[发明专利]一种基于PHOG特征的电路图中电气符号识别方法

说明书

技术领域

本发明属于图像识别技术领域，涉及电路图中电气符号识别方法，具体提供一种基于P HOG特征的电路图中电气符号识别方法。

背景技术

在实际应用中，工程师和建筑师经常会使用不同的图形符号来描述电路，机械零件、建筑等，这些图纸往往需要转换为电子形式用于进行有效的存储，检索和传输，以及更新，并结合和生成新的图纸。随着电子技术的飞速发展，图纸中的电气符号识别问题受到极大关注；电气符号检测及其定位的准确性和快速性直接会影响图纸判断的正确性以及总体设计思路的理解。但是由于受符号大小、旋转角度尤其是复杂背景环境的影响，使得目标符号存在诸多干扰，解决此类问题面临着很多困难，所以成为近年来计算机视觉及电气设计领域研究的热点。

目前，电气符号识别通常采用基于统计分类的方法，其中关键是需要提取电气符号特征，再采用机器学习的方法进行分类识别。比较具有代表性的算法：SIFT算法，在空间尺度中对一副图像寻找极值点，并提取出其位置、尺度、旋转不变量等描述子得到特征并进行特征点匹配，用来侦测与描述影像中的局部特征；Shape context算法，基于物体轮廓样本点进行描述的。这些算法是在一些密集、统一的空间单元上计算，而且为了改善性能，都要重叠局部进行像素对比度标准化，克服环境干扰因素能力较弱。

发明内容

本发明的目的在于针对现有技术中存在的上述不足之处，提供一种基于PHOG特征的电路图中电气符号识别方法；能够有效的识别电气符号，克服环境干扰因素。为了实现该目的，本发明采用技术方案如下：

一种基于PHOG特征的电路图中电气符号识别方法，包括以下步骤；

步骤1、对电路图图像进行图像采集及图像预处理；

步骤2、对电路图图像进行水平直线和垂直直线提取；

步骤3、对电路图图像进行图像分割，获取电路图中的电气符号；

步骤4、基于PHOG算法，提取电路图图像中电气符号和样本电气符号(预先已知类别)的特征点；

步骤5、利用样本电气符号的PHOG特征，对SVM(Support Vector Machine)分类器进行分类训练，产生最优分类面；通过最优分类面，对提取得电路图图像中电气符号的PHOG特征进行识别。

进一步的，步骤3具体包括以下步骤：

步骤3.1、将步骤1预处理后图像减去步骤2得水平直线图像和垂直直线图像，得到电气符号的图像；

步骤3.2、对电气符号的图像采用形态学闭运算进行修复，结构元素SE的选取采用如下公式：

SE＝strel('disk',R)

其中，strel('disk',R)为闭运算的结构元素表达式，'disk'表示闭运算中指定形状、即圆形，R表示圆形结构元素半径、取0.5w，w为直线宽度；

步骤3.3、检查经步骤3.2修复后图像中缺损的电气符号，判定其缺损部分，若缺损部分对应于步骤2得到水平直线或垂直直线图像中的任意条直线线段，则认定该直线线段为该电气符号的一部分，将该直线线段图像与步骤3.2修复后图像进行相加，得到再次修复后的图像，最后去除图像上的连接点；

步骤3.4、将步骤3.3得到的图像与步骤1预处理后图像进行与运算，得到分割后的电气符号图像。

进一步的，步骤1中所述图像预处理依次包括图像二值化、去噪和电路图中的字符去除；其中，图像二值化采用大津算法；去噪采用八邻域搜索算法计算连通域的面积，若连通域的面积小于8个像素，则认定为噪音并去除；电路图中的字符去除采用全局阈值法从图像中去除文本。

进一步的，步骤2所述水平直线和垂直直线提取的具体过程为：

以10个像素为步长，采取从上到下、从左到右的扫描方式对电路图图像进行扫描，将扫描结果用直方图表示，取直方图顶点的值作为直线宽度w；其中，对于每一条扫描线宽度，通过计算连续的白到黑、黑到白的两个转折点之间的距离得到；

采用形态学开运算提取水平线段或垂直线段，结构元素SE的选取采用如下公式：

SE＝strel('line',LEN,DEG)

其中，strel('line',LEN,DEG)为开运算的结构元素表达式，'line'表示开运算中指定形状、即直线；LEN表示直线长度、选取为5w；DEG表示角度、为0或90，当DEG为0时、得到水平直线段，当DEG为90时，得到垂直直线段。