重軌生產(chǎn)線鋼坯字符識(shí)別方法

楊義軍，洪漢玉*，章秀華，王逸文，俞喆俊

(1.武漢工程大學(xué)圖像處理與智能控制實(shí)驗(yàn)室，湖北 武漢 430205；2.北京科技大學(xué)數(shù)理學(xué)院，北京 100083)

0 引 言

國(guó)內(nèi)的鋼鐵集團(tuán)和大型軋鋼廠主要靠人工檢測(cè)識(shí)別鋼坯端面的字符，并沒有形成對(duì)鋼坯字符進(jìn)行計(jì)算機(jī)自動(dòng)識(shí)別的成熟技術(shù).因此急需鋼坯字符識(shí)別方法，以滿足高速重軌生產(chǎn)線鋼坯從煉鋼到軋鋼的支支跟蹤需求，提高生產(chǎn)率.但由于武鋼高速重軌生產(chǎn)線場(chǎng)景復(fù)雜，以及鋼坯號(hào)字符復(fù)雜多變沒有固定的模式，如圖1所示，使得重軌生產(chǎn)線鋼坯字符識(shí)別在理論和方法上存在著以下難點(diǎn)[1]：1)復(fù)雜環(huán)境：生產(chǎn)線復(fù)雜的外部環(huán)境嚴(yán)重影響著鋼坯字符的正確識(shí)別，如生產(chǎn)線高溫、高熱，光照不均、白天和晚上不同的背景光、光照角度等.2)字符缺陷：鋼坯字符存在字體變異、污損、字符信息微弱、字跡模糊、斷字、粘連等現(xiàn)象，這都增加了鋼坯字符切分的難度，最終對(duì)鋼坯字符的正確識(shí)別提出了挑戰(zhàn).3)在線識(shí)別：為了滿足生產(chǎn)線時(shí)實(shí)性的需要，對(duì)鋼坯字符識(shí)別速度以及識(shí)別算法的魯棒性、準(zhǔn)確性與適應(yīng)性提出了很高的要求.

對(duì)于字符的識(shí)別，國(guó)內(nèi)外相關(guān)學(xué)者對(duì)相關(guān)理論和方法都進(jìn)行了廣泛而充分的研究，并且已初步用于一些工業(yè)和生產(chǎn)領(lǐng)域，如集裝箱號(hào)識(shí)別、車牌識(shí)別、在線IC卡碼號(hào)識(shí)別、輪胎型號(hào)字符識(shí)別[2-5]等實(shí)際應(yīng)用環(huán)境中.但由于上述生產(chǎn)線復(fù)雜因素的影響，這些實(shí)際應(yīng)用的識(shí)別理論和方法就會(huì)表現(xiàn)出一定的針對(duì)性和局限性，使得最終的識(shí)別結(jié)果并不十分理想，很難有效地解決和處理重軌生產(chǎn)線鋼坯字符識(shí)別這一難題.

圖1 重軌生產(chǎn)線采集復(fù)雜場(chǎng)景鋼坯字符圖像Fig.1 Captured image in the heavy rail production line

1 識(shí)別系統(tǒng)簡(jiǎn)介

重軌生產(chǎn)線鋼坯字符識(shí)別是針對(duì)重軌生產(chǎn)線鋼坯支支跟蹤的需求而提出的應(yīng)用開發(fā)，它的工作原理是：煉鋼鋼坯通過輥道以一排排的方式傳輸至軋鋼生產(chǎn)線，在入爐前通過紅外光電傳感器發(fā)出觸發(fā)信號(hào)給高精度相機(jī)，觸發(fā)采集鋼坯字符圖像，然后通過千兆網(wǎng)線傳輸給工業(yè)控制計(jì)算機(jī)，通過識(shí)別軟件識(shí)別出鋼坯號(hào)字符信息，從而達(dá)到對(duì)鋼坯支支跟蹤的目的.其工作原理如圖2所示.

圖2 重軌生產(chǎn)線鋼坯字符識(shí)別系統(tǒng)工作原理Fig.2 Working principle diagram of billet character recognition system

2 鋼坯字符識(shí)別過程

鋼坯字符識(shí)別作為一種特殊的光學(xué)字符識(shí)別技術(shù)，是重軌生產(chǎn)線鋼坯字符識(shí)別系統(tǒng)的重要組成部分.鋼坯字符識(shí)別流程同光學(xué)字符識(shí)別技術(shù)一樣，主要經(jīng)過鋼坯端面字符定位、切分、識(shí)別三個(gè)步驟來實(shí)現(xiàn)鋼坯字符信息的自動(dòng)識(shí)別，如圖3所示.

圖3 鋼坯字符識(shí)別過程Fig.3 Recognition process of billet character

2.1 鋼坯字符定位

字符定位就是找出鋼坯圖像中字符所處的位置，是字符識(shí)別中非常關(guān)鍵的第一步，直接影響著識(shí)別系統(tǒng)的識(shí)別率.但由于現(xiàn)場(chǎng)環(huán)境惡劣、光照復(fù)雜、鋼坯運(yùn)動(dòng)導(dǎo)致字符區(qū)域變化較大等因素的影響，都加大了鋼坯字符精確定位的難度，影響了鋼坯字符識(shí)別率，因此精確定位出復(fù)雜場(chǎng)景中的鋼坯字符是非常必要的.

擬采用的定位方法是基于二值圖像的投影定位，要精確定位鋼坯字符其二值圖像就要完整地突出鋼坯字符.針對(duì)復(fù)雜場(chǎng)景中精確定位鋼坯字符這一難題，采用基于最大類間方差的遞歸二值化方法來獲得鋼坯字符二值圖，采用逐級(jí)濾波方法來抑制背景信息，并采用字符聚類方法自適應(yīng)區(qū)分目標(biāo)字符區(qū)域和非目標(biāo)字符區(qū)域，最終精確提取出鋼坯號(hào)字符[6].研究結(jié)果表明，定位方法在生產(chǎn)線場(chǎng)景中有著更好的穩(wěn)定性和準(zhǔn)確性，解決了復(fù)雜條件下字符定位的自適應(yīng)性、魯棒性、實(shí)時(shí)性與可應(yīng)用性等關(guān)鍵科學(xué)技術(shù)問題.

2.2 鋼坯字符切分

字符切分就是將一連串的鋼坯字符串分離成單個(gè)的字符圖像，字符切分是字符識(shí)別的前提，也是提高字符識(shí)別率的關(guān)鍵技術(shù)之一.常用字符切分方法有：基于圖像分析切分法(靜態(tài)投影)、基于識(shí)別切分法、整體切分法及前三種方法結(jié)合的方法[7-9].上述方法雖各有優(yōu)點(diǎn)，但由于鋼坯號(hào)字符的多樣性，使得字符的切分過程不易定量，則上述方法會(huì)有一定的局限性而達(dá)不到預(yù)期的切分效果.針對(duì)重軌生產(chǎn)線鋼坯字符切分這一難題，將多代理者技術(shù)[10]應(yīng)用其中，提出一種基于智能多代理者的字符切分處理方法.其中，將字符區(qū)域分割與切分、區(qū)域合并、區(qū)域分裂、特征計(jì)算等功能子程序作為個(gè)體代理者.

首先主控代理者調(diào)用字符分割與切分代理者，對(duì)定位出的鋼坯字符圖像進(jìn)行二值化處理，并對(duì)其垂直投影初步切分；接著調(diào)用特征計(jì)算代理者搜集各切分區(qū)域的性質(zhì)和特征，如字符區(qū)域?qū)挾取⒏叨?、中心距等特征，并?duì)切分后的各個(gè)區(qū)域的性質(zhì)特征進(jìn)行判斷，主控代理者將調(diào)用相應(yīng)的區(qū)域分裂或區(qū)域合并代理者對(duì)粘連或斷裂字符區(qū)域進(jìn)行分裂或合并；然后再次調(diào)用特征計(jì)算代理者，對(duì)切分結(jié)果進(jìn)行校正；若經(jīng)校正已經(jīng)沒有字符發(fā)生粘連或斷裂情況，則終止算法，反之，則調(diào)用相應(yīng)代理者進(jìn)一步精確切分，直到完成鋼坯字符的正確切分，這樣形成了鋼坯字符“判斷—切分—校正”的智能切分.研究結(jié)果表明切分方法對(duì)生產(chǎn)線鋼坯字符信息微弱、粘連與斷裂等情況下有著更好的適應(yīng)性與準(zhǔn)確性，解決了重軌生產(chǎn)線復(fù)雜場(chǎng)景中的鋼坯字符準(zhǔn)確切分的問題.

2.3 鋼坯字符識(shí)別

字符識(shí)別是識(shí)別系統(tǒng)的關(guān)鍵環(huán)節(jié)，經(jīng)過精確切分后的單個(gè)字符圖像，經(jīng)過字符識(shí)別的處理，就可以轉(zhuǎn)化為便于計(jì)算機(jī)處理和存儲(chǔ)的信息.常用字符識(shí)別算法主要有特征統(tǒng)計(jì)匹配識(shí)別法、基于模板匹配識(shí)別法和基于神經(jīng)網(wǎng)絡(luò)識(shí)別法[11-15]等.這些方法雖各有優(yōu)點(diǎn)，但在鋼坯號(hào)字符模糊、字符變異、字符傾斜、字符污染、殘缺等情況的實(shí)際復(fù)雜場(chǎng)景中，則會(huì)有一定的局限性而得不到正確的識(shí)別效果.針對(duì)生產(chǎn)線場(chǎng)景下鋼坯字符形態(tài)的多樣性，僅依靠單一字符模板匹配可能不能適應(yīng)復(fù)雜多變的鋼坯字符.因此在模板匹配算法的基礎(chǔ)上，提出了字符結(jié)構(gòu)特征識(shí)別來彌補(bǔ)單獨(dú)采用模板匹配算法的不足，將模板匹配與字符結(jié)構(gòu)特征識(shí)別相結(jié)合來實(shí)現(xiàn)鋼坯字符的多級(jí)識(shí)別，解決在線復(fù)雜場(chǎng)景下鋼坯號(hào)字符識(shí)別這一難題.

2.3.1 模板匹配 模板匹配方法的實(shí)質(zhì)是度量待識(shí)別鋼坯字符圖像與模板圖像之間的某種相似性，取相似性最大者為待識(shí)別字符圖像識(shí)別結(jié)果.它依據(jù)待識(shí)別鋼坯字符的直觀形象抽取特征，用相關(guān)匹配原理進(jìn)行識(shí)別，即將輸入待識(shí)別鋼坯字符與標(biāo)準(zhǔn)模板字符在一個(gè)匹配測(cè)度下進(jìn)行匹配，待識(shí)別鋼坯字符與模板字符匹配的測(cè)度如式(1)所示.

R(i,j)=

(1)

式(1)中，T(x，y)為M×N模板圖像，F(xiàn)i，j(x，y)為待識(shí)別子圖像.

當(dāng)模板與圖像進(jìn)行匹配時(shí)，測(cè)度R(i,j)的值越大，模板圖像和待識(shí)別圖像越匹配，當(dāng)取最大值時(shí)，便指出了模板圖像和待識(shí)別圖像的最佳匹配結(jié)果，便得到了識(shí)別結(jié)果.

2.3.2 字符特征識(shí)別 字符特征識(shí)別的關(guān)鍵在于特征的提取，就是提取字符圖像中用戶感興趣的特征用于區(qū)分相似度很高的字符.考慮到人眼對(duì)字符的識(shí)別，主要是憑著對(duì)字符的結(jié)構(gòu)、輪廓等直觀的結(jié)構(gòu)特征進(jìn)行的，因此，若能夠精確表征和提取字符的結(jié)構(gòu)特征，識(shí)別系統(tǒng)便能快速準(zhǔn)確的區(qū)分不同字符.由于鋼坯字符的多樣性，沒有固定的特征，需要構(gòu)造一系列特征，如字符寬高比、字符邊界特征、閉合曲線和開口方向特征、字符端點(diǎn)數(shù)與位置特征、高度/寬度變化特征、投影特征、筆劃密度特征、字符占空比等特征.并將上述特征進(jìn)行歸類，分為主特征，次特征和輔助特征.首先對(duì)于模板匹配失敗的字符，提取其主特征和次特征，并根據(jù)其特征的判斷準(zhǔn)則進(jìn)行識(shí)別，若能通過主特征與次特征將該字符與其他字符區(qū)分出來，得到可靠的識(shí)別結(jié)果，則終止識(shí)別算法；若該字符與模板庫(kù)中多個(gè)字符有著相同的主特征與次特征，則繼續(xù)提取待識(shí)別字符的輔助特征進(jìn)行識(shí)別，直到區(qū)分出該待識(shí)別字符、正確識(shí)別出該待識(shí)別字符為止.

3 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證所提出鋼坯字符識(shí)別算法的可靠性與適應(yīng)性，在線采集了復(fù)雜場(chǎng)景下的鋼坯號(hào)字符圖像進(jìn)行了實(shí)驗(yàn)，其中包括：鋼坯傾斜、鋼坯腐蝕、字符殘缺、字跡模糊及粘連等復(fù)雜情況.提出的算法均是在VC++6.0的環(huán)境下實(shí)現(xiàn)的，進(jìn)行了鋼坯號(hào)字符定位、復(fù)雜鋼坯端面字符切分、以及復(fù)雜場(chǎng)景下鋼坯字符識(shí)別等實(shí)驗(yàn)，如圖4至圖6所示，實(shí)驗(yàn)結(jié)果表明的鋼坯字符識(shí)別方法有著較高的識(shí)別率，能適應(yīng)各種復(fù)雜多變的復(fù)雜場(chǎng)景中，具有一定的適應(yīng)性，能夠滿足重軌生產(chǎn)線實(shí)驗(yàn)鋼坯檢測(cè)的需求.

圖4 鋼坯號(hào)字符圖像定位Fig.4 Location of billet character

圖5 復(fù)雜鋼坯字符切分(鋼坯端面腐蝕、字符粘連)Fig.5 Segmentation of billet character (The connected characters and the corrosive billet ends)

圖6 字符識(shí)別結(jié)果(鋼坯傾斜、字符殘缺)Fig.6 Recognition results (The slanting billet, the missing character)

4 結(jié) 語

以上針對(duì)重軌生產(chǎn)線鋼坯字符識(shí)別這一技術(shù)難題，提出了鋼坯字符定位、切分、識(shí)別等算法.對(duì)于鋼坯字符的定位，采用基于最大類間方差的多級(jí)分割濾波與聚類處理突出并找出字符目標(biāo)區(qū)域，從而精準(zhǔn)定位出鋼坯字符.對(duì)于鋼坯字符的切分，采用基于智能多代理者的切分算法，解決了鋼坯字符精確切分這一難題.對(duì)于鋼坯字符的識(shí)別，在模板匹配的基礎(chǔ)上，采用結(jié)構(gòu)特征與之結(jié)合的多級(jí)識(shí)別算法來提高鋼坯字符識(shí)別率，滿足了重軌生產(chǎn)線實(shí)時(shí)性的需求.從實(shí)驗(yàn)結(jié)果可知，識(shí)別算法能夠較好地適應(yīng)復(fù)雜多變的環(huán)境，具有一定的穩(wěn)定性和適應(yīng)性，能夠滿足重軌生產(chǎn)線鋼坯支支跟蹤的需求.

參考文獻(xiàn)：

[1] 洪漢玉. 現(xiàn)代圖像圖形處理與分析[M]. 武漢: 中國(guó)地質(zhì)大學(xué)出版社,2011.

[2] 闞偉, 朱秋煜. 一種新的用于集裝箱字符的識(shí)別方法[J]. 東北師大學(xué)報(bào):自然科學(xué)版, 2000, 32(4): 20-24.

[3] 柴治, 陶青川, 余艷梅,等. 一種快速實(shí)用的車牌字符識(shí)別方法[J]. 四川大學(xué)學(xué)報(bào):自然科學(xué)版, 2002, 39(3): 465-468.

[4] 鄭勝林, 潘保昌, 徐杜, 等. IC卡在線檢測(cè)的碼號(hào)定位分割方法研究[J]. 中國(guó)圖象圖形學(xué)報(bào), 2004, 9(12): 1430-1436.

[5] 何明霞, 李萌, 寧福星. 基于字符識(shí)別的輪胎型號(hào)識(shí)別系統(tǒng)[J]. 橡膠工業(yè), 2009, 4(56): 237-241.

[6] 俞喆俊, 洪漢玉, 章秀華, 等. 生產(chǎn)線復(fù)雜場(chǎng)景鋼坯檢測(cè)識(shí)別的定位方法研究[J]. 光電工程, 2012, 39(1): 54-61.

[7] Chen T S, Chen M C. A New Search Engine for Chinese Document Image Retrieval Based on Chinese Char-

acter Segmentation Features[J]. International Journalof Computer Processing of Oriental Languages, 2002, 15(4): 417-431.

[8] Keunhwi K, SungHoo C, Pil Y J, et al. Character segmentation and recognition algorithm for various text region images[J]. Transactions of the Korean Institute of Electrical Engineers, 2009, 58(4): 806-816.

[9] Jung C, Liu Q, Kim J. A new approach for text segmentation using a stroke filter[J]. Signal Processing, 2008, 88(7): 1907-1916.

[10] Wooldridge M, Jennings N R, Kinny D. The Gaia Methodology for Agent-Oriented Analysis and Design[J]. Autonomous Agents and Multi-Agent Systems, 2000, 3(3): 285-312.

[11] Wang D P, Li J Z, Fang S Q. Research and realization of print form character recognition system based on characteristic value[J]. Procedia Engineering, 2011(15):2196-2200.

[12] Takahashi Y, Tanaka H, Suzuki A, et al. License plate recognition using gray image template matching with noise reduction filters and character alignment[J]. Systems and Computers in Japan, 2007, 38(3): 49-61.

[13] Sternby J, Morwing J, Andersson J, et al. On-line Arabic handwriting recognition with templates[J]. Pattern Recognition, 2009, 42(12): 3278-3286.

[14] Namane A, Guessoum A, Djebari M, et al. Hopfield-multilayer-perceptron serial combination for accurate degraded printed character recognition[J]. Optical Engineering, 2006, 45(8)：087，201.

[15] Shelke S, Apte S. A multistage handwritten Marathi compound character recognition scheme using neural networks and wavelet features[J]. International Journal of Signal Processing：Image Processing and Pattern Recognition, 2011, 4(1): 81-94.