基于机器学习的电路板印刷字符检测识别方法研究

发布时间：2021-05-31 22:52

　　机器学习与深度学习的快速发展,在传统的图像处理领域中又带动起了一波新的发展潮流,新的机器学习方法应用于图像文本识别领域的方法研究日趋活跃。同时伴着智能设备的发展,为了适应更快的生产节奏,更高的生产效率,传统的工业生产方式也急需新的技术改革。图像文本识别在工业领域中亦是不可或缺的一员,无论是自动化生产线还是物流运输,处处都需要图像文本识别技术。本文以电路板印刷字符的图像文本识别技术为研究课题,主要研究了工业背景下的图像文本字符区域识别、字符分割、字符识别等,具体内容如下:1)研究了以PCB板为背景的文本准确区域定位方法,在提取候选字符区域方面,传统算法是使用最大稳定极值区域算法然后直接进行字符分割,这种方法在在噪声较多的背景下效果并不理想,本文在使用MSER算法后将极大值区域进行形态学处理,并提出一种自设规则过滤器,根据文本区域特征筛选掉大部分的非文本区域,然后提取训练样本的HOG特征,对样本进行训练,使用SVM分类器实现候选区域准确定位。并统计分析了测试用例的准确率和可行性。2)研究了字符精准分割方法,为了能够更加准确的将文本区域中的每一个字符分割出来,获得比传统方法更好的分割准确率,... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

图片像素值示意图

技大学硕士学位论文( )i iiS S iS+ = 将下面九个像素点组成一张图，每在像素点的灰度值。321322 2.1 图片像素值示意图3 2 2

(d) 2.3 MSER 实验对比图。(a)原样本图片；(b)MSER+实验图；(c)MSER-实验图；最终实验图学形态学处理上述效果图 2.3（d）可以看出经过 MSER 算法处理以后，图片中依无关区域，并且字符区域并未处于同一连通域内，分别处于几个不这给后面的字符检测和识别带来不必要的麻烦。所以运用数学形态处理，以期望能够得到良好的字符候选区。学形态学是由形态学和集合论是的两大理论基础，数学形态学经常与图像处理领域，并在图像处理的领域中具有不可替代的地位。数将区域中各种形状特点突出出来，将区域内的形状特色鲜明的展现们将所想要的形状特点提取出来。所以，数学形态学正是由于拥有够成为图像处理、机器视觉、目标检测等技术中不可或缺的重要一图像处理算法的核心部分之一。

【参考文献】：
期刊论文
[1]基于MSER和PHOG特征的交通标志检测方法[J]. 王斌.  智慧工厂. 2015(10)
[2]A GAUSSIAN MIXTURE MODEL-BASED REGULARIZATION METHOD IN ADAPTIVE IMAGE RESTORATION[J]. Liu Peng Zhang Yan Mao Zhigang (Shenzhen Graduate School,Harbin Institute of Technology,Shenzhen 518055,China).  Journal of Electronics（China）. 2007(01)

博士论文
[1]金属标牌压印凹凸字符的特征提取和识别方法研究[D]. 李学勇.山东大学 2008



本文编号：3209126