基于图像识别技术船舶水尺刻度线检测算法研究.docVIP

基于图像识别技术船舶水尺刻度线检测算法研究 　　摘要：本文利用Matlab7.0作为仿真环境，通过采集到的视频图像序列，设计船舶水尺刻度线的图像识别算法，实现船舶水尺刻度线的自动检测。实验表明该系统具有速度快，精度高的特点，解决了人眼不能准确确定船舶水尺刻度线的数值的问题。 　　关键词：水尺 检测 图像识别 　　中图分类号：TP274 文献标识码：A 文章编号：1007-9416（2013）01-0114-02 　　1 引言 　　随着航运技术的发展，船舶运输越来越受到人们的关注。船舶的水尺计重作为一种科学的计重方法，具有一定的准确性，在国际上已广泛应用，其计算结果可作为商品交接结算、理赔、计算运费和通关计税的依据。其适用于价值较低，衡重困难的大宗散装固体商品，例如煤炭、铁矿石、水泥、粮食等商品的重量计算。水尺计重的优点是省时、省力、省费用，能迅速计算出整船货物的重量，但是计算过程较为复杂，影响计重结果的客观因素较多，特别船舶刻度观测水平是影响水尺准确性最重要因素。船舶吃水线的检测目前主要依靠经过长期训练的观察人员目测船舶的水尺标志而获得船舶的实际吃水值，为了获得较为精确的数值，需要观察人员多次查看，以求得平均值。这种人眼目测船舶吃水线数值的方式，往往带有主观性，存在较大的局限性，例如：观测不方便，受环境影响大，并且观测存在一定危险。因此，本文提出采用Matlab7.0作为仿真环境，利用图像处理技术，设计船舶吃水线自动检测的算法来自动检测船舶水尺刻度数值，可以克服人工目测所引起的一系列问题，完整的记录整个观测阶段的吃水线位置，并使后续的数据处理成为可能。降低了系统复杂性，又提高了效率和准确度。 　　2 图像识别技术的原理 　　近年来，拍摄设备性能的不断完善，设备的分辨率能够达到很精确的程度，图片质量清晰度非常高，同时计算机体系结构和算法的快速发展，使得图像处理的性能和运算速度得到了较大提高，这些都为吃水线的求取提供了可能。一幅图像在计算机中可以定义为一个二维函数f（x，y），其中x和y是空间（平面）坐标，而在任何一对空间坐标（x，y）处的幅值f称为该点处的灰度，当x，y和灰度值f是有限的离散数值时，我们称该图像为数值图像，数字图像处理就是借助计算机来处理上述这些数字图像。数字图像是由有限数量的元素组成的，每个元素都有一个特殊的位置和数值，要将一副图像转化为数字形式，就要求数字化x，y和灰度值f。在此基础上，利用上述数值，设计相应的算法即可得到船舶水尺精确的刻度值。 　　3 船舶吃水线刻度检测算法的设计 　　3.1 总体结构设计 　　本文利用Matlab7.0作为仿真环境，通过采集到的视频图像序列，首先设计计算法检测出吃水线边缘，找到吃水线的位置，然后对船帮上刻度字进行分割，并求出水平面距离所在刻度上边缘的距离，利用BP神经网络对水尺刻度线进行识别，得到吃水线的数值。吃水线检测算法的总流程图如（图1）所示： 　　3.2 船舶吃水线刻度检测算法关键步骤的处理 　　3.2.1 图像的灰度化和二值化处理 　　相比彩色图像，灰度图像的边缘检测较为方便和快捷，计算量小，所以先将获取到的彩色图像转为灰度图像。而图像的二值化处理就是将图像上的像素点的灰度值设置为0至255，将采样后所得到的各像素的灰度值用矩阵表示，即灰度图的量化。所有灰度值大于或者等于阀值的像素被判定为特殊物体，灰度值小于阀值的则表示为背景或者其他物体区域。通过将灰度值投影到曲线上，则可以获得灰度值的分布特征。 　　3.2.2 选择合适的边缘检测算法找到吃水线的边缘 　　数字图像的边缘检测是图像分割，目标区域识别，区域形状提取等图像领域中十分重要的基础，边缘是图像的最基本特征之一，它是利用周围像素灰度有阶跃变化或屋顶变化的像素的集合。边缘检测算法大致分为两类：基于查找和基于零穿越的边缘检测。常用的边缘检测算法有：Roberts、Prewitt、Sobel、LOG、Canny算法等。 　　3.2.3 选择合适的阀值对刻度字的分割 　　图像分割是一种重要的图像分析技术，在对图像的研究和应用中，人们往往仅对图像中的特定部分感兴趣。为了识别和分析图像中得目标，需要将它们从图像中分离提取出来，在此基础上才有可能进一步对目标进行测量和对图像进行利用。而分割字符的思想就是利用刻度字区域黑色像素点比较多，比较集中，同时根据水尺标志的特点，每个字符之间有10cm的空隙间隔隔开，这样得到的投影图有几个比较集中却又有明显分割的投影峰值群，通过设定特定的阀值来判定特定物体，通过这种方法将找出船帮上刻度字的左右边界。 　　3.2.4 选择BP神经网络对船帮处水尺字符进行识别 　　字符识别的主流技术有：统计决策法、人工智能法、模板匹配法和人工神经元网络法等。同在字符