近年來,經(jīng)濟的快速增長不斷地促進了物流業(yè)的發(fā)展,集裝箱運輸成為物流運輸?shù)闹饕绞街�。為了有效地管理集裝箱,基于機器視覺的集裝箱智能識別系統(tǒng)得到了普遍運用。在集裝箱智能識別系統(tǒng)對采集到的集裝箱圖片識別之前,需要對圖片進行灰度化處理,灰度化后的圖像數(shù)據(jù)量小且含有原圖的大部分信息,既不影響后續(xù)的箱號識別而且能夠降低運算速度。但在灰度化過程中,由于傳輸過程引入噪聲或集裝箱字符區(qū)域污損等原因,導致灰度化后的圖像對比度低或缺失信息,造成系統(tǒng)識別率低、識別速度慢。本文針對集裝箱智能識別系統(tǒng)進行集裝箱箱號識別這一背景,圍繞圖像灰度化方法這一課題進行了相關的研究工作。主要研究工作如下:針對集裝箱智能識別系統(tǒng)拍攝傳輸過程中引入的噪聲以及圖片字符區(qū)域存在陰影的問題,構建了一種基于灰度拉伸結合灰度直方圖均衡的灰度圖像優(yōu)化處理方法。該方法通過K-means算法分析圖像灰度級分布以及關注區(qū)域灰度變化,然后進行灰度拉伸,拉伸后再將灰度圖像進行灰度均衡處理,增強所需區(qū)域對比度,以降低灰度化過程中產(chǎn)生的噪聲,同時保留彩色圖像灰度化后的圖像細節(jié)。針對集裝箱字符識別區(qū)域污損等問題,使用主成分分析法(PCA)結合貝葉斯閾值估計灰度變化率的混合法來對圖像的灰度化進行優(yōu)化,可以在判斷圖像中某一點灰度值與周圍相鄰像素點的灰度值的變化率后,彌補缺失信息,有效確定邊緣特征,從而提高后序的字符識別準確率。最后通過評價比較選擇主成分分析法結合貝葉斯閾值估計灰度變化率的混合法設計實現(xiàn)了一套用于物流園的集裝箱智能識別系統(tǒng)。經(jīng)過實驗驗證在對78幅物流園采集的集裝箱箱號的識別中,通過使用本文所構建的混合灰度化方法相較普通的均值法、加權平均法的灰度化方法,單一字符準確率可達95%,箱號準確率可達98%。
【學位單位】：蘭州交通大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP391.41;U169
【部分圖文】：

（a）RGB 模型 （b）HIS 模型圖 2.1 RGB 和 HSI 模型示意圖I 模型的轉換可以由下列公式表示，當擁有一副 三個分量，這樣可以計算出 H，S，I 分量大小360B GHB G 1221[( ) ( )]2cos[( ) ( )( ) ]R G R BarcR G R G G B 3S 1 [min( R, G , B)]R B G 1( )3I R G B RGB 的空間圖像以及轉換到 HIS 的空間圖像

圖 2.1 RGB 和 HSI 模型示意圖B 到 HSI 模型的轉換可以由下列公式表示，當擁有一副彩色圖像時R，G，B 三個分量，這樣可以計算出 H，S，I 分量大小。360B GHB G 1221[( ) ( )]2cos[( ) ( )( ) ]R G R BarcR G R G G B 3S 1 [min( R, G , B)]R B G 1( )3I R G B2.2 所示為 RGB 的空間圖像以及轉換到 HIS 的空間圖像。

集裝箱箱號識別定位中灰度化方法研究的相同的一種灰度顏色，灰度值較大的圖像像素較亮，這樣看起來黑色比較淺(像最大值為 255，就是白色)，反之亦然。最常用的圖像灰度算法有以下 3 種: 最大值方法: 使轉換后的 r、g、b 等于前 3 值大的數(shù)值, 即 r g b max( r , g , b),處理效果如圖 2.3（a）所示；平均值方法: 轉換r，g，b 的平均值，即 r g b ( r g b)/3，作為圖像所有的像素點值，這樣形灰度圖像看起來比較平和，所有的點看起來都是模糊的，處理效果如圖 2.3（b）所加權平均值方法：1 2 3r g b r g b,1 2 3 , , 分別為 r，g，b 的權值，對這三個顏色分量取不同的權值就會形成不同的灰度圖像，由于人眼結構會對色彩感度逐漸減少，因此，將獲得易于識別的灰度圖像。有研究表明，用加權值( 0.299、7、0.114 )得到的灰度圖像最好，處理效果如圖 2.3（c）所示。

【相似文獻】

相關期刊論文 前10條

1 黃虎;雷宇輝;楊丁;熊晨皓;;基于粒子群優(yōu)化的自適應灰度化算法[J];微型電腦應用;2019年06期

2 張超;李小平;;一種灰度化混合法在集裝箱箱號識別中的運用[J];計算機與現(xiàn)代化;2019年05期

3 肖劍雄峰;趙漢理;吳承文;;局部對比度增強的彩色圖像灰度化參數(shù)化算法[J];計算機時代;2016年03期

4 彭召意;16位位圖的灰度化處理方法[J];中國包裝工業(yè);2002年06期

5 方義強;朱斌;樊祥;施展;程正東;;局部灰度化的空中紅外目標探測方法[J];光學學報;2014年04期

6 邵嵐;姚艷松;尚福;;基于PCA人臉識別原理[J];網(wǎng)絡安全技術與應用;2019年01期

7 宋鳳菲;陳鍛生;吳揚揚;;采用像素配對的自適應對比增強灰度化法[J];華僑大學學報(自然科學版);2014年06期

8 彭nο

本文編號：2814337