[发明专利]一种集装箱箱号预处理质量的智能评测方法

说明书

技术领域

本发明是运用在集装箱箱号识别系统的图像处理领域，主要是对集装箱箱号预处理的质量进行智能评测，并根据评测结果自动循环再处理的技术。

背景技术

集装箱是国际物流的主要运输装备，国际货运中有90％是通过集装箱运输来完成的。集装箱箱号是集装箱的唯一标识符，在集装箱管理中起着十分重要的作用。目前，我国许多集装箱码头的堆场管理和装卸船管理均已实现计算机化，但集装箱码头大门、集装箱起重机、大桥吊等处的集装箱箱号识别还依靠着人眼的识别。人工成本较大、工作效率低下，且枯燥的人工识别也容易造成识别的错误，加大了系统负担，导致港口吞吐量无法有效提高。因此，集装箱箱号自动识别技术作为我国港口智能化建设的重要组成部分，也逐渐成为了图像处理和模式识别领域的研究热点。

前人对集装箱箱号自动识别研究主要是通过如下四个关键环节进行处理：(1)箱号图像预处理，(2)箱号定位(3)箱号分割(4)箱号识别。本发明就是针对集装箱箱号预处理的质量进行智能评测并循环再处理。

集装箱箱号图像的预处理是整个系统识别率的基础和根本。因为识别系统是全天候运行在室外环境中的，采集时的角度、光照、环境等因素在很大程度上都会影响采集的箱号图像质量，从而对后续的箱号区域精确定位造成干扰。因此，为了保证后续的箱号准确定位、分割及识别工作顺利运行，需要先对采集的箱号图像进行一些预处理，以达到改善箱号图像的目的。在集装箱箱号自动识别系统涉及的一些预处理相关内容中，主要是对图像灰度化、图像增强、图像二值化及数学形态学等图像的处理技术。

上述的处理技术面对复杂的环境有非常大的局限性，通过单次预处理很难对所有图像有效。图像的灰度、增强、二值化等处理技术对光线的亮度和箱号周围环境的复杂度非常敏感；白天和晚上光线以及灯光照射等原因让图像的处理技术无法有一个自动适配的阈值；对于箱号周围污渍以及其他无用信息等干扰往往会让预处理的结果忽略了箱号信息。这样的结果会导致定位失败或者定位错误，更无法完成识别。

发明内容

本发明提供了一种集装箱箱号预处理质量的智能评测方法。该方式将针对图像预处理之后的结果进行评测，以自动选择是继续识别还是更换技术重新预处理。能够在箱号定位前保证预处理的图像是最佳图像，减少复杂环境导致的识别失败。

根据本发明提供的技术方案，所述的集装箱箱号预处理质量的智能评测方法步骤如下：

步骤1：对预处理后的图像做基于Canny算子的边缘检测生成边缘图。由于箱号字符的面积大小没有显著特点，容易被干扰。但是字符数量多而且相对集中，这样边缘图可以根据跳变次数准确判断位置。

步骤2：整体跳变次数评测

在整体跳变次数评测中，纵横箱号评测方式相同，这里只从横向箱号举例阐述。由于箱号是由四位英文字母、6位阿拉伯数字和1位阿拉伯数字校验码组成。所以预处理成功的图像，边缘图的单向跳变次数有一个绝对范围。

(1)跳变次数小于评测范围，说明预处理过度已经没有了箱号的信息。

(2)跳变次数大于评测范围，说明预处理后留下的图像不是箱号，而是大范围的冗余信息。导致的原因是箱号偏小或者箱号周围有类似箱号的干扰等。

(3)跳变次数符合评测范围，则进行下一步的评测。

步骤3：单侧投影分布模型评测

由于集装箱箱号印刷在集装箱上，所以采集图像的背景大部分为集装箱，而集装箱有其自身的特性，并且其上的图案有一定的规律，所以我们对预处理后的图像单侧投影，根据其投影构造模型，评测图像是否合格。

(1)预处理成功的图像的单侧投影分布至少具有一个波峰，而且其波峰符合步骤2的评测。如果图像中大部分投影均处在波峰左右的位置，那么预处理失败，导致失败的原因是图像光照过强或者过弱，使箱号与箱体融合。结果形成了箱体和背景对立的图像。

(2)波峰呈现一个跳变次数差距小于50的震荡波形。并且震荡波形最大值与最小值均处于步骤2的范围内。如果不满足此条件，导致失败的原因是处理的图像没有箱号或者箱号处理后残缺了。

(3)如果波形符合投影分布模型，则记录波峰进入下一步评测。

步骤4：基于双侧跳变模型的区域评测

经过前三个步骤，已经粗记录下具有单侧箱号特性的波峰位置，但是在集装箱上经常有类似箱号特性的图形干扰，比如投影特性相似的干扰花纹等。本步骤提取各波峰区域构建双侧跳变模型，评测该区域是否为类箱号区。

(1)双侧跳变模型如果长宽比异常则说明该区域为明显花纹区域，应当专项做去除处理。