[发明专利]基于极限学习机的扫描证书图像识别方法

权利要求书

1.一种基于极限学习机的扫描证书图像分类方法，其特征在于，包括如下步骤：

A：输入扫描证书图像数据样本库，进行预处理；

B：对经过预处理的证书图像利用Hough变换进行圆章定位，得到圆章外接矩形区域，提取圆章区域的HSV颜色特征向量及图像的长宽比向量作为特征数据；

C：利用扫描证书图像样本库特征数据训练极限学习机；其具体操作步骤如下：

C1根据神经网络基本模型及极限学习机的特点，随机生成输入权重w_i与偏置b_i，i＝1ΛL；

C2根据公式计算训练样本的特征在隐藏层的响应H，其中h(x)＝[g(w₁·x+b₁)g(w₂·x+b₂)...g(w_L·x+b_L)]，g为神经元的激励函数；

C3根据公式计算输出权重矩阵β，其中H⁺＝(H^TH+λI)^-1H^T,L＞N或者H⁺＝H^T(HH^T+λI)^-1,L≤N，H⁺是隐藏层响应矩阵H的Moore-Penrose增广逆，在H^TH或HH^T的对角线上添加一个小的正数λ以使得整个系统更加稳定；

当计算完毕时，一个单隐藏层反馈神经网络就完成了；D：输入待分类图像经过A，B步骤处理，利用经过训练的极限学习机完成图像分类。

2.根据权利要求1所述的基于极限学习机的扫描证书图像分类方法，其特征在于，所述步骤A中预处理是利用现有噪声滤除和倾斜校正方法进行预处理。

3.根据权利要求1所述的基于极限学习机的扫描证书图像分类方法，其特征在于，所述步骤B具体操作步骤如下：

B1利用现有圆章定位的方法，对定位得到的圆章所在的外接矩形进行分割提取，得到圆章区域；

B2将色度H、饱和度S及亮度V三个分量分别非均匀量化为8份、4份和4份：

这样圆章区域的HSV空间被分成X_H+X_S+X_V个区间，X_H、X_S、X_V分别是H、S及V的量化级数，于是得到一个十六维的颜色特征向量，加上扫描图像图片长宽比，最终提取一个十七维特征向量；

B3对所有特征值提取一位数的整数，选取的十七维特征用X_k0,X_k1...X_k16表示，取值范围为[0，9]之间的整数。

4.根据权利要求1所述的基于极限学习机的扫描证书图像分类方法，其特征在于，所述步骤D具体操作步骤如下：

D1待分类图像经过A，B步骤处理；

D2待分类图像的特征数据作为测试数据输入极限学习机，极限学习机输出分类结果，对于一个类型未知的测试样本x，通过单隐藏层反馈神经网络推测它的类型，它的类型可以用下式推测：h(x)＝[G(w₁,b₁,x)ΛG(w_L,b_L,x)]是神经网络隐藏层关于x的响应。