[发明专利]一种塑封邮件图像地址块定位方法

摘要

本发明公开了一种塑封邮件图像地址块定位方法，包括以下步骤：训练阶段中，步骤1：训练产生改进的BING模型；步骤2：标记训练邮件的正负样本；步骤3：采用稠密采样方式提取样本的SIFT特征；步骤4：利用样本SIFT特征构建视觉词典；步骤5：生成金字塔视觉直方图表征正负样本；步骤6：训练产生分类器模型。分类阶段中，步骤7：利用改进的BING模型产生测试邮件的候选域；步骤8：采用稠密采样方式提取候选域的SIFT特征；步骤9：生成金字塔视觉直方图表征候选域；步骤10：利用分类器模型定位邮件图像地址块。本发明的塑封邮件图像地址块定位方法，能减少塑封邮件的复杂背景干扰，定位出收件人地址块区域，为后续的邮件自动化分拣提供基础。

主权项

1.一种塑封邮件图像地址块定位方法，其特征在于，该方法包括以下步骤：训练阶段：步骤1：训练产生改进的BING模型；步骤2：标记训练邮件的正负样本；步骤3：采用稠密采样方式提取样本的SIFT特征；步骤4：利用样本SIFT特征构建视觉词典；步骤5：生成金字塔视觉直方图表征正负样本；步骤6：训练产生分类器模型；分类阶段：步骤7：利用改进的BING模型产生测试邮件的候选域；步骤8：采用稠密采样方式提取候选域的SIFT特征；步骤9：生成金字塔视觉直方图表征候选域；步骤10：利用分类器模型定位邮件图像地址块；其中：所述步骤1训练产生改进的BING模型，具体包括：训练阶段一：步骤1a：标定出邮件图像的样本集，其中正样本为人工标定的收件人地址块区域，负样本为随机产生的图像区域，该区域相对于收件人地址块的覆盖率低于50%；步骤1b：将正负样本都缩放到规定8×8大小，计算缩放区域的改进的梯度幅值特征NG，获得8×8的矩阵表征正负样本；步骤1c：根据步骤1b中样本的特征向量和标签采用LIBLINEAR库实现的线性SVM获得线性模型w；训练阶段二：步骤1d：将训练邮件图像缩放成16种不同的尺寸，其中缩放尺寸为，；步骤1e：对于步骤1d中得到的不同尺寸的训练邮件图像，采用模板匹配和非极大值抑制方法NMS获得候选窗口集合；步骤1f：将步骤1e中的候选窗口与步骤1a中的正样本进行交集计算，重合率大于0.5的候选窗口认为是正样本，否则为负样本；步骤1g：使用线性SVM训练出每个尺寸图像的模型，即系数和偏差值；所述步骤7利用改进的BING模型产生测试邮件的候选域，具体包括：步骤7a：加载训练产生的改进BING模型；步骤7b：将测试邮件图像缩放成16种不同的尺寸，并采用模板匹配和NMS方法获得候选窗口集合，其中缩放尺寸为，；步骤7c：计算每个窗口的最终分数，基于分数从大到小对相应窗口排序和过滤，产生一系列高质量的候选域集合。