機器學(xué)習(xí)與深度學(xué)習(xí)的快速發(fā)展,在傳統(tǒng)的圖像處理領(lǐng)域中又帶動起了一波新的發(fā)展潮流,新的機器學(xué)習(xí)方法應(yīng)用于圖像文本識別領(lǐng)域的方法研究日趨活躍。同時伴著智能設(shè)備的發(fā)展,為了適應(yīng)更快的生產(chǎn)節(jié)奏,更高的生產(chǎn)效率,傳統(tǒng)的工業(yè)生產(chǎn)方式也急需新的技術(shù)改革。圖像文本識別在工業(yè)領(lǐng)域中亦是不可或缺的一員,無論是自動化生產(chǎn)線還是物流運輸,處處都需要圖像文本識別技術(shù)。本文以電路板印刷字符的圖像文本識別技術(shù)為研究課題,主要研究了工業(yè)背景下的圖像文本字符區(qū)域識別、字符分割、字符識別等,具體內(nèi)容如下:1)研究了以PCB板為背景的文本準確區(qū)域定位方法,在提取候選字符區(qū)域方面,傳統(tǒng)算法是使用最大穩(wěn)定極值區(qū)域算法然后直接進行字符分割,這種方法在在噪聲較多的背景下效果并不理想,本文在使用MSER算法后將極大值區(qū)域進行形態(tài)學(xué)處理,并提出一種自設(shè)規(guī)則過濾器,根據(jù)文本區(qū)域特征篩選掉大部分的非文本區(qū)域,然后提取訓(xùn)練樣本的HOG特征,對樣本進行訓(xùn)練,使用SVM分類器實現(xiàn)候選區(qū)域準確定位。并統(tǒng)計分析了測試用例的準確率和可行性。2)研究了字符精準分割方法,為了能夠更加準確的將文本區(qū)域中的每一個字符分割出來,獲得比傳統(tǒng)方法更好的分割準確率,... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖片像素值示意圖

技大學(xué)碩士學(xué)位論文( )i iiS S iS+ = 將下面九個像素點組成一張圖，每在像素點的灰度值。321322 2.1 圖片像素值示意圖3 2 2

(d) 2.3 MSER 實驗對比圖。(a)原樣本圖片；(b)MSER+實驗圖；(c)MSER-實驗圖；最終實驗圖學(xué)形態(tài)學(xué)處理上述效果圖 2.3（d）可以看出經(jīng)過 MSER 算法處理以后，圖片中依無關(guān)區(qū)域，并且字符區(qū)域并未處于同一連通域內(nèi)，分別處于幾個不這給后面的字符檢測和識別帶來不必要的麻煩。所以運用數(shù)學(xué)形態(tài)處理，以期望能夠得到良好的字符候選區(qū)。學(xué)形態(tài)學(xué)是由形態(tài)學(xué)和集合論是的兩大理論基礎(chǔ)，數(shù)學(xué)形態(tài)學(xué)經(jīng)常與圖像處理領(lǐng)域，并在圖像處理的領(lǐng)域中具有不可替代的地位。數(shù)將區(qū)域中各種形狀特點突出出來，將區(qū)域內(nèi)的形狀特色鮮明的展現(xiàn)們將所想要的形狀特點提取出來。所以，數(shù)學(xué)形態(tài)學(xué)正是由于擁有夠成為圖像處理、機器視覺、目標檢測等技術(shù)中不可或缺的重要一圖像處理算法的核心部分之一。

【參考文獻】：
期刊論文
[1]基于MSER和PHOG特征的交通標志檢測方法[J]. 王斌.  智慧工廠. 2015(10)
[2]A GAUSSIAN MIXTURE MODEL-BASED REGULARIZATION METHOD IN ADAPTIVE IMAGE RESTORATION[J]. Liu Peng Zhang Yan Mao Zhigang (Shenzhen Graduate School,Harbin Institute of Technology,Shenzhen 518055,China).  Journal of Electronics（China）. 2007(01)

博士論文
[1]金屬標牌壓印凹凸字符的特征提取和識別方法研究[D]. 李學(xué)勇.山東大學(xué) 2008



本文編號：3209126