[发明专利]基于BP神经网络预测阈值的仪表重影字符识别方法

摘要

本发明涉及图像识别领域，公开了一种基于BP神经网络预测阈值的仪表重影字符识别方法，包括如下步骤：获取数显仪表的彩色图像，并进行灰度化处理取得灰度图像，计算灰度图像的灰度级分布统计量，输入到BP神经网络，预测出理想的二值化全局阈值，并对灰度图像进行二值化，得到消除重影的二值图，再将二值图进行去除小连通域处理，创建二值图的最小外接矩形，计算出倾斜角度，并通过仿射变换实现倾斜矫正，采用投影分割法将矫正后的二值图分割成单个字符图像，将字符图像尺寸归一化到32×32，输入到LeNet‑5模型进行识别，取得数显仪表字符的识别结果。本发明基于BP神经网络预测阈值的仪表重影字符识别方法，有效克服重影的影响，识别率高、识别速度快。

主权项

1.一种基于BP神经网络预测阈值的仪表重影字符识别方法，其特征在于：包括如下步骤：/nA)通过摄像头获取数显仪表的彩色图像；/nB)对所述步骤A)中取得的彩色图像进行灰度化处理取得灰度图像；/nC)计算所述步骤B)中取得的灰度图像的灰度级分布统计量，输入到BP神经网络，预测出理想的二值化全局阈值，并对灰度图像进行二值化，得到消除重影的二值图；/nD)对所述步骤C)中取得的二值图进行去除小连通域处理；/nE)创建二值图的最小外接矩形，计算出倾斜角度，并通过仿射变换实现倾斜矫正；/nF)采用投影分割法将矫正后的二值图分割成单个字符图像；/nG)将所述步骤F)中取得的字符图像尺寸归一化到32×32；/nH)将尺寸归一化的字符图像输入到LeNet-5模型进行识别，取得数显仪表字符的识别结果。/n