數(shù)字儀表信息的自動(dòng)提取方法*

胡成軍　衡　軍　馬旭勃

(海軍潛艇學(xué)院　青島　266042)

?

數(shù)字儀表信息的自動(dòng)提取方法*

胡成軍衡軍馬旭勃

(海軍潛艇學(xué)院青島266042)

摘要利用計(jì)算機(jī)視覺(jué)自動(dòng)提取數(shù)字儀表信息具有現(xiàn)實(shí)工程意義。針對(duì)采用液晶屏顯示多種字體、包括非數(shù)字字符集的數(shù)字儀表，引入通用光學(xué)字符識(shí)別引擎用于儀表信息自動(dòng)提取。為提高識(shí)別的準(zhǔn)確率、實(shí)時(shí)性和魯棒性，從圖像獲取、圖像處理、識(shí)別引擎定制以及有效性判斷等方面采取相應(yīng)措施。

關(guān)鍵詞計(jì)算機(jī)視覺(jué); 光學(xué)字符識(shí)別; 數(shù)字儀表; 圖像處理

An Automatic Data Extraction Method for Digital Meters

HU ChengjunHENG JunMA Xubo

(Navy Submarine Academy, Qingdao266042)

AbstractFor those digital meters which adopt LCD screen and output information including non-digital characters using various fonts, an automatic data extraction method is proposed with the introduction of general optical character recognition engine. To meet the real-time and robustness demand and to improve the accuracy of recognition, various measures related with image acquisition, image processing, customization of optical character recognition engine and results validation are described.

Key Wordscomputer vision, optical character recognition, digital meters, image processing

Class NumberTP391

1引言

數(shù)字儀表已在各行業(yè)得到了廣泛應(yīng)用，出于成本控制或設(shè)計(jì)原因，仍有相當(dāng)多的儀表不提供程控接口。實(shí)際應(yīng)用中，常常會(huì)有需求將這些儀表的數(shù)據(jù)采集到計(jì)算機(jī)系統(tǒng)中進(jìn)行后續(xù)處理。手工錄入不僅費(fèi)時(shí)費(fèi)力易出錯(cuò)，而且無(wú)法勝任長(zhǎng)時(shí)間、高頻度的工作需求。這種情況下，基于計(jì)算機(jī)視覺(jué)技術(shù)，通過(guò)數(shù)碼攝像實(shí)時(shí)捕獲儀表讀數(shù)的圖像，經(jīng)圖像處理、圖像識(shí)別后自動(dòng)提取出數(shù)值信息成了一個(gè)必然選擇。

文獻(xiàn)中已有大量數(shù)字儀表圖像識(shí)別方法相關(guān)的研究[1~3]，這些工作多集中在利用儀表顯示的特殊性(如7段數(shù)碼管形式)基于模板匹配或特征統(tǒng)計(jì)方法設(shè)計(jì)新的分類識(shí)別算法。這些算法具有很強(qiáng)的針對(duì)性。但當(dāng)儀表采用液晶屏顯示各種字體風(fēng)格、包括標(biāo)點(diǎn)符號(hào)等少量非數(shù)字字符在內(nèi)的信息時(shí)，上述方法將無(wú)法使用。

為此，本文引入通用光學(xué)字符識(shí)別(optical character recognition,OCR)技術(shù)來(lái)實(shí)現(xiàn)數(shù)字儀表信息的提取。通用OCR技術(shù)的優(yōu)點(diǎn)是能夠識(shí)別多種字體、更大的字符集，缺點(diǎn)是識(shí)別的準(zhǔn)確率、實(shí)時(shí)性難以保障。由于提取的儀表信息通常需要用于后續(xù)的自動(dòng)化處理，因而對(duì)識(shí)別的準(zhǔn)確率、實(shí)時(shí)性要求很高。本文給出了一個(gè)包括圖像獲取、圖像處理、OCR引擎定制、有效性判斷在內(nèi)的利用OCR技術(shù)實(shí)現(xiàn)計(jì)算機(jī)視覺(jué)自動(dòng)提取數(shù)字儀表信息的方法，使用效果顯示了該方法的有效性。

2總體設(shè)計(jì)

利用計(jì)算機(jī)視覺(jué)自動(dòng)提取儀表信息所需要的硬件包括一個(gè)高清攝像頭和與之相連的通用計(jì)算機(jī)。攝像頭穩(wěn)定地固定在數(shù)字儀表上方以捕獲儀表圖像。攝像頭的分辨率、成像質(zhì)量對(duì)于儀表信息提取的準(zhǔn)確率具有至關(guān)重要的影響。通用計(jì)算機(jī)運(yùn)行相應(yīng)的圖像獲取、分析和識(shí)別軟件。多數(shù)情況下，儀表信息的后續(xù)處理也在同一臺(tái)計(jì)算機(jī)上運(yùn)行。

軟件結(jié)構(gòu)上，儀表信息獲取軟件可分成如圖1所示的三層結(jié)構(gòu)：

圖1　儀表信息獲取軟件的三層結(jié)構(gòu)

圖像獲取模塊通過(guò)特定編程接口驅(qū)動(dòng)攝像頭獲取儀表的彩色圖像，從中分割出包含且僅包含待識(shí)別文字信息的子圖像轉(zhuǎn)發(fā)給上一層。圖像處理模塊位于中間層，經(jīng)過(guò)轉(zhuǎn)換為灰度圖像、圖像降噪、圖像增強(qiáng)、二值化等一系列過(guò)程獲得最終待識(shí)別的黑白圖像。最后利用通用OCR引擎從圖像中識(shí)別出儀表文字信息，經(jīng)過(guò)有效性判斷后將合法信息轉(zhuǎn)發(fā)給后續(xù)處理模塊。層次結(jié)構(gòu)的優(yōu)點(diǎn)是每一層的模塊都是可替換的，可以方便地嘗試不同的圖像處理、識(shí)別算法組合。

儀表信息獲取軟件可以封裝成可獨(dú)立運(yùn)行的程序，通過(guò)進(jìn)程間調(diào)用方式與其它程序交換信息，也可以接口庫(kù)的形式存在，其它程序通過(guò)編程接口直接調(diào)用。后者執(zhí)行效率高，也更為靈活。我們采用了后一種實(shí)現(xiàn)方式。

3圖像獲取

3.1視頻采集接口庫(kù)的選擇

圖像獲取的基本方式是通過(guò)調(diào)用視頻采集接口庫(kù)實(shí)時(shí)捕獲儀表視頻，然后根據(jù)需要或者定時(shí)從視頻流中抓取圖像幀。不同的視頻接口庫(kù)對(duì)于圖像獲取的速度、質(zhì)量等都有較大影響。

在Windows平臺(tái)上，目前主要有兩種視頻采集技術(shù)。一是傳統(tǒng)的VFW(Video for Windows)庫(kù)。VFW庫(kù)與硬件設(shè)備無(wú)關(guān)，通用性強(qiáng)，但性能稍差。二是最新的DirectShow技術(shù)。它采用面向流媒體的架構(gòu)，提供了高質(zhì)量的多媒體流回放和捕獲功能，能直接控制底層硬件設(shè)備，支持硬件加速，是目前Windows平臺(tái)上性能最好的視頻回放采集庫(kù)。

我們硬件方案中使用了HD Pro Web Cam C920便攜式攝像頭。若使用傳統(tǒng)的VFW技術(shù)，只能采集到640×480分辨率的圖像。得益于DirectShow技術(shù)的采用，不僅可以設(shè)置曝光、白平衡、亮度、對(duì)比度、清晰度等攝像頭屬性，還能以每秒24幀的速率獲得1920×1080分辨率的圖像。這對(duì)后續(xù)的文本字符識(shí)別是非常重要的。

3.2攝像頭校準(zhǔn)

攝像頭的基本原理是小孔成像模型，不可避免地會(huì)引入圖像的扭曲變形。如式(1)采用齊次坐標(biāo)系描述了從三維世界坐標(biāo)系到二維像素坐標(biāo)的投影變換:

(1)

上式中，[xyz1]T代表三維空間中的點(diǎn)，[uv1]T是投影的像素點(diǎn)。矩陣A稱為攝像頭的內(nèi)部參數(shù)，由光學(xué)中心、焦距等固定不變的參數(shù)組成。旋轉(zhuǎn)和平移矩陣R、T建立了從世界坐標(biāo)到攝像頭坐標(biāo)系統(tǒng)的映射，稱為攝像頭外部參數(shù)。外部參數(shù)與攝像頭的空間姿態(tài)有關(guān)，是圖像產(chǎn)生徑向、切向扭曲變形的主要原因。

攝像頭校準(zhǔn)[4]的關(guān)鍵是求解攝像頭的內(nèi)部、外部參數(shù)?；痉椒ㄊ抢脭z像頭獲取特定圖案(如黑白格棋盤)在不同位置的多幅圖像，然后基于上述幾何投影公式解方程組[4]。只要攝像頭位置不變，只需校準(zhǔn)一次，獲得的攝像頭內(nèi)外部參數(shù)矩陣可以保存下來(lái)一直用于修正后續(xù)扭曲變形的圖像。

圖像的扭曲變形與攝像頭的質(zhì)量、空間姿態(tài)有關(guān)。不同的OCR算法對(duì)圖像變形的容忍度不同。毫無(wú)疑問(wèn)，提供可選校準(zhǔn)攝像頭功能是有意義的。

3.3識(shí)別區(qū)域的確定

攝像頭獲取的原始圖像通常包含了不相關(guān)的內(nèi)容，我們感興趣的區(qū)域(Region of Interest,ROI)，即待識(shí)別的文字區(qū)域只占一小部分。圖像獲取的最后一步是將識(shí)別區(qū)域分割出來(lái)。

盡管可以實(shí)現(xiàn)算法自動(dòng)確定識(shí)別區(qū)域，例如多數(shù)OCR引擎具備布局分析功能，能針對(duì)常見(jiàn)的書籍雜志等布局分割出可識(shí)別的文字塊和不可識(shí)別的圖像塊，但由于ROI往往不包括全部的可識(shí)別文字塊，利用算法自動(dòng)確定ROI并不可靠。同攝像頭校準(zhǔn)一樣，對(duì)于儀表讀數(shù)提取而言，識(shí)別區(qū)域只需指定一次即可。因此，實(shí)踐中更有效的方法是由用戶手工框選出需要識(shí)別的區(qū)域。

ROI對(duì)應(yīng)的子圖像是圖像獲取模塊的最終結(jié)果。由于大多數(shù)OCR引擎對(duì)識(shí)別圖像的最小分辨率有要求。當(dāng)圖像分辨率不足時(shí)，還需要采用圖像上采樣技術(shù)利用插值增大圖像的像素?cái)?shù)。但此時(shí)更合理的作法是確保能對(duì)焦的前提下使攝像頭靠近儀表。

4圖像處理

OCR算法的識(shí)別對(duì)象是黑白圖像。已有的OCR引擎，或者不能處理彩色圖像，或者利用其缺省圖像處理算法先轉(zhuǎn)換為黑白圖像后再進(jìn)行識(shí)別。由于圖像獲取的方式、環(huán)境等千差萬(wàn)別，單一的圖像處理算法不可能適應(yīng)所有應(yīng)用，后者往往難以得到高識(shí)別率。利用通用OCR引擎提取儀表數(shù)據(jù)的關(guān)鍵之一是實(shí)現(xiàn)專用的圖像處理算法。

圖2　圖像處理流程

每個(gè)OCR引擎的識(shí)別算法各不相同，對(duì)理想的待識(shí)別圖像要求也不相同。實(shí)現(xiàn)合適的圖像處理算法依賴于對(duì)OCR識(shí)別特征的理解和實(shí)踐中的反復(fù)測(cè)試。盡管針對(duì)每個(gè)OCR引擎的圖像處理算法細(xì)節(jié)不會(huì)完全相同，但大體處理流程是相似的。

我們的應(yīng)用中采用了如圖2所示的一系列圖像處理過(guò)程。

4.1轉(zhuǎn)換為灰度圖像

圖像處理的第一步是將RGB彩色圖像轉(zhuǎn)換為256階灰度圖像?；谌搜蹖?duì)三元色敏感度的不同，顏色空間的轉(zhuǎn)換常常采用如下算法[5]：

Y=0.299*R+0.587*G+0.114*B

(2)

其中，R、G、B是每一像素點(diǎn)顏色的紅、綠、藍(lán)分量，Y是灰度圖像中灰度顏色值，取值為0~255。

在儀表圖像中常常只存在兩種固定不變的主體顏色：背景色和前景色。我們希望轉(zhuǎn)換后的灰度圖像中前景和背景灰度色差最大。因此，只需考察原始圖像中的紅、綠、藍(lán)通道，取其中前景、背景差別最大的通道色分量作為灰度值即可。

4.2圖像降噪

圖像噪聲通常作為空間上不相聯(lián)系的離散和孤立的像素出現(xiàn)，通常具有相對(duì)更高的空間頻率頻譜。因此，對(duì)于噪聲清除，簡(jiǎn)單的低通濾波器是很有效的。由于圖像中的文字部分同處于頻譜的高頻段，降噪算法多少會(huì)使得文字細(xì)節(jié)變得模糊。選擇圖像降噪算法必須非常謹(jǐn)慎。降噪算法的選擇不能依靠人眼對(duì)降噪效果的主觀判斷，而應(yīng)該建立在對(duì)最后OCR識(shí)別的準(zhǔn)確率是否有提高上。

常用的圖像降噪算法[6]包括均值濾波、中值濾波、基于形態(tài)學(xué)開(kāi)閉運(yùn)算的濾波等。由于我們選擇的OCR算法以文字的形狀結(jié)構(gòu)為模式特征，對(duì)噪聲并不是太敏感，因此在實(shí)際應(yīng)用中，我們采用了窗口大小為3*3的均值濾波算法。均值濾波是最簡(jiǎn)單、運(yùn)算速度最快的線性濾波算法，小的鄰域窗口不會(huì)對(duì)圖像中文字的細(xì)節(jié)部分造成破壞，另一方面，對(duì)圖像中孤立的噪聲點(diǎn)有較好的抑制削弱作用。在最后的圖像二值化階段，大多數(shù)被削弱的噪聲像素會(huì)被清除。

中值濾波是一種非線性濾波技術(shù)。它將像素點(diǎn)的灰度值設(shè)置為鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的中值。中值濾波需要對(duì)鄰域窗口內(nèi)的像素值進(jìn)行排序，因此執(zhí)行開(kāi)銷較大。實(shí)際測(cè)試中，中值濾波算法對(duì)于OCR算法識(shí)別率并沒(méi)有改善。而采用基于形態(tài)學(xué)開(kāi)閉運(yùn)算的降噪算法時(shí)，甚至?xí)档蚈CR算法的識(shí)別率。原因可能是待識(shí)別的字符形狀和尺寸差異較大，很難選擇合適的結(jié)構(gòu)元素，結(jié)果導(dǎo)致或者沒(méi)有什么降噪效果，或者破壞了文字的結(jié)構(gòu)。

4.3細(xì)節(jié)增強(qiáng)

當(dāng)光照條件不好時(shí)，攝像頭獲取的圖像中常常會(huì)有文字不清晰，甚至字符形狀出現(xiàn)斷裂的現(xiàn)象。對(duì)文字信息部分進(jìn)行細(xì)節(jié)加強(qiáng)可以使得文字更為清晰。此步驟的關(guān)鍵是強(qiáng)化高頻部分。我們采用高提升濾波器(High-boost filter)[6]來(lái)解決此問(wèn)題。濾波操作可以用圖像與生成核的卷積運(yùn)算表示。高提升濾波器的生成核取值為

(3)

其中，c是一個(gè)小常數(shù)，例如：取值為2。

4.4圖像二值化

從256階灰度圖像轉(zhuǎn)換為黑白二值圖像是圖像處理的最后一步。根據(jù)運(yùn)算的范圍不同，圖像二值化方法可分為全局閾值方法[7]和局部閾值方法[8~9]。全局閾值法根據(jù)圖像的直方圖或灰度空間分布確定唯一的一個(gè)閾值，將此閾值上下的顏色值分別修正為黑白二色，由此實(shí)現(xiàn)灰度圖像到二值圖像的轉(zhuǎn)化。局部閾值法通過(guò)定義考察點(diǎn)的鄰域，比較考察點(diǎn)與其鄰域的灰度值來(lái)確定當(dāng)前考察點(diǎn)的閾值。局部閾值算法適合處理非均勻光照條件導(dǎo)致整體圖像的灰度分布值變化較大的情況，但它也存在出現(xiàn)偽影等問(wèn)題。

二值化算法的選擇必須滿足實(shí)時(shí)性要求，并且考慮到環(huán)境光照的情況。若圖像整體的灰度變化不大，目標(biāo)文字與背景明顯分離，特別是直方圖呈現(xiàn)典型的雙峰形狀，此時(shí)經(jīng)典的Ostu全局閾值算法[6~7]幾乎是最好選擇。若環(huán)境光源復(fù)雜，圖像存在亮度分布不均和灰度突變的情況，宜采用局部閾值法。

5光學(xué)字符識(shí)別及有效性判斷

OCR技術(shù)發(fā)展至今，目前市場(chǎng)上已有相當(dāng)成熟的商用產(chǎn)品，開(kāi)源領(lǐng)域也有免費(fèi)可用的項(xiàng)目。所有這些OCR產(chǎn)品幾乎都是通用的，即可以識(shí)別所支持語(yǔ)言的全部字符集。儀表顯示涉及的字符集通常非常小，原則上通用OCR產(chǎn)品都可以用于儀表信息識(shí)別，只要滿足如下條件：

1) 提供二次開(kāi)發(fā)的編程接口；

2) 針對(duì)儀表文字具有較高的識(shí)別率和識(shí)別速度。

這是由于識(shí)別出的儀表數(shù)據(jù)將用于計(jì)算機(jī)程序進(jìn)一步處理，若OCR產(chǎn)品只能交互式顯示識(shí)別結(jié)果將毫無(wú)意義。此外，與有人工校對(duì)的掃描書籍字符識(shí)別過(guò)程不同，儀表數(shù)據(jù)識(shí)別過(guò)程是無(wú)人值守、全自動(dòng)的，識(shí)別的數(shù)據(jù)將用于后續(xù)的決策和自動(dòng)化，因而對(duì)識(shí)別對(duì)準(zhǔn)確率、速度的要求更高。

不同的OCR產(chǎn)品針對(duì)的應(yīng)用領(lǐng)域不同，采用的算法也各不相同。判斷OCR產(chǎn)品是否適合儀表數(shù)據(jù)的提取，只能通過(guò)針對(duì)具體儀表圖像進(jìn)行測(cè)試評(píng)估的方法。

例如：在對(duì)一個(gè)導(dǎo)航類數(shù)字儀表進(jìn)行信息提取時(shí)，我們選擇了開(kāi)源的Tesseract OCR[10]引擎。主要原因是它是識(shí)別率最高的開(kāi)源OCR引擎之一，另外開(kāi)源軟件可以任意修改定制的特點(diǎn)意味著有可能針對(duì)具體應(yīng)用提高識(shí)別率。在該應(yīng)用中，只需要識(shí)別經(jīng)緯度、航向等數(shù)值，涉及的字符集為數(shù)字0~9、度‘°’、分‘′’和小數(shù)點(diǎn)‘.’等12個(gè)字符等。儀表中，這些字符均以標(biāo)準(zhǔn)宋體字顯示。因此我們選擇了宋體從8pt一直到36pt所有文字字符，使用虛擬打印技術(shù)輸出黑白二值化的文字圖像。然后將所有文本樣本和輸出的樣本圖像輸入到Tesseract OCR引擎中進(jìn)行學(xué)習(xí)，學(xué)習(xí)的最終結(jié)果是得到樣本文字所對(duì)應(yīng)的模式識(shí)別特征庫(kù)。在線識(shí)別時(shí)，只使用上述特征識(shí)別庫(kù)。實(shí)踐表明，這種作法對(duì)識(shí)別的準(zhǔn)確率有了很大提升。

圖3　儀表信息提取相關(guān)界面

Tesseract OCR引擎缺省情況下只輸出的所識(shí)別的字符，我們對(duì)此進(jìn)行了修改，在輸出結(jié)果中同時(shí)輸出識(shí)別的可信度、字符對(duì)應(yīng)的位置等信息，并在完成識(shí)別后，增加了一個(gè)數(shù)值有效性的判斷過(guò)程。對(duì)于每個(gè)識(shí)別結(jié)果，當(dāng)可信度低于預(yù)設(shè)的閾值時(shí)，直接判定識(shí)別結(jié)果無(wú)效。此外，實(shí)踐中我們發(fā)現(xiàn)識(shí)別中最常見(jiàn)的錯(cuò)誤是占空間較小的標(biāo)點(diǎn)符號(hào)。利用經(jīng)緯度、航向的格式進(jìn)行正則表達(dá)式匹配，若僅僅是標(biāo)點(diǎn)符號(hào)不匹配，則根據(jù)輸出的位置信息進(jìn)行自動(dòng)修正。若格式匹配，還要進(jìn)行語(yǔ)義合法性判斷，如緯度值是否大于90°，經(jīng)度值是否大于180°，航向值是否超過(guò)360°等。最后是利用當(dāng)前識(shí)別的坐標(biāo)與上一次識(shí)別的坐標(biāo)計(jì)算兩點(diǎn)間的距離，基于識(shí)別時(shí)間間隔和最大行進(jìn)速度計(jì)算最大距離，只有兩點(diǎn)間距離小于后者才會(huì)作為有效值轉(zhuǎn)發(fā)給后續(xù)模塊處理。經(jīng)過(guò)上述處理后，該應(yīng)用的儀表數(shù)字信息提取達(dá)到了令人滿意的可靠性和實(shí)時(shí)性。

圖3是該導(dǎo)航類應(yīng)用的顯示界面中與儀表信息提取相關(guān)的部分。

6結(jié)語(yǔ)

越來(lái)越多的儀表采用液晶屏顯示多種字體的常規(guī)文字信息。借助具有較高識(shí)別率、識(shí)別速度的通用OCR引擎來(lái)提取這些儀表信息是可行的方案。通過(guò)對(duì)通用的OCR引擎進(jìn)行定制優(yōu)化，如針對(duì)特定字體的小字符集離線學(xué)習(xí)生成專門的識(shí)別特征庫(kù)，能顯著提高OCR引擎的識(shí)別率。此外，還需要采集校準(zhǔn)過(guò)的高清圖像，并針對(duì)采用的OCR算法設(shè)計(jì)一套包括圖像降噪、細(xì)節(jié)增強(qiáng)、二值化在內(nèi)的專門的圖像處理算法。本文所介紹的方法已在儀表數(shù)據(jù)提取應(yīng)用上得以運(yùn)用，儀表信息提取的質(zhì)量完全能夠滿足系統(tǒng)的需求。

參 考 文 獻(xiàn)

[1] 范新南,郭建甲,蘇麗媛.基于數(shù)學(xué)形態(tài)學(xué)的數(shù)字儀表數(shù)碼識(shí)別快速算法[J].計(jì)算機(jī)測(cè)量與控制,2006,14(11):1589-1593.

FAN Xinnan, GUO Jianjia, SU Liyuan. Study on Digits Recognition Algorithm of Digital Meter Based on Mathematical Morphology[J]. Computer Measurement & Control,2006,14(11):1589-1593.

[2] 劉科,侯立新,卞昕.基于機(jī)器視覺(jué)的儀表示值識(shí)別算法研究[J].計(jì)量學(xué)報(bào),2013,34(5):425-429.

LIU Ke, HOU Lixin, BIAN Xin. Study on Digit Recognition for Digital Meter Based on Machine Vision[J]. Acta Metrologica Sinica,2013,34(5):425-429.

[3] 崔行臣,段會(huì)川,王金玲,等.數(shù)顯儀表數(shù)字實(shí)時(shí)識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與設(shè)計(jì),2010,31(1):214-217.

CUI Xingchen, DUAN Huichuan, WANG Jinling, et al. Design and implementation of numeral instrument real-time digital recognition system[J]. Computer Engineering and Design,2010,31(1):214-217.

[4] Zhang. A Flexible New Technique for Camera Calibration[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,22(11):1330-1334.

[5] The OpenCV Reference Manual[M/OL]. Release 2.4.6.0, 2013: 265-265, http://opencv.org/.

[6] 崗薩雷斯,伍茲.數(shù)字圖像處理[M].第三版.阮秋琦,等譯.北京:電子工業(yè)出版社,2011:203-210,402-438,100-101,479-483.

R. Gonzalez, R. Woods. Digital Image Processing[M]. Third Edition. Prentice Hall,2007.

[7] N. Otsu. A Threshold Selection Method from Gray-level Histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics,1979,9(1):62-66.

[8] W. Niblack. An Introduction to Image Processing[M]. Prentice-Hall,1986:115-116.

[9] J. Bernsen. Dynamic Thresholding of Grey level Images[C]//Proc. Int. Conf. on Pattern Recognition, Berlin, Germany,1986:1251-1255.

[10] Ray Smith. An Overview of the Tesseract OCR Engine[C]//Proc 9th Int. Conf. on Document Analysis and Recognition, USA,2007:629-633.

中圖分類號(hào)TP391

DOI:10.3969/j.issn.1672-9722.2016.02.036

作者簡(jiǎn)介:胡成軍，男，博士，副教授，研究方向:作戰(zhàn)仿真、指揮自動(dòng)化

*收稿日期:2015年8月12日,修回日期:2015年9月23日