电力杆信息牌图像中字符检测识别的方法技术

本发明专利技术涉及机器视觉中的图像处理技术领域，尤其涉及电力系统中高压输电线路巡检图像处理领域，具体是一种电力杆信息牌图像中字符检测识别的方法

【技术实现步骤摘要】
电力杆信息牌图像中字符检测识别的方法


[0001]本专利技术涉及机器视觉中的图像处理
，尤其涉及电力系统中高压输电线路巡检图像处理领域，具体是一种电力杆信息牌图像中字符检测识别的方法
。

技术介绍

[0002]输电线路是电网系统中的至关重要的组成部分，其作为电网系统的主干线路，对整个电网可靠
、
长期
、
安全稳定运行起到了决定性的作用，并且电网系统长期有效的运行直接关系到国家经济的健康稳定发展
。
电力杆
(
塔
)
号牌中的信息是电力线路的“身份证”，它不仅包含线路的电压等级
、
地点位置
、
编号等信息，而且起到宣传电力知识
、
安全警示的作用
。
电力杆信息牌大大方便了电力巡检和检修有关工作，尤其是无人机
、
电力机器人日常巡检
。
如果遇到线路故障的话，通过电力杆信息牌可以快速准确地查找到故障地点和位置，提高工作效率
。
随着电网的数量增加，电力杆和杆塔的数量也逐年增长，而电力杆号牌中的信息丰富，对于保障电网安全具有非常重要的作用
。
[0003]对于自然场景下的电力杆信息牌的字符检测和识别，除了受到强电场
、
光照
、
模糊
、
非文本等因素影响外，还受到图像中相邻文本排列方向的影响
。
[0004]目前，对于电力杆信息牌图像文字检测和识别方法依赖各类汉字和数字模板，不仅需要建立大数量的模板库，而且对每一个模板的遍历过程大大增加了耗时和计算量
。
而基于神经网络的识别系统存在模型体积大，样本数量大，训练复杂，实时性较低等问题
。
[0005]而基于
Imbinarize
‑
MSER
和数学形态学的字符检测算法和
OCR
识别技术，可以较好地描述文本内部颜色的一致性，一定程度上克服噪声和仿射变换带来的干扰
。
最大稳定极值区域属于极值区域的一个子集
。
由于最大稳定极值区域对于连续的坐标变换和图像亮度的单调变换是封闭的，使得最大稳定极值区域对平移变换
、
角度变换
、
尺度变换
、
光照变换
、
旋转变换等都具有很好的鲁棒性
。
数学形态学可以简化图像数据，保持它们的基本形状特性，并除去不相干的结构
。OCR
技术相对成熟，识别率高
。

技术实现思路

[0006]针对电力杆信息牌图像的文字信息丰富
、
背景复杂等问题，本专利技术提供了一种电力杆信息牌图像中字符检测识别的方法，该方法使用
MSER
改进算法
、
几何特征与数学形态学进行检测
、
无向图合并区域和
OCR
识别技术，通过
Matlab
平台进行仿真实验，利用局部特征检测算法进行检测和定位，识别准确率高
。
[0007]本专利技术是通过以下技术方案实现的：一种电力杆信息牌图像中字符检测识别的方法，包括如下步骤：
[0008]S1
：利用仿射变换和裁剪算法对采集到的电力杆信息牌图像进行预处理；
[0009]S2
：利用
Imbinarize
‑
MSER
算法提取经过预处理的电力杆信息牌图像特征点，获取字符候选区域；
[0010]S3
：利用几何特征和数学形态学去除字符候选区域中的非字符区域，获得单个字
符区域；
[0011]S4
：利用无向图将单个字符区域合并为文本行；
[0012]S5
：利用
OCR
技术对文本行进行文字识别
。
[0013]作为本专利技术技术方案的进一步改进，在步骤
S1
中，所述仿射变换指定3×3数值矩阵，每幅电力杆信息牌图像看作是行列排列组成的像素点，
[x y 1]＝
[x
0 y
0 1]×
T
，
P0(x0,y0)
为图像变换前的像素点，
P(x,y)
为图像变换后的像素点，
x0、y0、x、y
是空间坐标，
T
为变换矩阵，其中平移变换矩阵
u
和
v
为平移量；旋转变换矩阵换矩阵
θ
为旋转变换角度；缩放变换矩阵
c
和
d
为缩放比例；调整矩阵
T
中的值，实现像素点坐标的变换
。
[0014]作为本专利技术技术方案的进一步改进，在步骤
S2
中，
MSER
算法提取电力杆信息牌图像特征点时，通过像素点排序
、
提取极值区域
、
确定最大稳定判定条件
、MSERs
区域拟合
、MSERs
区域归一化获得字符候选区域
。
[0015]作为本专利技术技术方案的进一步改进，在进行像素点排序时，对图像像素点进行灰度处理，对给定的图像根据灰度值大小进行排序
。
[0016]作为本专利技术技术方案的进一步改进，在确定最大稳定判定条件时，将极值区域作为节点，采用节点构造成分树，像素点为节点，采用节点构造成分树，像素点
R
i
为极值区域，
R
i
∈D
，
D
为区域，
boundary(R
i
)
为极值区域边界，极值区域
R
i
即为阈值图像
I
i
的连通域：
[0017][0018]i
为阈值；
I
是图像的灰度值；成分树的边界定义了连通域之间的包含关系，当极值区域
R
i
是
R
j
的子区域，则通过向上移动成分树，极值区域相关的阈值
i
不断减少，同时极值区域
R
i
的大小不断增加，当二值化阈值
i
在
[i
‑
Δ
，
i+
Δ
]变化时，
Δ
是微小的灰度变化，连通域也相应地变为
R
i+
Δ
和
R
i
‑
Δ
，在这个变化范围内具有极小变化率
q(i)
的区域被认为时
MSERs
区域
。
[0019]作为本专利技术技术方案的进一步改进，在步骤
S3...

【技术保护点】

【技术特征摘要】
1.
一种电力杆信息牌图像中字符检测识别的方法，其特征在于，包括如下步骤：
S1
：利用仿射变换和裁剪算法对采集到的电力杆信息牌图像进行预处理；
S2
：利用
Imbinarize
‑
MSER
算法提取经过预处理的电力杆信息牌图像特征点，获取字符候选区域；
S3
：利用几何特征和数学形态学去除字符候选区域中的非字符区域，获得单个字符区域；
S4
：利用无向图将单个字符区域合并为文本行；
S5
：利用
OCR
技术对文本行进行文字识别
。2.
根据权利要求1所述的一种电力杆信息牌图像中字符检测识别的方法，其特征在于，在步骤
S1
中，所述仿射变换指定3×3数值矩阵，每幅电力杆信息牌图像看作是行列排列组成的像素点，
[x y 1]
＝
[x
0 y
0 1]
×
T
，
P0(x0,y0)
为图像变换前的像素点，
P(x,y)
为图像变换后的像素点，
x0、y0、x、y
是空间坐标，
T
为变换矩阵，其中平移变换矩阵
u
和
v
为平移量；旋转变换矩阵
θ
为旋转变换角度；缩放变换矩阵
c
和
d
为缩放比例；调整矩阵
T
中的值，实现像素点坐标的变换
。3.
根据权利要求1所述的一种电力杆信息牌图像中字符检测识别的方法，其特征在于，在步骤
S2
中，
MSER
算法提取电力杆信息牌图像特征点时，通过像素点排序
、
提取极值区域
、
确定最大稳定判定条件
、MSERs
区域拟合
、MSERs
区域归一化获得字符候选区域
。4.
根据权利要求3所述的一种电力杆信息牌图像中字符检测识别的方法，其特征在于，在进行像素点排序时，对图像像素点进行灰度处理，对给定的图像根据灰度值大小进行排序
。5.
根据权利要求3所述的一种电力杆信息牌图像中字符检测识别的方法，其特征在于，在确定最大稳定...

【专利技术属性】
技术研发人员：张利平，赵俊梅，刘丹，李晓，任一峰，陈昌鑫，肖宇，王鑫，
申请(专利权)人：中北大学，
类型：发明
国别省市：