CN101894255A - 一种基于小波变换的集装箱号码定位方法 - Google Patents
一种基于小波变换的集装箱号码定位方法 Download PDFInfo
- Publication number
- CN101894255A CN101894255A CN 201010202140 CN201010202140A CN101894255A CN 101894255 A CN101894255 A CN 101894255A CN 201010202140 CN201010202140 CN 201010202140 CN 201010202140 A CN201010202140 A CN 201010202140A CN 101894255 A CN101894255 A CN 101894255A
- Authority
- CN
- China
- Prior art keywords
- container number
- picture
- connected region
- container
- zone
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Character Input (AREA)
Abstract
一种基于小波变换的集装箱号码定位方法,属于图像处理技术领域。本发明利用待识别集装箱号码原图片的灰度信息,经一维小波变换后对高频信息进行中值滤波、二值化和形态学处理,采用4-邻域连通法提取连通区域,根据连通区域的长度、宽度及连通区域间的位置关系来判断原图片中集装箱号码的区域,最后利用霍夫变换检测出号码的倾斜角度并进行旋转纠正。本发明对高频系数二值化阈值进行调整从而实现定位出所有集装箱号码候选区域,从而避免集装箱号码的漏定位,提高集装箱号码的准确定位率。本发明对噪声不敏感,集装箱上面可能出现的小字符对集装箱号码定位结果没有影响。
Description
技术领域
本发明属于图像处理领域,主要涉及集装箱号码识别***中号码定位技术。
背景技术
随着经济的快速发展,各大港口的吞吐量越来越大。对港口上的集装箱进行高效的管理已成为一个亟待解决的问题,这关系着集装箱出港、进港的高效性,也直接关系着港口的所能承受的吞吐量。而现在港口对于进出的集装箱都是使用人工的形式对该箱进行登记并办理相关手续,这严重影响了集装箱进出的效率,也影响了港口的容纳能力。而且港口需要全天候的工作,这就很难保证港口工作人员不因疲劳、心情等因素影响而出错。为了高效、准确地对港口集装箱进出进行管理,对集装箱的自动识别***的研究就变得更加迫切了。有了集装箱号码自动识别***,人们就可以全天候的自动对进出港的集装箱进行登记办理相关的手续,从而打量缩短集装箱在港口的滞留时间,提高集装箱进出港效率,还能保证对集装箱号码的登记工作不受人的心情、疲劳等因素的影响而出错。
一个完整的集装箱识别***至少需要三个步骤:1)集装箱号码定位,2)集装箱号码分割,3)集装箱号码的识别。由于集装箱号码排列方式多样、且集装箱颜色背景多样,这都加大了集装箱箱号定位的难度。
目前已有集装箱号码定位方法主要有:
1、首先在图片中找到可疑的字符候选框,然后在进行筛选使尽可能的去掉非集装箱号码的字符候选块,此时再进一步使用字符候选块的中心点作为hough变换的输入,来定位出一条通过尽可能多字符候选块直线,从而来定位出集装箱字符。
2、首先对图片行或列数据进行扫描,标记在一行或一列中梯度差大于某个阈值的像素点的个数,如果某行该类像素点的个数大于某个阈值,则将该行作为集装箱号码的可疑行。如果整个图片中未找到可疑行则调低阈值重新扫描寻找。在找到了集装箱号码的可疑行后,对可疑行进行进一步的确认,即对可疑行的下面连续几行数据进行扫描标记,如果每一行的标记点与上一行的标记点位置相差不多时则确认该可疑行为集装箱号码所在行,这就完成了集装箱号码的粗定位。然后***根据已有的集装箱号码排列方式生成排列规则,再调用规则与粗定位后的图片数据进行比较,从而定位出正确的集装箱号牌。
上述算法在集装箱号码定位中都在一定程度上存在问题。定位算法1中并未对定位图片中可疑字符候选框的算法进行描述,无法得知该字符候选框的定位算法。但要从原始图片中准确定位出每个可疑字符候选框有很大的难度,其准确率也会因为图片质量而不同,这就造成最后集装箱号码的准确定位率不高。定位算法2是利用图片中灰度差异来进行集装箱号牌的粗定位的,这就决定了该方法对噪声较为敏感。
发明内容
本发明提供了一种基于小波变换的集装箱号码定位方法。该方法能够在复杂背景中定位出集装箱号码,对噪声不敏感,集装箱上面可能出现的小字符对集装箱号码定位结果没有影响。
本发明的详细技术方案如下:
一种基于小波变换的集装箱号码定位方法,如图1所示,包括以下步骤:
步骤1:采集的待识别集装箱号码原图片,并将其转换成灰度格式图片。
由于集装箱背景色和集装箱号码没有固定的颜色搭配,不能根据颜色值来定位集装箱号码,故需将待识别集装箱号码原图片转换成灰度格式图片。若采集的待识别集装箱号码原图片为RGB格式图片,将其转换成灰度格式图片的转化公式为:gray=0.229×R+0.587×G+0.114×B,其中gray表示灰度格式图片中某个像素点的灰度值,R、G和B分别表示RGB格式图片中该像素点的红色、绿色和蓝色三个通道的像素值。
步骤2:选用harr小波,对步骤1所得的灰度格式图片进行一维小波变换。
步骤3:将小波变换后得到的高频系数组成图片,对该图片进行中值滤波。
中值滤波是为了剔除噪声的影响,它对图片中的孤立噪声去除有很好的效果。中值滤波的窗口为3×3像素或5×5像素大小。
步骤4:对中值滤波后的图片进行二值化处理。
由于中值滤波后的高频系数90%集中在30以下,故二值化处理时的二值化阈值可确定在3-5之间。
步骤5:对二值化图片进行形态学处理。
采用相对于集装箱号码字符一半大小的结构体作为形态学处理的结构体对二值化图片先进行腐蚀然后再进行膨胀。
由于集装箱号码字符处灰度变换剧烈,小波变换后具有较大的高频系数。二值化后,集装箱箱号处都被二值化为1,而其他背景地方则被二值化为0,但是有可能出现的是存在某一个或者几个字符二值化后与其他字符时没有连接起来的,也会出现部分噪声区域。该类噪声区域虽被二值化为1但是该区域较小,且被孤立的很远。使用形态学方法先对该图片进行腐蚀然后再进行膨胀,可以将噪声区域剔除并且同时将将断裂的集装箱号码连接起来。
步骤6:提取形态学处理后二值化图片中的连通区域。
采用4-邻域连通法标记出形态学处理后二值化图片中的连通区域,并逐一统计出每个连通区域的大小、位置信息。
步骤7:对步骤6提取出的连通区域进行判断,并找到集装箱号码在原图片中所对应的区域。
集装箱号码排列方式包括一列、两列、一行和两行。由于集装箱号码本身的排列方式存在多样性,所以需要对各个连通区域进行分析判断,判读出哪个连通区域才是真正的号码区域。实际操作时,根据连通区域的长度、宽度及连通区域间的位置关系来判断原图片中集装箱号码的区域:首先选取最长的连通区域,判断该区域是否达到一行或者一列号码排列方式的集装箱号码长度,如果是则该最长的连通区域在原图片中所对应的区域就是集装箱号码区域;如果不是,则最长的连通区域加上第二长的连通区域在原图片中所对应的区域就是集装箱号码区域。
步骤8:检测步骤7所得集装箱号码区域的倾斜度,并作相应旋转调整。
首先提取出步骤7所得集装箱号码区域边缘点,然后利用霍夫(Hough)变换检测集装箱号码区域的倾斜度,若倾斜度超过2°,则利用插值算法将其旋转至水平。
通过以上步骤,就可以在待识别集装箱号码原图片中定位出号码所在区域。当然经过以上步骤后也只是将集装箱号码粗定位出来,要到达集装箱号码的识别还需要对定位出来的集装箱号牌进行精确定位并分割出每个字符。本发明采用的是小波变换来寻找集装箱的字符区域,由于字符区域灰度变换较大,其变换后的高频系数就比较大,所以本发明利用高频系数就可定位出集装箱号码所在区域,其中的形态学处理也能够很好的解决图片噪声的问题。本发明可以对高频系数二值化阈值进行调整从而实现定位出所有集装箱号码候选区域,从而避免集装箱号码的漏定位,提高集装箱号码的准确定位率。
附图说明
图1为本发明流程示意图。
具体实施方式
一种基于小波变换的集装箱号码定位方法,如图1所示,包括以下步骤:
步骤1:采集的待识别集装箱号码原图片,并将其转换成灰度格式图片。
由于集装箱背景色和集装箱号码没有固定的颜色搭配,不能根据颜色值来定位集装箱号码,故需将待识别集装箱号码原图片转换成灰度格式图片。若采集的待识别集装箱号码原图片为RGB格式图片,将其转换成灰度格式图片的转化公式为:gray=0.229×R+0.587×G+0.114×B,其中gray表示灰度格式图片中某个像素点的灰度值,R、G和B分别表示RGB格式图片中该像素点的红色、绿色和蓝色三个通道的像素值。
步骤2:选用harr小波,对步骤1所得的灰度格式图片进行一维小波变换。
步骤3:将小波变换后得到的高频系数组成图片,对该图片进行中值滤波。
中值滤波是为了剔除噪声的影响,它对图片中的孤立噪声去除有很好的效果。中值滤波的窗口为3×3像素或5×5像素大小。
步骤4:对中值滤波后的图片进行二值化处理。
由于中值滤波后的高频系数90%集中在30以下,故二值化处理时的二值化阈值可确定在3-5之间。
步骤5:对二值化图片进行形态学处理。
采用相对于集装箱号码字符一半大小的结构体作为形态学处理的结构体对二值化图片先进行腐蚀然后再进行膨胀。
由于集装箱号码字符处灰度变换剧烈,小波变换后具有较大的高频系数。二值化后,集装箱箱号处都被二值化为1,而其他背景地方则被二值化为0,但是有可能出现的是存在某一个或者几个字符二值化后与其他字符时没有连接起来的,也会出现部分噪声区域。该类噪声区域虽被二值化为1但是该区域较小,且被孤立的很远。使用形态学方法先对该图片进行腐蚀然后再进行膨胀,可以将噪声区域剔除并且同时将将断裂的集装箱号码连接起来。
步骤6:提取形态学处理后二值化图片中的连通区域。
采用4-邻域连通法标记出形态学处理后二值化图片中的连通区域,并逐一统计出每个连通区域的大小、位置信息。
步骤7:对步骤6提取出的连通区域进行判断,并找到集装箱号码在原图片中所对应的区域。
集装箱号码排列方式包括一列、两列、一行和两行。由于集装箱号码本身的排列方式存在多样性,所以需要对各个连通区域进行分析判断,判读出哪个连通区域才是真正的号码区域。实际操作时,根据连通区域的长度、宽度及连通区域间的位置关系来判断原图片中集装箱号码的区域:首先选取最长的连通区域,判断该区域是否达到一行或者一列号码排列方式的集装箱号码长度,如果是则该最长的连通区域在原图片中所对应的区域就是集装箱号码区域;如果不是,则最长的连通区域加上第二长的连通区域在原图片中所对应的区域就是集装箱号码区域。
步骤8:检测步骤7所得集装箱号码区域的倾斜度,并作相应旋转调整。
首先提取出步骤7所得集装箱号码区域边缘点,然后利用霍夫(Hough)变换检测集装箱号码区域的倾斜度,若倾斜度超过2°,则利用插值算法将其旋转至水平。
通过以上步骤,就可以在待识别集装箱号码原图片中定位出号码所在区域。
Claims (4)
1.一种基于小波变换的集装箱号码定位方法,包括以下步骤:
步骤1:采集的待识别集装箱号码原图片,并将其转换成灰度格式图片;
步骤2:选用harr小波,对步骤1所得的灰度格式图片进行一维小波变换;
步骤3:将小波变换后得到的高频系数组成图片,对该图片进行中值滤波;
步骤4:对中值滤波后的图片进行二值化处理;
步骤5:对二值化图片进行形态学处理;
采用相对于集装箱号码字符一半大小的结构体作为形态学处理的结构体对二值化图片先进行腐蚀然后再进行膨胀;
步骤6:提取形态学处理后二值化图片中的连通区域;
采用4-邻域连通法标记出形态学处理后二值化图片中的连通区域,并逐一统计出每个连通区域的大小、位置信息;
步骤7:对步骤6提取出的连通区域进行判断,并找到集装箱号码在原图片中所对应的区域;
根据连通区域的长度、宽度及连通区域间的位置关系来判断原图片中集装箱号码的区域:首先选取最长的连通区域,判断该区域是否达到一行或者一列号码排列方式的集装箱号码长度,如果是则该最长的连通区域在原图片中所对应的区域就是集装箱号码区域;如果不是,则最长的连通区域加上第二长的连通区域在原图片中所对应的区域就是集装箱号码区域;
步骤8:检测步骤7所得集装箱号码区域的倾斜度,并作相应旋转调整;
首先提取出步骤7所得集装箱号码区域边缘点,然后利用霍夫变换检测集装箱号码区域的倾斜度,若倾斜度超过2°,则利用插值算法将其旋转至水平。
2.根据权利要求1所述的基于小波变换的集装箱号码定位方法,其特征在于,步骤1中若采集的待识别集装箱号码原图片为RGB格式图片,将其转换成灰度格式图片的转化公式为:gray=0.229×R+0.587×G+0.114×B,其中gray表示灰度格式图片中某个像素点的灰度值,R、G和B分别表示RGB格式图片中该像素点的红色、绿色和蓝色三个通道的像素值。
3.根据权利要求1所述的基于小波变换的集装箱号码定位方法,其特征在于,步骤3中值滤波的窗口为3×3像素或5×5像素大小。
4.根据权利要求1所述的基于小波变换的集装箱号码定位方法,其特征在于,步骤4二值化处理时的二值化阈值确定在3-5之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102021409A CN101894255B (zh) | 2010-06-13 | 2010-06-13 | 一种基于小波变换的集装箱号码定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102021409A CN101894255B (zh) | 2010-06-13 | 2010-06-13 | 一种基于小波变换的集装箱号码定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101894255A true CN101894255A (zh) | 2010-11-24 |
CN101894255B CN101894255B (zh) | 2012-04-25 |
Family
ID=43103443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102021409A Expired - Fee Related CN101894255B (zh) | 2010-06-13 | 2010-06-13 | 一种基于小波变换的集装箱号码定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101894255B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184398A (zh) * | 2011-06-17 | 2011-09-14 | 电子科技大学 | 一种基于边缘检测的集装箱号码定位方法 |
CN102878044A (zh) * | 2012-10-17 | 2013-01-16 | 飞翼股份有限公司 | 全液压控制的矿用混凝土输送泵 |
CN110598697A (zh) * | 2019-08-23 | 2019-12-20 | 上海撬动网络科技有限公司 | 一种基于粗细字符定位的集装箱箱号定位方法 |
CN116452467A (zh) * | 2023-06-16 | 2023-07-18 | 山东曙岳车辆有限公司 | 基于激光数据的集装箱实时定位方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1343946A (zh) * | 2000-09-14 | 2002-04-10 | 伊斯曼柯达公司 | 平行逆向离散小波变换 |
US20090175548A1 (en) * | 2007-05-17 | 2009-07-09 | Sony Corporation | Information processing device and method |
-
2010
- 2010-06-13 CN CN2010102021409A patent/CN101894255B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1343946A (zh) * | 2000-09-14 | 2002-04-10 | 伊斯曼柯达公司 | 平行逆向离散小波变换 |
US20090175548A1 (en) * | 2007-05-17 | 2009-07-09 | Sony Corporation | Information processing device and method |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184398A (zh) * | 2011-06-17 | 2011-09-14 | 电子科技大学 | 一种基于边缘检测的集装箱号码定位方法 |
CN102184398B (zh) * | 2011-06-17 | 2012-07-18 | 电子科技大学 | 一种基于边缘检测的集装箱号码定位方法 |
CN102878044A (zh) * | 2012-10-17 | 2013-01-16 | 飞翼股份有限公司 | 全液压控制的矿用混凝土输送泵 |
CN110598697A (zh) * | 2019-08-23 | 2019-12-20 | 上海撬动网络科技有限公司 | 一种基于粗细字符定位的集装箱箱号定位方法 |
CN116452467A (zh) * | 2023-06-16 | 2023-07-18 | 山东曙岳车辆有限公司 | 基于激光数据的集装箱实时定位方法 |
CN116452467B (zh) * | 2023-06-16 | 2023-09-22 | 山东曙岳车辆有限公司 | 基于激光数据的集装箱实时定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101894255B (zh) | 2012-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102750541B (zh) | 一种文档图像分类识别方法及装置 | |
CN109271991B (zh) | 一种基于深度学习的车牌检测方法 | |
CN107610114B (zh) | 基于支持向量机的光学卫星遥感影像云雪雾检测方法 | |
US9396404B2 (en) | Robust industrial optical character recognition | |
CN107491730A (zh) | 一种基于图像处理的化验单识别方法 | |
CN103235938B (zh) | 车牌检测与识别的方法及*** | |
CN101706873B (zh) | 数字类限制标志的识别方法和装置 | |
US20070253040A1 (en) | Color scanning to enhance bitonal image | |
CN109670515A (zh) | 一种用于无人机影像中建筑物变化的检测方法及*** | |
CN111476109A (zh) | 票据处理方法、票据处理装置和计算机可读存储介质 | |
CN105654072A (zh) | 一种低分辨率医疗票据图像的文字自动提取和识别***与方法 | |
CN102426649A (zh) | 一种简单的高准确率的钢印数字自动识别方法 | |
CN111242896A (zh) | 一种彩色印刷标签缺陷检测与质量评级方法 | |
CN104680161A (zh) | 一种身份证数字识别方法 | |
CN103824373B (zh) | 一种票据图像金额分类方法及*** | |
CN107195069A (zh) | 一种人民币冠字号自动识别方法 | |
CN103942777A (zh) | 一种基于主成分分析的手机玻璃盖板缺陷检测方法 | |
JP2013084071A (ja) | 帳票認識方法および帳票認識装置 | |
CN101894255B (zh) | 一种基于小波变换的集装箱号码定位方法 | |
CN103593695A (zh) | 一种dpm二维码区域定位的方法 | |
Liu et al. | A novel multi-oriented chinese text extraction approach from videos | |
CN105335744A (zh) | 一种基于图像骨干抽取条带分布特征的一维码区域定位 | |
CN108171098A (zh) | 一种条码检测方法及设备 | |
CN110298835B (zh) | 一种皮革表面破损检测方法、***及相关装置 | |
CN110634222B (zh) | 一种银行票据信息识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120425 Termination date: 20180613 |
|
CF01 | Termination of patent right due to non-payment of annual fee |