復(fù)雜背景下激光防偽碼圖像識(shí)別研究.pdf

1、近年來(lái)，隨著我國(guó)市場(chǎng)經(jīng)濟(jì)迅速發(fā)展，假冒偽劣產(chǎn)品已經(jīng)嚴(yán)重干擾了市場(chǎng)經(jīng)濟(jì)秩序。防偽技術(shù)應(yīng)用而生，通過(guò)防偽技術(shù)的應(yīng)用，可以保護(hù)企業(yè)品牌和消費(fèi)者合法權(quán)益。光學(xué)字符識(shí)別技術(shù)已經(jīng)發(fā)展的很成熟，但是這些都是針對(duì)高質(zhì)量、清晰、間距大等特點(diǎn)的字符，隨著字符背景不干凈、噪聲大、光照不均勻等因素影響，字符的識(shí)別率也隨之下降，因此復(fù)雜背景下激光防偽碼識(shí)別系統(tǒng)的研究具有重要研究意義與商業(yè)價(jià)值。本文重點(diǎn)對(duì)復(fù)雜背景下激光防偽碼圖像的預(yù)處理、分割及其識(shí)別算法進(jìn)行了研究

2、。主要研究工作如下：
　　（1）研究了最大穩(wěn)定極值區(qū)域（Maximally Stable Extremal Regions，MSER）原理，提出基于改進(jìn)的MSER字符區(qū)域粗定位方法，利用MSER的仿射不變性，提取圖像的穩(wěn)定區(qū)域，根據(jù)先驗(yàn)知識(shí)進(jìn)行字符區(qū)域的篩選與組合。對(duì)粗定位后的圖像，利用字符筆畫寬度基本一致特點(diǎn)，將改進(jìn)的筆畫寬度變換算法應(yīng)用于字符區(qū)域提取中，并將本文算法與Mean Shift算法和K-means算法做比較，本文算法

3、能夠從光照不均勻、背景圖案干擾、噪聲干擾等復(fù)雜背景下的激光防偽碼圖像中提取出比較純凈的字符。同時(shí)，對(duì)提取出來(lái)的字符還進(jìn)行了一系列的預(yù)處理，包括二值化、濾波去噪、形態(tài)學(xué)運(yùn)算以及采用基于Radon變換的圖像傾斜校正方法等。
　?。?）利用字符水平投影法和字符寬高等先驗(yàn)知識(shí)進(jìn)行字符區(qū)域精確定位，針對(duì)列切分提出垂直投影與上下輪廓檢測(cè)相結(jié)合的切分方法，并且引入權(quán)值的概念，求解最佳切分路徑。根據(jù)字符的特點(diǎn)，對(duì)于有間隔字符利用垂直投影進(jìn)行第一次

4、切分，針對(duì)粘連字符利用上下輪廓檢測(cè)進(jìn)行第二次切分，本文算法與滴水算法和垂直投影算法進(jìn)行比較，實(shí)驗(yàn)表明本文算法有較好的切分效果。
　?。?）研究SVM分類器原理，提取字符的方向梯度直方圖（Histogram of Oriented Gradient，HOG）特征，將提取的特征用支持向量機(jī)對(duì)字符進(jìn)行模式分類。研究SVM參數(shù)選擇問(wèn)題，與其它的字符特征如局部二值模式特征、網(wǎng)格特征、幾何特征以及這些特征的相互融合進(jìn)行了比較，并且將SVM分類

5、方法與模版匹配識(shí)別方法、神經(jīng)網(wǎng)絡(luò)識(shí)別方法進(jìn)行了比較，實(shí)驗(yàn)結(jié)果表明本文設(shè)計(jì)的基于HOG特征的SVM識(shí)別方法有較高的識(shí)別率、較好的魯棒性以及較快的識(shí)別速度，能夠有效抵御復(fù)雜背景和筆畫斷裂的影響。
　　本文針對(duì)復(fù)雜背景下激光防偽碼圖像，研究了字符區(qū)域的粗定位、字符區(qū)域提取、二值化、字符切分、字符識(shí)別等方面，實(shí)驗(yàn)結(jié)果表明本文的預(yù)處理算法和識(shí)別算法能夠抵御復(fù)雜背景的干擾獲得高達(dá)98.75％的正確識(shí)別率，并且將這些算法應(yīng)用于臺(tái)式激光防偽碼識(shí)別