[发明专利]一种鲁棒的工业电表数字识别方法

说明书

技术领域

本发明属于数字图像处理、模式识别技术领域，特别是一种鲁棒的工业电表数字识别方法。

背景技术

从19世纪电的产生，以及20世纪电的普遍使用开始。在工业界中，电表就作为一种重要的工具，用来显示企业中生成部门的各种数据。尤其是在电力行业中，电力部门为了统计各仪器的用电数据,经常安排专人进行抄表工作。现存的大量电表中,有很多位于偏远的、不便的、高危险的位置。这就需要耗费大量的人力物力安排工人抄表，并且由于工人的长期工作容易出现读表错误。当然，随着电力行业、信息产业的的不断发展,一大批智能电表被研发出来，这种电表能够自动识别自身的数字和并且能够传输到控制系统。但是，需要将原先老式的电表都换成新的电表常常受到经济的限制,因此，此类电表未得到广泛普及。

现有的一些工业电表中的数字识别算法存在的低识别率，不鲁棒性等缺点。

发明内容

本发明所要解决的技术问题是：提供一种鲁棒的工业电表数字识别方法，通过Canny检测边缘算法能够有效区分噪声区域和数字区域，使得工业电表面板中的数字切割的更加准确；通过使用KNN算法不仅可以有效提高数字识别算法的效率，也能保证数字识别的精度。

本发明为解决上述技术问题采用以下技术方案：一种鲁棒的工业电表数字识别方法，包括如下步骤：

步骤1、首先将采集过来的工业电表图像I_rgb转换为灰度图像I_gray，在灰度图像上使用均值滤波，进行初步去噪声。

步骤2、对去完噪声的灰度图像I_noise采用Canny算子提取工业电表图像的边缘。Canny算子进行边缘检测能有效抑制噪声，同时能精确确定边缘的位置。

步骤3、基于膨胀后的边缘图像I_dilate，先对图像中含有数字的区域竟可能的通过经验进行粗定位。然后分别通过横向、纵向投影法对数字区域进行精准定位切割。

步骤4、将精准定位切割后含有数字的灰度图像I_gray通过阈值法进行二值化得到二值图像I_binary；

步骤5、进一步通过投影法，只进行纵向投影，具体过程如步骤三，将数字区域切割为单个数字的小区域，

步骤6、基于KNN(K近邻)算法，对单个数字识别，最后按步骤5考虑小数点位置，得到最终的电表读数。

优选的，步骤2所述Canny边缘检测算法流程为：

Step1：用高斯滤波器对初始图像进行平滑，类似于步骤一中的均值滤波；

Step2：用一阶偏导的有限差分来计算梯度的幅值和方向；

Step3：对梯度幅值进行非极大值抑制；

Step4：用双阈值算法检测和连接边缘；

优选的，步骤6所述利用KNN算法对测试图像进行分类识别的方法为：对于每一个测试图片I_test，我们在10N张训练集I_train中找到与测试图片IOU最大的K张，然后在K张训练集中，某个数字类别出现最多的即为测试图片的数字。

优选的，步骤2中的Canny边缘检测算法的阈值为0.6；步骤3中的投影向量切割的阈值thresh＝15；步骤6中的训练集数：N＝10，KNN算法的K值为K＝10。

本发明与现有技术相比，具有以下有益效果：1)本发明提出了一种鲁棒高效的工业电表数字识别方法，通过canny算子检测工业电表面板中的数字边缘，可以有效定位并切割出数字区域；2)基于训练集中的数字，通过KNN算法构造分类器，对待识别数字进行分类；3)本发明的工业电表数字识别方法通过canny边缘检测能够有效地区分噪声区域和数字区域，使得算法更加鲁棒；4)在识别数字时采用KNN算法不仅可以有效提高算法效率，也能使得数字识别更加准确。

附图说明

图1是本发明工业电表的原图。

图2是本发明步骤一计算出的去噪后的灰度图。

图3是本发明步骤二Canny边缘检测算法检测出来的图像边缘。

图4是本发明步骤二对Canny检测检测出来的图像边缘进行膨胀后的图像。

图5是本发明步骤三切割出来的含有数字的区域图像。

图6是本发明步骤四对切割出来的灰度图像进行二值化得到的二值图。

图7是本发明对二值图进行单个数字切割并识别的结果图。

具体实施方式

结合附图，本发明的一种鲁棒的工业电表数字识别方法，工业电表中的数字识别算法主要应用了图像预处理、图像分割、字符识别等图像处理及模式识别相关算法。包括以下步骤：