一种改进PCA子空间金属标牌压印凹凸字符识别方法.pdfVIP

一种改进的PCA 子空间金属标牌压印凹凸字符识别 方法1 宋怀波，路长厚，李建美，卢国梁 山东大学机械工程学院，济南（250061 ） 摘 要：在对标牌图像进行主分量分析（PCA ）时，通常采用逐行（列）扫描的方法将其转 化成一维列矢量。当图像存在平移、旋转等问题时，所得到的样本可能成为离群样本，从而 导致识别率下降。提出了一种新颖的样本矢量提取方法，该方法首先提取图像的质心、主轴 等特征不变量，然后对图像进行极坐标变换，并按照一定的规则进行排序，最后得到具有平 移、旋转、尺度不变性的样本矢量。在此基础上对分割得到的单个字符采用 PCA 子空间方 法直接在灰度图像上进行识别。与通常采用的矢量形成方法相比，该方法具有更高的识别率。 关键词：凹凸字符识别；主分量分析；特征不变量 中图法分类号: TP391.41 文献标识码: A 像分布的各阶矩来描述图像灰度的统计特 0. 引言 征，目前在图像处理、目标识别等领域得到 金属标牌是绝大多数机电产品中不可 了广泛的应用[11-15] 。 缺少的重要标志，代表着产品性能、规格、 本文提出了一种新的图像矢量形成方 出厂代号、国家标准、生产日期等重要信息。 法，该方法首先以Hu 提出的一组由三阶以 实现标牌内容地自动检错、标牌信息地自动 [11] 内的中心矩组成的不变矩为基础 ，对图像 录入，对信息化物流管理 [1] 具有重要意义 。 进行平移、尺度以及旋转不变性变换；然后 压印凹凸字符的特点在于：字符是立体的， 将图像转换成极坐标，根据一定的规则提取 具有高度特征,字符和背景为同一材质，字符 具有尺度、平移和旋转不变性的样本矢量； 图像的前景和与背景无颜色差，很难采用传 最后采用 PCA 子空间方法直接在灰度图像 统的二值化方法来进行识别[1] 。 上实现标牌字符的识别，避免了图像二值化 主分量分析是统计模式识别常用的降 算法所带来的各种问题。 维方法[2][3][4] 。它可以实现保证最小均方差 1. 基于不变矩的线性不变性样 意义下进行特征提取， 消除原始样本向量 各分量之间的相关性，去除带有较少信息的 本特征提取 坐标轴以达到降低特征空间维数的目的，实 在目标自动识别领域中，图像形状特征 现信息压缩和降维[5] [6][7][8] 。在PCA 算法中， 的平移、尺度、旋转不变性是进行特征提取 普遍采用逐行或逐列扫描的方法将二维图 的前提条件。图像最基本的二维形状特征都 像转换成一维列矢量[2][3][5] 。当样本存在偏 与矩有直接的关系，不变矩利用图像的统计 斜、旋转等问题时，样本极有可能成为离群 特征，能够满足平移、尺度、旋转不变性， 样本，造成识别率的下降。 是一种有效的不变性特征提取方法[16] [17] 。 由于PCA 算法中所采用的矢量形成方 1.1 矩与样本的平移、尺度不变性 法不具有不变性，各样本之间的相关性较 差，如何得到更好的具有不变性特征的样本 设f (x , y ) 为一幅大小为MxN 的二维离 矢量成了一个亟待解决的问题[6] [9] [1