[发明专利]一种图像数字分割与识别方法及系统

权利要求书

1.一种图像数字分割与识别方法，其特征是：包括以下步骤：

采集原始钢板图片，对图片进行灰度化和阈值二值化的预处理；

对预处理后的图像进行边缘检测；

根据边缘检测结果确定图像的偏转角度，并根据偏转角度对图像进行校正，形成目标图像；

利用支持向量机法对目标图像进行分割，并对分割后的图像进行腐蚀和膨胀优化，利用神经网络识别优化后的图像，得到识别结果。

2.如权利要求1所述的一种图像数字分割与识别方法，其特征是：图片灰度化是，利用平均值法，即将彩色图像中的三分量亮度求平均得到一个灰度值，以表示图像的灰度值。

3.如权利要求1所述的一种图像数字分割与识别方法，其特征是：在进行图片阈值二值化时，利用最大类间方差法来挑选阈值。

4.如权利要求3所述的一种图像数字分割与识别方法，其特征是：最大类间方差法中，构建目标函数：

g(T)＝w₀×(u₀-u)²+w₁×(u₁-u)²

其中，w0为前景点占图像的比例，u0为前景点占图像的均值，w1为背景点占图像比例，u1为背景点占图像均值，u为整个图像的均值，u＝w0*u0+w1*u1，当g(T)取得全局最大值，此时的T为最佳阈值。

5.如权利要求1所述的一种图像数字分割与识别方法，其特征是：使用edge函数对图像进行边缘检测，在edge函数中使用canny边缘检测算法来检测灰度化和阈值二值化后的图像的边缘。

6.如权利要求1所述的一种图像数字分割与识别方法，其特征是：利用hough变换来得到目标图像的边框，从而能够标记出钢板的在图像中的具体位置，然后通过下边框和水平线间的夹角来对对象进行旋转矫正，最后展示出旋转后的图像。

7.如权利要求1所述的一种图像数字分割与识别方法，其特征是：利用支持向量机进行图像分割的具体过程为，找到区分不同像素点的特征，选取多个前景点作为字符的特征点，选取多个背景点作为要去除的图像的特征点，利用支持向量机对进行训练，并分割图像。

8.如权利要求1所述的一种图像数字分割与识别方法，其特征是：利用imdilate和imerode函数对目标图像进行若干次膨胀与腐蚀操作。

9.如权利要求1所述的一种图像数字分割与识别方法，其特征是：将分割后的图像缩放为模板库中与模板图片一样大小的图片，利用hopfield神经网络对所得出的字符进行识别。

10.一种图像数字分割与识别系统，其特征是：运行于处理器或存储器上，被配置为执行以下指令：

接收采集的原始钢板图片，对图片进行灰度化和阈值二值化的预处理；

对预处理后的图像进行边缘检测；

根据边缘检测结果确定图像的偏转角度，并根据偏转角度对图像进行校正，形成目标图像；

利用支持向量机法对目标图像进行分割，并对分割后的图像进行腐蚀和膨胀优化，利用神经网络识别优化后的图像，得到识别结果。