[发明专利]一种无色差立体字符图像采集方法、增强方法及识别方法

说明书

本发明公开了一种无色差立体字符图像采集方法、增强方法及识别方法，所述采集方法包括以下步骤：将具有无色差立体字符的目标物体置于预定的采集位置；通过表面光源从无色差立体字符的正面照亮目标物体，通过线性光源从无色差立体字符的斜侧面照亮目标物体；通过摄影设备从无色差立体字符的正面拍摄被照亮的目标物体；通过计算机获取摄影设备拍摄到的无色差立体字符的二维图像。该采集方法能够采集到质量较高的无色差立体字符的二维图像，有利于后续的分析、增强处理、识别等工作的开展，降低了后续工作的难度，提高了无色差立体字符识别的稳定性和成功率。

技术领域

本发明属于无色差立体字符图像识别技术领域，具体涉及一种无色差立体字符图像采集方法、增强方法及识别方法。

背景技术

字符在工业市场中被利用于记录产品信息以及被设计便于分拣与运输，近年来，关于有色差字符(即光学字符)的识别大多是依靠光学字符识别(OCR)技术，这种技术的成熟度较高，发展的历程也较为悠久，识别的准确率、效率较高，但是识别普适性较差，识别对象只能针对于有色差的光学字符。在某些特定的领域，无色差立体字符因为其独特的成型原理、易于长时间保存信息的特点，被用于充当记录信息以及分类标记的角色，在工业生产中的角色相当重要。但是业界对于这种特殊字符进行识别的有效方法较少，都受制于无色差立体字符与周围环境颜色类似，字符采集过程影响识别工作以及在成型过程中字符形状缺陷造成较大的影响，因而现有的技术对无色差立体字符的识别效果并不理想。因此，首先有必要设计一种无色差立体字符图像采集方法。

常规的有色差光学字符的识别以OCR技术为主，因此OCR技术通常应用于具有明显的颜色区别力和对比的环境下，故针对无色差立体字符的识别效果难以令人满意。OCR技术的发展主要是从德国科学家的模板匹配法识别数字开始衍生。此后美国的研究团队申请了利用机器识别的专利，同时也提出了用机器识别文字的概念。之后，对于机器识别文字的算法，有专家分析了文字的特点，以拉丁字符为例，将字符分为不同的结构这一点为结构模式识别开辟了坚实的先河。这种对于传统的有色差字符的识别在经过长时间的发展之后较为成熟。我国国内对于OCR技术的研究起步虽然较晚，但在1989年清华文通的OCR工具面世以来，也有长足的发展。

但是，大多数现有的光学字符识别方法都是针对具有色差的普通字符。现有OCR方法的主要步骤可分为：图像采集，图像预处理，字符分割，特征提取，分类器设计和字符识别。图像预处理主要是指前景分割，对比度调整等。字符分割是指在图像中的字符被独立分离之后，对单个字符进行特征提取和识别。由于字符分割主要取决于字符与背景之间的颜色或亮度差异，因此常见的OCR方法不能直接用于无色差字符识别。

随着人工智能的不断发展，机器视觉已被广泛应用于工业检测、分拣、生产自动化等各个领域。近些年，已有相关的机器视觉识别算法广泛应用于工件上的有色差字符的文字识别，其大多数是通过传统的匹配代价函数以及工件特有的特征进行识别，例如灰度、角点、几何基元等，但识别算法的泛化性能较差，缺乏对无色差立体字符成像识别的能力，导致物品依据文字识别失败，反而需要人工重新分拣，大大提高了人工工作量以及降低了生产效率。机器视觉将识别算法的泛化性能推向了新的高度。根据使用的分割算法，大多数现有方法可以大致分为以下几类：阈值，边缘检测，形态学算子等。基于阈值的方法是直接使用图像的灰度特性来选择一个或多个阈值以进行字符分割；这些方法的基本思想是计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值进行比较，最后根据比较结果将像素划分为适当的类别；该方法的困难在于阈值的选择，而阈值容易受到噪声和亮度的影响。基于边缘检测的方法是通过检测图像中的边缘来分割字符；但是，稳定地检测边缘非常困难，并且存在常见的问题，例如过多的伪边缘或缺失的边缘，不连续的边缘等。基于形态的分割也是一种常见的字符分割方法，通常与其他方法结合使用；这种方法使用腐蚀和膨胀或其他运算算子来过滤图像；这种方法需要复杂的手动构造，并且处理效果对参数设置非常敏感。简而言之，这些方法鲁棒性较差，并且容易受到图像中的噪声和不均匀性的影响，并且泛化能力很差。

发明内容