[发明专利]一种基于深度学习网络的手机导光板模号识别方法

权利要求书

1.一种基于深度学习网络的手机导光板模号识别方法，其特征在于，包括步骤如下：采集导光板图像F，传到上位机进行处理，对导光板图像F进行倾斜校正处理得到倾斜校正后的导光板图像F′；在导光板图像F′上截取模号区域，得到手机导光板模号区域图像M作为模号识别网络的输入进行模号识别，获得模号位置以及模号数字结果；

所述倾斜校正处理包括对导光板图像F进行灰度拉伸、边缘检测、最小二乘法线段拟合获得导光板四条边界所在的直线方程以及边界线段的端点坐标，然后计算边界所在直线两两交点坐标和计算边界线段最小距离，利用投影变换进行倾斜校正。

2.根据权利要求1所述的一种基于深度学习网络的手机导光板模号识别方法，其特征在于，所述灰度拉伸为：

使用线性灰度变换对所述导光板图像F进行线性拉伸获得导光板灰度拉伸图像，线性灰度变换公式如下：

其中，f(x,y)为初始图像，g(x,y)为初始图像经过线性变换后的输出图像，[a,b]为初始图像f(x,y)中需调整的灰度范围区间，[m,n]为调整后g(x,y)中对应的灰度范围区间。

3.根据权利要求2所述的一种基于深度学习网络的手机导光板模号识别方法，其特征在于，所述边缘检测为：

采用高斯导数滤波对所述导光板灰度拉伸图像进行边缘检测，分别在x方向、y方向进行滤波，获得手机导光板边缘图像，得到导光板上下横向边界、左右纵向边界所在边缘；若高斯模板的尺寸为(2k+1)×(2k+1)，则高斯模板H(x,y)中元素值为：

其中σ是高斯滤波器的标准差，i、j分别对应高斯模板中横、纵坐标的索引；

二维高斯函数在x方向、y方向上的偏导数为：

高斯导数滤波的表达式为：

F_x＝F(x,y)×H_x(x,y)

F_y＝F(x,y)×H_y(x,y)

其中F(x,y)为原始图像，H(x,y)为高斯滤波模板，H_x(x,y)与H_y(x,y)分别是高斯函数在x方向、y方向上的导数，F_x、F_y是原始图像F(x,y)分别与H_x(x,y)、H_y(x,y)进行卷积后的输出图像。

4.根据权利要求3所述的一种基于深度学习网络的手机导光板模号识别方法，其特征在于，所述最小二乘法线段拟合为：

对所述边缘检测获取到导光板的上、下、左、右四条边界所在边缘利用最小二乘法对边界边缘进行线段拟合，得到四条边界所在的直线方程以及边界线段的端点坐标，最小二乘法拟合过程如下：

假设导光板边界拟合线段所在的直线方程为y＝kx+b，导光板边界上点集{(x_i,y_i),i＝0,1,2,…,m}中的点(x_i,y_i)到直线y＝kx+b上的误差err如下所示：

err_i＝kx_i+b-y_i，

点集中所有点到拟合直线的误差平方和为：

令

则最佳的拟合参数k^*、b^*为：

其中m为点集中点的数目；

得到拟合的直线方程：y＝k^*x+b^*。

5.根据权利要求4所述的一种基于深度学习网络的手机导光板模号识别方法，其特征在于，所述计算边界所在直线两两交点坐标为：

联立两两相邻边界所在直线方程，分别得到两两边界相交的四个交点坐标为O₁(x₁,y₁)、O₂(x₂,y₂)、O₃(x₃,y₃)、O₄(x₄,y₄)。