CN112508024A - 一种变压器电气铭牌钢印字体智能识别方法 - Google Patents
一种变压器电气铭牌钢印字体智能识别方法 Download PDFInfo
- Publication number
- CN112508024A CN112508024A CN202011252688.4A CN202011252688A CN112508024A CN 112508024 A CN112508024 A CN 112508024A CN 202011252688 A CN202011252688 A CN 202011252688A CN 112508024 A CN112508024 A CN 112508024A
- Authority
- CN
- China
- Prior art keywords
- image
- text
- steel seal
- nameplate
- acquired
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 71
- 239000010959 steel Substances 0.000 claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000005520 cutting process Methods 0.000 claims abstract description 5
- 230000009467 reduction Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000001915 proofreading effect Effects 0.000 description 2
- 229910000976 Electrical steel Inorganic materials 0.000 description 1
- 208000004350 Strabismus Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Character Input (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种变压器电气铭牌钢印字体智能识别方法,包括:S1:获得铭牌图像;S2、对钢印文本区域定位,及矩形区域定位,裁剪出具有清晰轮廓的钢印文本区域图像;S3、对钢印图像进行灰度化处理;S4、对钢印文本灰度化图像进行改进法图像增强,获取文字细节更加丰富的图像;S5、对S4步骤获得的钢印文本增强图像进行预处理,消除噪点,突出文字;S6、对S5预处理过后的钢印文本图像进行文本检测,获取钢印字符归一化图像;S7、对S6得到的钢印字符归一化图像进行文本识别,获取铭牌信息。本发明实施例中的使得识别稳定,增强图像过后再合并细节,避免增强图像流程中的细节丢失,保证识别准确率。
Description
技术领域
本发明涉及电力技术领域,尤其涉及一种变压器电气铭牌钢印字体智能识别方法。
背景技术
近年来,人工智能技术的蓬勃发展,促使目标检测、智能识别等技术迅速发展。其中文字的智能识别是一个重要方面。变压器电气铭牌钢印字体智能辨识方法是利用计算机获取图片的数据信息,用电脑代替人脑,利用程序进行图像处理和分析,进而从图片中提取出所需信息,提高变电站主变压器电气铭牌的钢印文本图像信息的提取和识别准确率,从而实现变电站主变压器电气铭牌信息的自动化统一收集录入和管理。
变压器电气铭牌钢印文本智能识别是铭牌识别的一个重要分支,识别内容一般包括中文、英文、数字、特殊字符等。由于钢印字体的特殊性,也是铭牌识别信息准确率一直无法提高的重要影响因素。
目前变压器电气铭牌钢印文本识别率低主要有以下几个原因:
1、金属材质的铭牌,钢印字体是直接敲击上去,光线过强或者过弱都会极大影响识别成功率。
2、变压器铭牌不存在清洗擦拭行为,铭牌表面油污,生锈等其他原因会造成图像背景复杂程度变高。
在这样的背景下,需要一种具有较高识别率,能够在不同环境稳定运行的变压器钢印文字识别方法。
发明内容
本发明的目的在于针对现有变电站主变压器电气铭牌的钢印字体智能识别技术的不足,提高复杂环境中变压器电气铭牌钢印文字的识别准确率,提供一种变压器电气铭牌钢印文字的智能识别方法。
为了解决上述技术问题,本发明实施例提供了一种变压器电气铭牌钢印字体智能识别方法,所述方法包括:
S1:获得铭牌图像;
S2、对钢印文本区域定位,及矩形区域定位,裁剪出具有清晰轮廓的钢印文本区域图像;
S3、对钢印图像进行灰度化处理;
S4、对钢印文本灰度化图像进行改进法图像增强,获取文字细节更加丰富的图像;
S5、对S4步骤获得的钢印文本增强图像进行预处理,消除噪点,突出文字;
S6、对S5预处理过后的钢印文本图像进行文本检测,获取钢印字符归一化图像;
S7、对S6得到的钢印字符归一化图像进行文本识别,获取铭牌信息。
所述对钢印文本灰度化图像进行改进法图像增强包括:
对获取的灰度化图像进行改进反锐化处理,以获取原灰度化图像细节;
对获取的灰度化图像进行直方图均衡化处理,以获取均衡图像;
将获取的均衡图像与获取的原灰度化图像细节合并,以获取增强图像。
所述对获取的灰度化图像进行改进反锐化处理包括:
采用的模块计算模块的局部灰度值方差;
将局部方差矩阵变换为行矩阵,再进行排序,根据规则和需求选择阈值;
求取正因子增益;
基于原图输入信息通过高通滤波后得出输出矩阵记,将修正因子增益作为高通滤波输出矩阵的加权系数。
所述对获取的灰度化图像进行直方图均衡化处理包括:
S421:建立一个长度为256的整数组H[256],遍历图像的每个像素,将数组编号与该像素灰度值相等的分量加1,直方图横坐标表示灰度级,纵坐标表示频数,图片遍历完成,获取直方图;
S422:对步骤S421中获取的直方图进行均衡化修正,获取均匀直方图,得到均衡图像。
所述对S4步骤获得的钢印文本增强图像进行预处理包括:
对步骤S4中获取的增强图像进行二值化处理,以获取二值化图像;
对获取的二值化图像进行降噪处理,以获取降噪图像;
对获取的降噪图像进行小孔填充处理,以获取钢印文本清晰图像。
所述对S5获取的钢印文本清晰图像进行文本文检测包括:
对获取的钢印文本清晰图像进行文字分割处理,以获取分割图像;
对获取的分割图像进行归一化处理,以获取归一化图像。
所述对获取的钢印文本清晰图像进行文字分割处理包括:
对目标图像进行水平投影,得到两个较大梯度变化的纵坐标值,其对应钢印文本的上下边界;
对目标图像进行垂直投影,得到文本的左右边界坐标值。
所述对S6得到的钢印字符归一化图像进行文本识别包括:
对S6中获取的字符归一化图像采用模板匹配法进行钢印文本识别,将预先录入的字符模板与归一化字符图像进行相似对比,取相似度最大的模板为对比图像所属类别。
本发明实施例所提供的处理流程设计合理,使得识别稳定,本发明采用改进图像增强技术,提炼原图细节,增强图像过后再合并细节,避免增强图像流程中的细节丢失,保证识别准确率;本发明提高钢印文字的识别准确率,促进项目数据收集更加智能化。本发明提高铭牌识别总体准确率,提高后期数据校对效率,节省人力资源。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例中的变压器电气铭牌钢印字体智能辨识方法的流程示意图;
图2是本发明实施例中的对钢印文本灰度化图像进行改进法图像增强的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
具体的,如图1所示的是本发明所述的变压器电气铭牌钢印字体智能辨识方法的流程示意图,其包括如下步骤:
S1:获得铭牌图像;
具体的,获取的变电站主变压器铭牌图像需要满足一定高的分辨率,图像拍照位置需要与铭牌等高,避免视角为斜视、仰视等;避免闪光灯作为主要拍照光源。
S2:对钢印文本区域定位,及矩形区域定位,裁剪出具有清晰轮廓的钢印文本区域图像;
具体的,对原始图像钢印文本区域定位,根据钢印文本区域像素矩形排列具有规律性,可以切分出对应的钢印文本区域模块。这里对原始图像进行关键字信息检测,然后根据变电站主变压器电气铭牌文本排布特点,关键信息右侧的矩形框为钢印文字区域,对矩形四角定位裁剪得到铭牌钢印文本区域图。
S3:对钢印图像进行灰度化处理,为减少原图钢印文字细节的丢失,采用彩色信息灰度化方法,一方面步骤S2的图像定位放大导致图像失真,另一方面为下一步的图像增强保留细节;
具体实施时,对从S2步骤中得到的钢印文本区域图像进行灰度化处理,采用彩色信息的灰度化方法,尽量保留原图的细节信息,灰度转换公式为: I=0.3R+0.59G+0.11B,RGB代表红、绿、蓝三个通道的颜色。这里对钢印文本区域进行灰度化处理,彩色信息灰度化处理常常是取彩色图像RGB三分两中最大值或者三种颜色平均值,但是会一定程度上损失原图细节,为保留原图文字细节采用灰度公式来实现。
S4:对钢印文本灰度化图像进行改进法图像增强,获取文字细节更加丰富的图像;
具体的,图2示出了本发明实施例中的对钢印文本灰度化图像进行改进法图像增强的方法流程图,其中:
S41:对步骤S3中获取的灰度化图像进行改进反锐化处理具体包括如下步骤:
S411:采用3×3的模块计算模块的局部灰度值方差;a2(m,n)表示坐标 (m,n)点处的局部方差,a(m,n)就是该点的局部标准差,模块的像素亮度值为 x(i,j),坐标(m,n)点处的亮度平均值计为公式如下:
S412:求取正因子增益参数λ,λ为最终高频部分的增强倍数,D为常数,常取为图像的全局方差,a(m,n)为的局部标准差,这样λ为空间自适应,它与局部标准差为反比,当图像在剧烈变化或者边缘部分,局部标准差较大,对应的正因子增益参数较小,不会造成细节过冲;正因子增益参数计算公式如下:
S413:原图输入信息记为x(m,n),基于原图输入信息x(m,n)减去低通滤波信息x(m,n)后得出高频输出矩阵记为f(m,n),最后增强后的细节信息记为 u(m,n),将修正因子增益参数λ(m,n)作为高频输出矩阵的加权系数,则得到细节信息可以表示为:u(m,n)=λ(m,n)×f(m,n)。
S42:对步骤S3中获取的灰度化图像进行直方图均衡化处理,以获取均衡图像;
对步骤S3中获取的灰度化图像进行直方图均衡化处理,具体包括如下步骤:
S421:建立一个长度为256的整数组H[256],遍历图像的每个像素,将数组编号与该像素灰度值相等的分量加1,直方图横坐标表示灰度级,纵坐标表示频数,图片遍历完成,获取直方图。
S422:对步骤S421中获取的直方图进行均衡化修正,获取均匀直方图,得到均衡图像z(m,n)。
S43:将步骤S42获取的均衡图像与步骤S41中获取的原灰度化图像细节合并,以获取增强图像。
具体的,对步骤S42获取的均衡图像z(m,n)与步骤S41中获取的原灰度化图像细节u(m,n)合并,获取增强图像g(m,n),公式为:
g(m,n)=λ(m,n)×f(m,n)+z(m,n)。
S5:对S4步骤获得的钢印文本增强图像进行预处理,消除噪点,突出文字;
具体的,对步骤S4中获取的增强图像进行图像预处理,通过如下方式实现:
S51:对步骤S4中获取的增强图像进行二值化处理,以获取二值化图像;
具体的,在步骤S51中,对步骤S4中获取的增强图像进行大律法算法进行二值化;记t为前景和背景的分割阈值,大于t的前景像素点数占图像比例为w0,平均灰度为u0;小于t的背景像素点数占图像比例为w1,平均灰度为u1。图像总平均灰度为:u=w0*u0+w1*u1,前景和背景图像方差为: g(t)=w0(u0-u)2+w1(u1-u)2,当存在最大值时,则此时的灰度值t为最佳分割阈值。以此阈值t为分割线,整张图像进行遍历。ft(x,y)为坐标(x,y)处的灰度值归一化值,当灰度值f(x,y)小于t值便置为0,大于t值则置为最大(灰度值f的取值范围为(0,255)),归一化后最大为1;公式:
S52:对步骤S51获取的二值化图像进行降噪处理,以获取降噪图像;
具体的,在步骤S52中,对步骤S51获取的二值化图像进行改进域值领域平均值降噪处理;将图像分隔为n个区域,每个区域计算其前景像素个数占总区域个数百分比w,如w大于设定值W,判定该区域为文字区域,使用公式1进行降噪处理;如w小于设定值W,判定该区域为少文字区域,使用公式2进行降噪处理,公式如下:
S为像素点领域,S1领域取四角像素点,S2领域取周边八个像素点;f 为像素灰度值;T为给定域值;M为取领域像素点个数。
S53:对步骤S52获取的降噪图像进行小孔填充处理,以获取钢印文本清晰图像。
具体的,在步骤S53中,对步骤S52获取的降噪图像进行小孔填充处理,将字符内部以及边缘填充完整,并且再进行腐蚀边缘处理。
S6:对S5预处理过后的钢印文本图像进行文本检测,获取钢印字符归一化图像;
具体的,在步骤S6中,对步骤S5获取的钢印文本清晰图像进行文本文检测操作通过如下方式实现:
S61:对步骤S5中获取的钢印文本清晰图像进行文字分割处理,以获取分割图像;
具体的,在步骤S61中,对步骤S5中获取的钢印文本清晰图像进行投影法文字分割处理;对目标图像的每一列、每一行进行统计,获取投影图,进行字符分割;具体包括两个步骤:S611:对目标图像进行水平投影,得到两个较大梯度变化的纵坐标值,其对应钢印文本的上下边界;S612:对目标图像进行垂直投影,得到文本的左右边界坐标值。
S62:对步骤S61中获取的分割图像进行归一化处理,以获取归一化图像。
具体的,在步骤S62中,对步骤S61中获取的分割图像进行归一化处理;将切割出来的钢印字符图像缩放达到统一的大小格式。
S7:对S6得到的钢印字符归一化图像进行文本识别,获取铭牌信息。
具体的,在步骤S7中,对步骤S6中获取的字符归一化图像采用模板匹配法进行钢印文本识别,将预先录入的字符模板与归一化字符图像进行相似对比,取相似度最大的模板为对比图像所属类别。
本发明处理流程设计合理,使得识别稳定,本发明采用改进图像增强技术,提炼原图细节,增强图像过后再合并细节,避免增强图像流程中的细节丢失,保证识别准确率;本发明提高钢印文字的识别准确率,促进项目数据收集更加智能化。本发明提高铭牌识别总体准确率,提高后期数据校对效率,节省人力资源。
以上对本发明实施例进行了详细介绍,本文中应采用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种变压器电气铭牌钢印字体智能识别方法,其特征在于,所述方法包括:
S1:获得铭牌图像;
S2、对钢印文本区域定位,及矩形区域定位,裁剪出具有清晰轮廓的钢印文本区域图像;
S3、对钢印图像进行灰度化处理;
S4、对钢印文本灰度化图像进行改进法图像增强,获取文字细节更加丰富的图像;
S5、对S4步骤获得的钢印文本增强图像进行预处理,消除噪点,突出文字;
S6、对S5预处理过后的钢印文本图像进行文本检测,获取钢印字符归一化图像;
S7、对S6得到的钢印字符归一化图像进行文本识别,获取铭牌信息。
2.如权利要求1所述的变压器电气铭牌钢印字体智能识别方法,其特征在于,所述对钢印文本灰度化图像进行改进法图像增强包括:
对获取的灰度化图像进行改进反锐化处理,以获取原灰度化图像细节;
对获取的灰度化图像进行直方图均衡化处理,以获取均衡图像;
将获取的均衡图像与获取的原灰度化图像细节合并,以获取增强图像。
3.如权利要求2所述的变压器电气铭牌钢印字体智能识别方法,其特征在于,所述对获取的灰度化图像进行改进反锐化处理包括:
采用3×3的模块计算模块的局部灰度值方差;
将局部方差矩阵变换为行矩阵,再进行排序,根据规则和需求选择阈值;
求取正因子增益;
基于原图输入信息通过高通滤波后得出输出矩阵记,将修正因子增益作为高通滤波输出矩阵的加权系数。
4.如权利要求3所述的变压器电气铭牌钢印字体智能识别方法,其特征在于,所述对获取的灰度化图像进行直方图均衡化处理包括:
S421:建立一个长度为256的整数组H[256],遍历图像的每个像素,将数组编号与该像素灰度值相等的分量加1,直方图横坐标表示灰度级,纵坐标表示频数,图片遍历完成,获取直方图;
S422:对步骤S421中获取的直方图进行均衡化修正,获取均匀直方图,得到均衡图像。
5.如权利要求4所述的变压器电气铭牌钢印字体智能识别方法,其特征在于,所述对S4步骤获得的钢印文本增强图像进行预处理包括:
对步骤S4中获取的增强图像进行二值化处理,以获取二值化图像;
对获取的二值化图像进行降噪处理,以获取降噪图像;
对获取的降噪图像进行小孔填充处理,以获取钢印文本清晰图像。
6.如权利要求5所述的变压器电气铭牌钢印字体智能识别方法,其特征在于,所述对S5获取的钢印文本清晰图像进行文本文检测包括:
对获取的钢印文本清晰图像进行文字分割处理,以获取分割图像;
对获取的分割图像进行归一化处理,以获取归一化图像。
7.如权利要求6所述的变压器电气铭牌钢印字体智能识别方法,其特征在于,所述对获取的钢印文本清晰图像进行文字分割处理包括:
对目标图像进行水平投影,得到两个较大梯度变化的纵坐标值,其对应钢印文本的上下边界;
对目标图像进行垂直投影,得到文本的左右边界坐标值。
8.如权利要求7所述的变压器电气铭牌钢印字体智能识别方法,其特征在于,所述对S6得到的钢印字符归一化图像进行文本识别包括:
对S6中获取的字符归一化图像采用模板匹配法进行钢印文本识别,将预先录入的字符模板与归一化字符图像进行相似对比,取相似度最大的模板为对比图像所属类别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011252688.4A CN112508024A (zh) | 2020-11-11 | 2020-11-11 | 一种变压器电气铭牌钢印字体智能识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011252688.4A CN112508024A (zh) | 2020-11-11 | 2020-11-11 | 一种变压器电气铭牌钢印字体智能识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112508024A true CN112508024A (zh) | 2021-03-16 |
Family
ID=74957837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011252688.4A Pending CN112508024A (zh) | 2020-11-11 | 2020-11-11 | 一种变压器电气铭牌钢印字体智能识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112508024A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113210301A (zh) * | 2021-06-02 | 2021-08-06 | 四川经纬达科技集团有限公司 | 一种电源变压器生产设备及生产工艺 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542301A (zh) * | 2011-12-28 | 2012-07-04 | 浙江大学 | 基于视频的早期溺水行为动作检测方法 |
CN103093240A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 书法字识别方法 |
CN107423732A (zh) * | 2017-07-26 | 2017-12-01 | 大连交通大学 | 基于Android平台的车辆VIN识别方法 |
CN107958253A (zh) * | 2018-01-18 | 2018-04-24 | 浙江中控技术股份有限公司 | 一种图像识别的方法和装置 |
CN108805023A (zh) * | 2018-04-28 | 2018-11-13 | 平安科技(深圳)有限公司 | 一种图像检测方法、装置、计算机设备及存储介质 |
CN109919883A (zh) * | 2018-12-03 | 2019-06-21 | 南京三宝科技股份有限公司 | 一种基于灰度转换的交通视频数据获取方法 |
CN110796626A (zh) * | 2019-11-13 | 2020-02-14 | 中国电子科技集团公司信息科学研究院 | 图像锐化方法及装置 |
CN111353371A (zh) * | 2019-11-22 | 2020-06-30 | 中国电子科技集团公司电子科学研究院 | 基于星载sar影像的海岸线提取方法 |
CN111598104A (zh) * | 2020-06-30 | 2020-08-28 | 成都鹏业软件股份有限公司 | 一种车牌字符识别方法及其*** |
CN111738254A (zh) * | 2019-10-12 | 2020-10-02 | 贵州电网有限责任公司 | 一种继电保护装置面板与屏幕内容自动化识别方法 |
-
2020
- 2020-11-11 CN CN202011252688.4A patent/CN112508024A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542301A (zh) * | 2011-12-28 | 2012-07-04 | 浙江大学 | 基于视频的早期溺水行为动作检测方法 |
CN103093240A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 书法字识别方法 |
CN107423732A (zh) * | 2017-07-26 | 2017-12-01 | 大连交通大学 | 基于Android平台的车辆VIN识别方法 |
CN107958253A (zh) * | 2018-01-18 | 2018-04-24 | 浙江中控技术股份有限公司 | 一种图像识别的方法和装置 |
CN108805023A (zh) * | 2018-04-28 | 2018-11-13 | 平安科技(深圳)有限公司 | 一种图像检测方法、装置、计算机设备及存储介质 |
CN109919883A (zh) * | 2018-12-03 | 2019-06-21 | 南京三宝科技股份有限公司 | 一种基于灰度转换的交通视频数据获取方法 |
CN111738254A (zh) * | 2019-10-12 | 2020-10-02 | 贵州电网有限责任公司 | 一种继电保护装置面板与屏幕内容自动化识别方法 |
CN110796626A (zh) * | 2019-11-13 | 2020-02-14 | 中国电子科技集团公司信息科学研究院 | 图像锐化方法及装置 |
CN111353371A (zh) * | 2019-11-22 | 2020-06-30 | 中国电子科技集团公司电子科学研究院 | 基于星载sar影像的海岸线提取方法 |
CN111598104A (zh) * | 2020-06-30 | 2020-08-28 | 成都鹏业软件股份有限公司 | 一种车牌字符识别方法及其*** |
Non-Patent Citations (2)
Title |
---|
李奇超 等: "设备铭牌字符识别***的开发与实现", 宁夏电力, pages 53 - 57 * |
李晋惠;李艳霞;: "一种改进的保留图像细节信息的图像增强化方法", 电子测试, no. 20, pages 51 - 52 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113210301A (zh) * | 2021-06-02 | 2021-08-06 | 四川经纬达科技集团有限公司 | 一种电源变压器生产设备及生产工艺 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2545499B1 (en) | Text enhancement of a textual image undergoing optical character recognition | |
CN110008969B (zh) | 图像显著性区域的检测方法和装置 | |
CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
US9042649B2 (en) | Color document image segmentation and binarization using automatic inpainting | |
CN108146093B (zh) | 一种去除票据***的方法 | |
CN111415363A (zh) | 一种图像边缘识别方法 | |
JP2007507802A (ja) | デジタル画像におけるテキスト状エッジの強調 | |
JP2010525486A (ja) | 画像分割及び画像強調 | |
CN108830857B (zh) | 一种自适应的汉字碑帖图像二值化分割方法 | |
CN113592776A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN111680690A (zh) | 一种文字识别方法及装置 | |
CN113538498B (zh) | 一种基于局部二值化的***图像分割方法、电子设备和可读存储介质 | |
CN111027564A (zh) | 基于深度学习一体化的低照度成像车牌识别方法及装置 | |
US20240086661A1 (en) | Method and apparatus for processing graphic symbol and computer-readable storage medium | |
CN112508024A (zh) | 一种变压器电气铭牌钢印字体智能识别方法 | |
CN111445402B (zh) | 一种图像去噪方法及装置 | |
CN110807747B (zh) | 一种基于前景蒙版的文档图像降噪方法 | |
CN110826360A (zh) | Ocr图像预处理与文字识别 | |
CN110930358B (zh) | 一种基于自适应算法的太阳能面板图像处理方法 | |
JP3636936B2 (ja) | 濃淡画像の2値化方法および濃淡画像の2値化プログラムを記録した記録媒体 | |
CN110633705A (zh) | 一种低照度成像车牌识别方法及装置 | |
CN112532938B (zh) | 一种基于大数据技术的视频监控*** | |
CN111476800A (zh) | 一种基于形态学操作的文字区域检测方法及装置 | |
CN112052859A (zh) | 一种自由场景下的车牌精准定位方法及装置 | |
CN116777768B (zh) | 一种鲁棒且高效的扫描文档图像增强方法及其装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |