[发明专利]融合二值图像与灰度图像的字符识别的方法

权利要求书

1.一种融合二值图像与灰度图像的字符识别的方法，其特征在于， 对所述二值图像与灰度图像的融合图像进行处理，进行字符识别，其包括 以下步骤：

步骤1：设预处理后得到的单个字符图像的二值图像为B₀＝[b₀(x，y)]， 其中位于第x行第y列的像素点的值为b₀(x，y)，b₀(x，y)为0或1，图像的 大小为W₁×H₁；字符的灰度图像为G_c＝[g_c(x，y)]，位于第x行第y列的像素 点的值为g_c(x，y)，0≤g_c(x，y)≤255；将字符图像的二值图像B₀与灰度图像 G_c进行融合，得到融合后的图像G＝[g(x，y)]，位于第x行第y列的像素点 的值为g(x，y)，0≤g(x，y)≤255；

步骤2：在提取融合图像G＝[g(x，y)]的特征前，先进行融合图像G＝[g (x，y)]的位置和大小的归一化处理；图像归一化处理的输入图像为G＝[g(x， y)]，归一化后的输出图像为F＝[f(x’，y’)]，其大小分别为W₁×H₁和W₂×H₂； 输入图像G＝[g(x，y)]位于第x行第y列的像素点将被映射到F＝[f(x’，y’)] 位于第x’行第y’列的像素点，通过输入图像和输出图像的坐标映射来实现 图像归一化：

x′=x′(x,y)y′=y′(x,y)]]>

一维坐标映射为：

x′=x′(x)y′=y′(x);]]>

步骤3：基于梯度直方图提取归一化图像的梯度直方图的特征；

步骤4：利用主分量分析与线性判别分析对归一化图像的梯度直方图 的特征进行降维处理，得到特征降维的变换矩阵；

步骤5：建立字符特征模板库，读取特征降维的变换矩阵并对字符进 行识别；

所述二值图像与灰度图像的融合包括：

步骤11：对灰度图像G_c＝[g_c(x，y)]的像素点值g_c(x，y)利用传统的最大类 间方差法求得阈值th_ostu，求一个全局阈值th，令th＝a×th_ostu，a是一个 常数；利用全值阈值th对灰度图像G_c＝[g_c(x，y)]的像素点值g_c(x，y)进行门 限处理，得到二值图像B_g＝[b_g(x，y)]，二值图像的像素点值b_g(x，y)定义为：

bg(x,y)=1gc(x,y)>th0gc(x,y)≤th,]]>x＝0，...，W₁-1，y＝0，...，H₁-1；

步骤12：利用二值形态学对二值图像B_o进行条件膨胀，设D是一个3x3 的图像，其每个位置的像素值为1；对二值图像B_o进行条件膨胀为：

Bi+1=(Bi⊕)∩Bg,]]>i＝1，2，...，N，B₁＝B₀

根据上式对二值图像B_i反复进行条件膨胀，直到B_i+1＝B_i或达到最大 的迭代次数，设最后得到的二值图像为B＝[b(x，y)]；

步骤13：得到用于单个字符识别的融合图像G＝[g(x，y)]，g(x，y)定义 为：

g(x,y)=gc(x,y)b(x,y)=10b(x,y)=0,]]>x＝0，...，W₁-1，y＝0，...，H₁-1。