[发明专利]图像字符识别方法在审

专利信息
申请号: 201811556847.2 申请日: 2018-12-19
公开(公告)号: CN109753958A 公开(公告)日: 2019-05-14
发明(设计)人: 李晨;叶静萍 申请(专利权)人: 安徽典典科技发展有限责任公司
主分类号: G06K9/32 分类号: G06K9/32;G06K9/34;G06K9/46
代理公司: 北京联瑞联丰知识产权代理事务所(普通合伙) 11411 代理人: 苏友娟
地址: 230000 安徽省合肥市*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 二次处理 图像字符 外形特征 网格特征 图像 网络传输系统 采集 内存缓冲区 定位技术 干扰因素 特征区域 图像分割 网格坐标 识别率 映射 准确率 灰度 校正 解析 存储 载入 占用 图片
【权利要求书】:

1.一种图像字符识别方法,其特征在于,具体包括以下步骤:

(1)获取稳定的图片源,将采集到的图像通过网络传输系统载入到内存缓冲区;

(2)对采集到的图像进行二次处理,提高图像的对比度;

(3)使用灰度定位技术,将二次处理后的图像分割为不同的识别单元,对识别单元进行校正和定位;

(4)将识别单元映射到网格坐标系统中,形成网格特征区域,计算每个特征区域中灰白点的占用比例数,形成网格特征区域的外形特征;

(5)完成所有识别单元的外形特征解析后,进行存储。

2.根据权利要求1所述的图像字符识别方法,其特征在于,步骤(1)中,获取稳定的图片源,具体由成像设备、成像感应装置、照明系统和辅助装置组合工作获取。

3.根据权利要求2所述的图像字符识别方法,其特征在于,成像设备包括但不限于相机、摄像头,成像感应装置为红外感应装置,辅助装置包括但不限于防抖动设备、远距离放大设备。

4.根据权利要求1所述的图像字符识别方法,其特征在于,步骤(2)中,对采集到的图像进行二次处理,二次处理包括但不限于灰化、边缘增强、滤波和去除噪点,二次处理的过程中使用傅里叶、沃尔什二种算法同时处理的策略。

5.根据权利要求4所述的图像字符识别方法,其特征在于,去除噪点具体包括

从图像的左侧开始,顺序向右,对图像的像素点灰度值进行数值排序,当某个像素点的获取值小于定值时,可判断此像素是噪点,去除。

6.根据权利要求4所述的图像字符识别方法,其特征在于,边缘增强具体包括

梯度边缘检测:按照垂直方向和对角线方向计算相邻两像素之间的差值梯度,小于计算值的部分忽略,大于计算值的部分保留;或

利用微分运算计算像素的变化率,加强高频分量,从而使轮廓清晰。

7.根据权利要求1所述的图像字符识别方法,其特征在于,步骤(3)中,使用灰度定位技术,将二次处理后的图像分割为不同的识别单元,具体包括

通过比较图片中的纹理,在横向、纵向二个方向将识别单元边缘化,形成连通的封闭空间,再对此封闭空间中的边缘部分进行特征筛选,形成较为准确的识别单元。

8.根据权利要求7所述的图像字符识别方法,其特征在于,步骤(4)中将识别单元映射到网格坐标系统中,形成网格特征区域,具体包括

在X*Y的坐标系统中,建立12*12的网格坐标,形成144个网格特征区域。

9.根据权利要求8所述的图像字符识别方法,其特征在于,若存在异同大小的识别单元,使用垂直投影的方法计算列方向的非零像素点个数,当此个数突变一定比例时,结束一次投影面的计算,表示一个识别单元的生成,将此生成单元映射到12*12的网格坐标中,完成形状大小的匹配。

10.根据权利要求1所述的图像字符识别方法,其特征在于,步骤(5)中,完成所有识别单元的外形特征解析后,进行存储,具体指的是

将所有识别单元的外形特征解析结果存储至共享内存映射SMEMBuffer服务开辟的存储地址段。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽典典科技发展有限责任公司,未经安徽典典科技发展有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811556847.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top