運(yùn)用灰色關(guān)聯(lián)度的儀表數(shù)字字符識(shí)別

陳虹宇，李鐵軍

(1.集美大學(xué)輪機(jī)工程學(xué)院，福建 廈門(mén) 361021；2.集美大學(xué)信息工程學(xué)院，福建 廈門(mén) 361021)

0 引言

智能儀表讀數(shù)數(shù)字分割與自動(dòng)識(shí)別的準(zhǔn)確性和時(shí)效性是國(guó)內(nèi)外圖像處理領(lǐng)域的研究熱點(diǎn)，而智能儀表的數(shù)字字符識(shí)別是關(guān)鍵核心技術(shù)，隨著光學(xué)字符識(shí)別OCR(optical character recognition)技術(shù)的深入，智能儀表識(shí)別技術(shù)也得到了發(fā)展。王榕峰[1]定義特定向量與字符相交的次數(shù)作為數(shù)字特征;崔文成等[2]通過(guò)填充區(qū)域、字符穿越數(shù)和鏤空區(qū)域構(gòu)成數(shù)字特征向量，實(shí)現(xiàn)票據(jù)數(shù)字識(shí)別；周勝明等[3]結(jié)合數(shù)字筆畫(huà)特征與主分量重建模型的誤差分析，進(jìn)行數(shù)字識(shí)別；Zhang[4]利用數(shù)字輪廓拓?fù)浣Y(jié)構(gòu)進(jìn)行電子儀表數(shù)字識(shí)別；Jabba[5]利用神經(jīng)網(wǎng)絡(luò)識(shí)別法識(shí)別儀表數(shù)字；Shamim等[6]采用多層感知器識(shí)別數(shù)字字符,Laroca[7]用全卷積序列進(jìn)行水表數(shù)字字符識(shí)別；Wang[8]等用深度學(xué)習(xí)的方法識(shí)表電表。數(shù)字字符識(shí)別方法大致分為兩類(lèi)：深度學(xué)習(xí)和機(jī)器學(xué)習(xí)。深度學(xué)習(xí)是目前大數(shù)據(jù)背景下的主流方向，在硬件計(jì)算力的支持下，對(duì)處理大樣本下的復(fù)雜問(wèn)題具有普遍優(yōu)越性。機(jī)器學(xué)習(xí)在小樣本和快速性方面具有一定的優(yōu)勢(shì)，計(jì)算量少，對(duì)硬件要求低，不足是特征依賴(lài)人工提取，準(zhǔn)確性得不到保證。但計(jì)算量少、硬件成本低、是普通儀表推廣使用中最大的優(yōu)勢(shì)[9]。

儀表字符圖像通過(guò)安裝圖像采集設(shè)備得到，在特定表盤(pán)的背景下既有多個(gè)字符，還有整字和半字、角度傾斜等不確定因素，常規(guī)整字的特征和算法對(duì)于傾斜和非整字的字符難以適應(yīng)[10]。本文用一種簡(jiǎn)單易行的基于灰色關(guān)聯(lián)度的儀表數(shù)字字符識(shí)別方法，將受不確定因素影響的信息當(dāng)作灰度信息，構(gòu)建數(shù)字硬度特征序列，對(duì)待測(cè)樣本與目標(biāo)樣本的硬度特征進(jìn)行關(guān)聯(lián)度分析，依據(jù)關(guān)聯(lián)度大小對(duì)待測(cè)樣本進(jìn)行分類(lèi)，將具有最大關(guān)聯(lián)度對(duì)應(yīng)的樣本作為識(shí)別結(jié)果，從而完成數(shù)字的識(shí)別與分類(lèi)。

1 灰色關(guān)聯(lián)分析理論

灰色關(guān)聯(lián)分析是灰色系統(tǒng)理論[11]的重要分支，灰色關(guān)聯(lián)分析的基本思想是通過(guò)計(jì)算參考序列曲線(xiàn)與比較數(shù)據(jù)序列曲線(xiàn)的灰色關(guān)聯(lián)度來(lái)判斷序列的聯(lián)系緊密度。

(1)

對(duì)于ξ∈(0,1)，ξ為分辨系數(shù)，ξ越小，關(guān)聯(lián)系數(shù)間的差異越大，區(qū)分能力越強(qiáng)，通常ξ取0.5。灰色關(guān)聯(lián)度計(jì)算的思路是利用最大和最小位移差來(lái)計(jì)量?jī)蓴?shù)列之間的相似性。根據(jù)關(guān)聯(lián)度的定義，可計(jì)算各帶識(shí)別樣本與模板樣本的關(guān)聯(lián)度，依據(jù)從大到小的順序，得出識(shí)別結(jié)果。關(guān)聯(lián)度越大，表明識(shí)別對(duì)象與模板樣本平均距離越接近。

廣義的灰色關(guān)聯(lián)度分為灰色絕對(duì)關(guān)聯(lián)度、灰色相對(duì)關(guān)聯(lián)度以及灰色綜合關(guān)聯(lián)度。

定義2 設(shè)X0=(x0(1),x0(2),…,x0(n))，…，Xi=(xi(1),xi(2),…,xi(n))，

ε0i(k)=(1+|s0|+|si|)/(1+|s0|+|si|+|si-s0|)。

(2)

為X0與Xi的灰色絕對(duì)關(guān)聯(lián)度，簡(jiǎn)稱(chēng)絕對(duì)關(guān)聯(lián)度。

記

則

(3)

為X0與Xi的灰色相對(duì)關(guān)聯(lián)度，簡(jiǎn)稱(chēng)相對(duì)關(guān)聯(lián)度。

灰色相對(duì)關(guān)聯(lián)度，表征了序列曲線(xiàn)相對(duì)于始點(diǎn)的變化速率之間的關(guān)系，ri(k)越大，反映帶識(shí)別樣本與模板樣本變化率越接近。

定義4 綜合考慮絕對(duì)關(guān)聯(lián)度和相對(duì)關(guān)聯(lián)度的影響，共同決定的關(guān)聯(lián)度叫綜合關(guān)聯(lián)度。設(shè)ε0i和γ0i分別為X0與Xi的灰色絕對(duì)關(guān)聯(lián)度和相對(duì)關(guān)聯(lián)度，則灰色綜合關(guān)聯(lián)度為：

ρ0i=αε0i+(1-α)γ0i。

(4)

其中：α∈[0,1]，若考慮兩種關(guān)聯(lián)度作用平等，則α=0.5。

灰色綜合關(guān)聯(lián)度既體現(xiàn)了序列曲線(xiàn)X0與Xi的相似程度，又反映了X0與Xi相對(duì)于始點(diǎn)的變化速率的接近程度，是較為全面的表征序列之間聯(lián)系是否緊密的一個(gè)數(shù)量指標(biāo)。因此本文以綜合灰色關(guān)聯(lián)度為主要分析指標(biāo)。

2 字符數(shù)字字符檢測(cè)及特征提取

2.1儀表數(shù)字字符檢測(cè)

采集到的儀表圖像如圖1a)所示。根據(jù)特殊背景下的圖像，可以看出表盤(pán)數(shù)字區(qū)域在矩形框內(nèi)，且顏色與周邊區(qū)域相差很大。通過(guò)灰度化和二值化處理后，儀表圖像如圖1b)所示。為防止數(shù)字噪音引起的干擾，將二值化后的圖像進(jìn)行形態(tài)學(xué)處理，即對(duì)二值化圖像進(jìn)行膨脹、腐蝕操作，使數(shù)字上下部分連通。通過(guò)分析連通域的位置關(guān)系和連通的性質(zhì)，對(duì)字輪進(jìn)行分割，得到字輪圖像，將矩形連通區(qū)域劃分出來(lái)，定位字輪邊框圖像。對(duì)連通域外輪廓矩形輪廓，確定中心點(diǎn)位置并標(biāo)定矩形框，利用垂直投影將每個(gè)字符按單字分割開(kāi)來(lái)，分割出字符區(qū)域如圖2所示。

2.2 儀表數(shù)字特征

特征提取和分類(lèi)技術(shù)是圖像識(shí)別的關(guān)鍵。機(jī)器學(xué)習(xí)的方法中特征更具直觀性,分為統(tǒng)計(jì)特征和結(jié)構(gòu)特征。統(tǒng)計(jì)特征指利用統(tǒng)計(jì)方法獲得的特征，包括特征區(qū)域、矩及密度等特征；結(jié)構(gòu)特征是對(duì)字符的筆畫(huà)進(jìn)行研究分析，包括筆畫(huà)和輪廓，如凹陷、梯度、曲率、穿越、鏤空等特征。這些方法直觀地描述字符結(jié)構(gòu)特征，在字符定位準(zhǔn)確且無(wú)任何角度傾斜的整字識(shí)別上，可以獲得穩(wěn)定性較好的識(shí)別結(jié)果[1～3]。

字符硬度特征[11]的思想源于統(tǒng)計(jì)特征和結(jié)構(gòu)特征的綜合。單一統(tǒng)計(jì)特征比如圖像矩特征很難區(qū)分比如數(shù)字5與6、8、9、0，1與4。在表盤(pán)原始圖預(yù)處理后，經(jīng)分割，得到儀表表盤(pán)數(shù)字，如圖3所示。從圖3上可以看出，數(shù)字1和4垂直投影曲線(xiàn)接近，數(shù)字5、6、8、9、0的垂直投影也極為接近。但結(jié)合字符結(jié)構(gòu)特征發(fā)現(xiàn)，每一個(gè)字符在不同字符高度的密度區(qū)別很大，通過(guò)大量實(shí)驗(yàn)數(shù)據(jù)分析得出，1與4在自下而上1/5處的字符高度里區(qū)分度最高，8、9與0在自下而上1/5、2/5、3/5處區(qū)分度都十分明顯。故本文采用把字符五分切割，通過(guò)統(tǒng)計(jì)目標(biāo)字符在目標(biāo)區(qū)域里的像素密度，即單位面積下目標(biāo)像素的充滿(mǎn)度，定義硬度特征，它能體現(xiàn)數(shù)字圖像目標(biāo)區(qū)域在某方向上的抵抗變形的能力。定義根據(jù)數(shù)字圖像投影方向不同，可分為水平投影和垂直投影。硬度特征也分為水平硬度特征和垂直硬度特征。圖4分別給出了整字傾斜角度為0°和15°的數(shù)字水平投影，數(shù)字的水平投影對(duì)傾斜不敏感，傾斜15°仍變化不大，且不同高度處特征仍然明顯。字符在不同比例高度下硬度差距甚大，且對(duì)傾斜不敏感，故對(duì)圖像采集裝置安裝所導(dǎo)致的小范圍角度傾斜不需要作傾斜校正。本文選用水平硬度作為硬度特征。

將從儀表表盤(pán)獲得的0～9的數(shù)字進(jìn)行歸一，結(jié)合數(shù)字自上而下及自下而上不同的筆劃結(jié)構(gòu)和統(tǒng)計(jì)特性，分別采取自上而下和自下而上1/5、2/5、 3/5、 4/5、5/5處10個(gè)不同比例高度下硬度值作為圖像特征進(jìn)行分類(lèi)，從而完成硬度特征提取。水平硬度特征序列見(jiàn)表1。

表1 數(shù)字0～9對(duì)應(yīng)的水平硬度特征序列

3 灰色關(guān)聯(lián)分析數(shù)字識(shí)別

灰色關(guān)聯(lián)分析[11]通過(guò)確定參考序列和若干個(gè)比較序列的幾何形狀相似程度來(lái)比較其聯(lián)系程度。灰色關(guān)聯(lián)度表明了兩種序列的平均距離；絕對(duì)灰色關(guān)聯(lián)度反映兩種序列的相似程度；灰色綜合關(guān)聯(lián)度既體現(xiàn)了序列間的相似程度，又反映了序列變化速率的接近程度。采用灰色關(guān)聯(lián)分析方法對(duì)一個(gè)灰色系統(tǒng)進(jìn)行分析，首先得選準(zhǔn)反映各特征的數(shù)據(jù)序列。

本文利用綜合灰色關(guān)聯(lián)度進(jìn)行數(shù)字字符識(shí)別，選擇字符統(tǒng)計(jì)特征硬度指標(biāo)作為分析序列，利用待測(cè)字符與樣本訓(xùn)練集中的字符硬度特征關(guān)聯(lián)度進(jìn)行識(shí)別。提取測(cè)試樣本特征序列，建立灰色關(guān)聯(lián)矩陣，根據(jù)灰色關(guān)聯(lián)度、相對(duì)關(guān)聯(lián)度量化模型，利用Matlab程序計(jì)算系統(tǒng)特征變量數(shù)據(jù)序列之間的灰色關(guān)聯(lián)度。灰色關(guān)聯(lián)度表明了待測(cè)樣本與模板樣本的平均距離；相對(duì)灰色關(guān)聯(lián)度反映待測(cè)樣本與模板樣本的相似程度。根據(jù)優(yōu)勢(shì)分析原則，得出關(guān)聯(lián)順序，完成對(duì)數(shù)字的識(shí)別和分類(lèi)，具體有如下6個(gè)識(shí)別步驟。

1)讀入歸一的待測(cè)儀表字符圖象。

2)統(tǒng)計(jì)連通域高度H，判斷各字符是否為整字，HT為樣本字符高度，若|H-HT|/HT≤3%，則為整字，反之為非整字。

3)對(duì)各個(gè)數(shù)字字符進(jìn)行特征提取，構(gòu)成待識(shí)別樣本序列，整字的特征采取自上而下Hi=[1/5HT,2/5HT,3/5HT,4/5HT,HT],i=1～5和自下而上Hj=[1/5HT,2/5HT,3/5HT,4/5HT,HT],j=5～10的兩個(gè)方向的10個(gè)特征，組合成待識(shí)別字符圖像特征集X0=(x0(1),x0(2),…,x0(10))。

4)非整字由字符重心位置高度決定“灰數(shù)”和“白數(shù)”特征。若字符重心位置在1/2HT以上時(shí)，把自下而上方向的特征值看作“白數(shù)”，將自上而下的特征值看作“灰數(shù)”；反之對(duì)于重心位置低于1/2HT的非整字，把自下而上方向的特征值看作“灰數(shù)”，將自上而下的特征值看作“白數(shù)”。對(duì)各個(gè)數(shù)字字符進(jìn)行特征提取，用*表示灰數(shù)值，將上下兩部分特征保存到Xu0=(x0(1),x0(2),…,x0(10))和Xd0=(x0(1),x0(2),…,x0((10))中。

5)計(jì)算待識(shí)別字符圖像的特征集與訓(xùn)練樣本集中第i個(gè)數(shù)字字符特征的灰色綜合關(guān)聯(lián)度，比較得出最大的ρmax=ρoi，判斷待測(cè)數(shù)字即為第i個(gè)數(shù)字字符。

6)半字得出的上下連通域的關(guān)聯(lián)度最大的字符，且滿(mǎn)足上下兩個(gè)半字具有數(shù)字相鄰的性質(zhì)，得出兩半字識(shí)別結(jié)果，最后根據(jù)讀數(shù)需要，選擇字符高度大的半字作為最后識(shí)別結(jié)果。

4 實(shí)驗(yàn)測(cè)試

4.1 字符識(shí)別結(jié)果

在MATLAB環(huán)境下，讀入圖像，成功分割后，提取一字符硬度特征為：X0=(3.20，1.20，0.80，0.55，0.50，3.50，1.30，0.76，0.50)，關(guān)聯(lián)度對(duì)比見(jiàn)表2所示。由表2可知，絕對(duì)關(guān)聯(lián)度：ε05>ε02>ε03>ε08>ε00>ε09>ε06>ε07>ε01>ε04；相對(duì)關(guān)聯(lián)度：γ05>γ03>γ02>γ08>γ00>γ09>γ06>γ07>γ01>γ04；綜合關(guān)聯(lián)度：ρ05>ρ03>ρ02>ρ08>ρ00>ρ09>ρ07>ρ06>ρ01>ρ04。本文考慮綜合關(guān)聯(lián)度為分析指標(biāo)，待測(cè)序列與樣本5序列綜合關(guān)聯(lián)度最大，故可判斷待測(cè)數(shù)字字符為“5”。

表2 關(guān)聯(lián)度對(duì)比

對(duì)于提取的一組非整字序列Xuo=(* * * * * *1.5 0.7 0.45 0.3)和Xdo=(2.95 1.25 * * * * * * * *)，*表示未確定信息值，綜合關(guān)聯(lián)度計(jì)算結(jié)果，上連通域ρu07=0.9929最大，下連通域ρd08=0.9942最大，根據(jù)表盤(pán)刻度特點(diǎn)和連通域的高度，最后識(shí)讀數(shù)字字符為“7”。對(duì)2 500張來(lái)自實(shí)際電表表盤(pán)圖像的數(shù)字進(jìn)行測(cè)試，數(shù)字樣本字符包括整字、整字符有15°傾斜、整字符有30°傾斜、半字。發(fā)現(xiàn)即使整字符傾斜30°，此識(shí)別算法對(duì)整字和半字的識(shí)別都在98%以上，此算法對(duì)傾斜度不敏感，對(duì)整字和半字都有較好的適應(yīng)性。表3給出了字符識(shí)別結(jié)果。

表3 字符識(shí)別結(jié)果

4.2 不同算法識(shí)別結(jié)果比較

基于以上實(shí)驗(yàn)分析，將500張電表表盤(pán)圖像包括有不同傾斜角度的圖片進(jìn)行識(shí)讀，表4給出了參考文獻(xiàn)[12]中加權(quán)硬度特征匹配的方法和本文灰色關(guān)聯(lián)分析兩種識(shí)別方法的結(jié)果對(duì)比。

表4 不同識(shí)別算法結(jié)果比較

測(cè)試結(jié)果顯示，基于灰色關(guān)聯(lián)分析的方法對(duì)旋轉(zhuǎn)畸變表現(xiàn)出較強(qiáng)的容錯(cuò)能力，正確識(shí)別率在98.4%以上，比加權(quán)硬度特征匹配的方法更優(yōu)。通過(guò)對(duì)未能正確識(shí)別的數(shù)字圖像進(jìn)行分析，發(fā)現(xiàn)受采樣時(shí)受鏡面反光導(dǎo)致過(guò)度光照強(qiáng)度影響而產(chǎn)生了噪聲，出現(xiàn)表盤(pán)字輪區(qū)域與數(shù)字連通的情況，影響了字符的分割。經(jīng)調(diào)整光照后，該算法都能正確識(shí)別。實(shí)驗(yàn)結(jié)果表明本文方法的有效性。

5 結(jié)論

本文考慮灰色關(guān)聯(lián)分析具有標(biāo)準(zhǔn)樣本量小，不需要規(guī)律的特點(diǎn)，通過(guò)字符自上而下和自下而上兩個(gè)方向的不同高度范圍內(nèi)的像素統(tǒng)計(jì)值，構(gòu)建字符硬度特征序列，將受不確定因素影響的信息當(dāng)作灰度信息，具有最大灰色綜合關(guān)聯(lián)度的樣本作為識(shí)別結(jié)果，從而完成對(duì)儀表數(shù)字字符的識(shí)別。該算法計(jì)算簡(jiǎn)單，硬件容易實(shí)現(xiàn)。