集装箱箱号识别定位中灰度化方法研究

发布时间：2020-09-08 15:29

　　近年来,经济的快速增长不断地促进了物流业的发展,集装箱运输成为物流运输的主要方式之一。为了有效地管理集装箱,基于机器视觉的集装箱智能识别系统得到了普遍运用。在集装箱智能识别系统对采集到的集装箱图片识别之前,需要对图片进行灰度化处理,灰度化后的图像数据量小且含有原图的大部分信息,既不影响后续的箱号识别而且能够降低运算速度。但在灰度化过程中,由于传输过程引入噪声或集装箱字符区域污损等原因,导致灰度化后的图像对比度低或缺失信息,造成系统识别率低、识别速度慢。本文针对集装箱智能识别系统进行集装箱箱号识别这一背景,围绕图像灰度化方法这一课题进行了相关的研究工作。主要研究工作如下:针对集装箱智能识别系统拍摄传输过程中引入的噪声以及图片字符区域存在阴影的问题,构建了一种基于灰度拉伸结合灰度直方图均衡的灰度图像优化处理方法。该方法通过K-means算法分析图像灰度级分布以及关注区域灰度变化,然后进行灰度拉伸,拉伸后再将灰度图像进行灰度均衡处理,增强所需区域对比度,以降低灰度化过程中产生的噪声,同时保留彩色图像灰度化后的图像细节。针对集装箱字符识别区域污损等问题,使用主成分分析法(PCA)结合贝叶斯阈值估计灰度变化率的混合法来对图像的灰度化进行优化,可以在判断图像中某一点灰度值与周围相邻像素点的灰度值的变化率后,弥补缺失信息,有效确定边缘特征,从而提高后序的字符识别准确率。最后通过评价比较选择主成分分析法结合贝叶斯阈值估计灰度变化率的混合法设计实现了一套用于物流园的集装箱智能识别系统。经过实验验证在对78幅物流园采集的集装箱箱号的识别中,通过使用本文所构建的混合灰度化方法相较普通的均值法、加权平均法的灰度化方法,单一字符准确率可达95%,箱号准确率可达98%。
【学位单位】：兰州交通大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;U169
【部分图文】：

示意图,HSI模型,示意图,空间图像

（a）RGB 模型（b）HIS 模型图 2.1 RGB 和 HSI 模型示意图I 模型的转换可以由下列公式表示，当拥有一副三个分量，这样可以计算出 H，S，I 分量大小360B GHB G 1221[( ) ( )]2cos[( ) ( )( ) ]R G R BarcR G R G G B 3S 1 [min( R, G , B)]R B G 1( )3I R G B RGB 的空间图像以及转换到 HIS 的空间图像

效果图,效果图,空间图像,分量

图 2.1 RGB 和 HSI 模型示意图B 到 HSI 模型的转换可以由下列公式表示，当拥有一副彩色图像时R，G，B 三个分量，这样可以计算出 H，S，I 分量大小。360B GHB G 1221[( ) ( )]2cos[( ) ( )( ) ]R G R BarcR G R G G B 3S 1 [min( R, G , B)]R B G 1( )3I R G B2.2 所示为 RGB 的空间图像以及转换到 HIS 的空间图像。

效果图,灰度化,效果图

集装箱箱号识别定位中灰度化方法研究的相同的一种灰度颜色，灰度值较大的图像像素较亮，这样看起来黑色比较浅(像最大值为 255，就是白色)，反之亦然。最常用的图像灰度算法有以下 3 种: 最大值方法: 使转换后的 r、g、b 等于前 3 值大的数值, 即 r g b max( r , g , b),处理效果如图 2.3（a）所示；平均值方法: 转换r，g，b 的平均值，即 r g b ( r g b)/3，作为图像所有的像素点值，这样形灰度图像看起来比较平和，所有的点看起来都是模糊的，处理效果如图 2.3（b）所加权平均值方法：1 2 3r g b r g b,1 2 3 , , 分别为 r，g，b 的权值，对这三个颜色分量取不同的权值就会形成不同的灰度图像，由于人眼结构会对色彩感度逐渐减少，因此，将获得易于识别的灰度图像。有研究表明，用加权值( 0.299、7、0.114 )得到的灰度图像最好，处理效果如图 2.3（c）所示。

【相似文献】