直线与X轴的正方向的夹角作为直线角度；

查找待识别的原图像中两条直线之间的夹角为90度的所有直线对，将所有直线对中角度最小的直线角度作为待识别的原图像的旋转角度，将待识别的原图像进行逆时针旋转，实现待识别的原图像的倾斜较正；

若没有查找到待识别的原图像中的夹角为90度的直线对，通过Hough变换检测直线的方法选取待识别的原图像的所有直线中的最长直线，选取最长直线与X轴的正方向的夹角作为待识别的原图像的旋转角度，将待识别的原图像进行逆时针旋转，实现待识别的原图像的倾斜较正。

2.根据权利要求1所述的基于SVM的票据图像分类方法，其特征在于：所述对待识别的原图像进行二值化，包括：

设定灰度阈值，将待识别的原图像中灰度值低于灰度阈值的像素点的灰度值设置为1，将待识别的原图像中灰度值高于灰度阈值的像素点的灰度值设置为0，从而实现待识别的原图像的二值化。

3.根据权利要求1所述的基于SVM的票据图像分类方法，其特征在于：所述判断选取的每个像素的颜色并过滤不属于公章部分颜色范围的像素点从而得到轮廓集合，包括：

将待识别的原图像的RGB颜色空间转换到HSV颜色空间，根据HSV颜色空间中的三个颜色分量的值判断选取的每个像素的颜色；

过滤不属于公章部分的颜色范围的像素点从而得到轮廓集合。

4.根据权利要求1所述的基于SVM的票据图像分类方法，其特征在于：所述选取多张标准票据图像，作为样本进行SVM分类器训练，得到性能优化的SVM分类器，包括：

设定SVM分类器的数目，准备训练样本集合，包括正样本集和负样本集，正样本集为多张一种类别标准票据的图像，负样本集为多张其它类别标准票据的图像；

手动截取所有正样本集中的公章轮廓和负样本集中的公章轮廓；

提取所有正样本集中的公章轮廓的HOG特征和负样本集中的公章轮廓的HOG特征，进行SVM分类器训练，得到性能优化的SVM分类器。