[发明专利]一种固定比例图形的归类方法

说明书

本发明公开了一种固定比例图形的归类方法，步骤：一、用线段表示图形；二、把线段合并成块并编码；三、对块长度设定阈值，小于阈值的块的编码被剔除，然后合并相同的相邻的编码，得到最终的图形编码；四、根据编码，确定图形tt属于哪个子集合zt；五、根据图形tt的各个块在分区中的位置，归类图形tt是zt中哪一个标准图形‑类t，如能确定，就归类成功，否则，进行下一步；六、归类图形tt是zt中哪几个标准图形‑类t，如能确定，在这几个类t中进行精确归类，6.1）如能确定，就归类成功，6.2）否则归类失败，否则，进行下一步；七、归类失败。本发明抗图形偏移、抗噪声能力极强。

技术领域

本发明属于图形归类技术领域，具体涉及一种固定比例图形的归类方法。

背景技术

传统图形识别，主要有模板匹配法、神经网络法等。这些方法需要一个宽度、高度都固定的矩形输入模板，待识别的图形都要通过这个输入模板进入到识别模块去进行识别，要求待识别的图形与模板匹配，即宽度、高度都相等，旋转角度要很小。这些对图形获取设备与被拍摄的物体之间的距离、夹角、光照要求都较高，如果不能满足这些条件，识别率就会大大降低，很难工业化应用。

例如，如图1所示，图1包含7个图形，编号从0到7，0号图形是11*23(宽*高)的输入模板，1号图形是与模板匹配的图形，2号图形是宽度不变高度变小的待识别图形，3号图形是高度不变宽度变小的图形，4、5号图形均是有污点的图形，6、7号图形是逆时针、顺时针旋转了的图形。在传统识别方法中，如果待识别图形在高度、宽度方向上不匹配模板0号图形，要通过缩放图形来匹配模板，如图1中的2、3号图形；可是对于有污点的图形，尽管宽度高度可以缩放到模板要求的宽度高度，如图1中的4、5号图形，但图形已经变形，模板匹配的识别准确率就会大大降低；对于旋转了的图形，如图1中的6、7号图形，也属于图形变形，模板匹配的识别准确率也会大大降低；理论上，神经网络法可以解决图1中5、6、7号图形的问题，但是需要大量的样本图形来训练复杂的神经网络，实际上是办不到的，因为需要的神经元太多了。

发明内容

本发明提供一种固定比例图形的归类方法，抗图形中心偏移能力很强，抗噪声能力很强。

为了解决上述技术问题，本发明采用如下技术方案：

一种固定比例图形的归类方法，包括以下步骤：

(1)固定比例图形是内部比例不变的图形，待归类的固定比例图形tt为平面二值图形，将图形tt用X列Y行个行列点表示；

用水平线段来表示通过X列Y行个行列点所表示的图形tt中每一行的线段的开始坐标→结束坐标、线段数，进而得到纵线段表；

用垂直线段来表示通过X列Y行个行列点所表示的图形tt中每一列的线段的开始坐标→结束坐标、线段数，进而得到横线段表；

(2)在步骤(1)的纵线段表中从上到下对具有相同线段数的相邻行进行合并成为纵块，纵块名用线段数表示，顺序从上到下，将纵块名用空格做间隔连接成一个字符串即纵块编码，并记录相应纵块名所对应的纵块的开始坐标→结束坐标以及所对应的纵块的块长，得到纵块表；

在步骤(1)的横线段表中从左到右对具有相同线段数的相邻列进行合并成为横块，横块名用线段数表示，顺序从左到右，将横块名用空格做间隔连接成一个字符串即横块编码，并记录相应横块名所对应的横块的开始坐标→结束坐标以及所对应的横块的块长，得到横块表；

将纵块编码与横块编码用+号连接成一个字符串即得到图形tt的图形编码；

(3)对纵块与横块的块长度分别设定阈值，步骤(2)中小于阈值的块的编码被剔除，保留大于阈值的编码，然后在纵块、横块分别合并相同的相邻的编码，从而得到图形tt的最终的图形编码；