[发明专利]一种3D压印字符无分割序列识别方法及系统

权利要求书

1.一种3D压印字符无分割序列识别方法，其特征在于：包括如下工艺步骤：

1)，图像加权融合：根据四副不同曝光强度图像的对比度、饱和度、适度曝光量这三个测度因子生成原始多曝光图像的权重图，对其进行加权平均后获得综合金字塔系数，最后重建拉普拉斯金字塔得到融合图像；

2)，区域显著性增强：从非显著像素中选择初始背景种子，让背景种子增长进而检测背景连通域，从而检测出字符连通域；同时利用字符曲率显著性特征来实现字符区域的显著性增强，该操作能够提高步骤1)的融合结果图前景与背景的对比度；

3)，无分割序列特征提取：对步骤2)得到的图像使用五层卷积神经网络进行序列特征提取；其中包括二层卷积层，二层最大池化层，一层全连接层；

4)，字符序列编码：使用长短时记忆网络(LSTM)来处理和预测步骤3)所提取的序列字符特征；

5)，字符序列解码与识别：将步骤(4)的结果输入到基于神经网络的时序类分类的ctc(连接主义时间分类)模块；该模块能够把网络的输出更改为所有可能标签序列的概率分布，通过梯度下降法和反向传播法训练网络，序列解码的目的是找到具有最大概率的近似最优路径，即最佳识别结果。

2.如权利要求1所述的3D压印字符无分割序列识别方法，其特征在于：所述步骤1)中，图像对比度的计算方法采用图像的梯度表示，梯度越大其权值就设置越大，曝光不足、曝光过度区域则梯度值就越小，则其权值就设置越小，计算公式如下:

C(i,j)＝F(i-1,j)+F(i+1,j)+F(i,j-1)+F(i,j+1)-4F(i,j)

其中C(i,j)表示像素(i,j)处的梯度，F(i,j)表示在像素(i,j)处的灰度值；

图像饱和度反映彩色图像的鲜艳程度，其计算公式如下：

mu＝(R(i,j)+G(i,j)+B(i,j))/3

其中，S(i,j)表示像素(i,j)处的饱和度，R(i,j)、G(i,j)和B(i,j)分别表示彩色图像三通道在像素(i,j)处的取值，mu表示三通道在像素(i,j)处的平均值；

图像所反映的空间频率计算图像的适度曝光量。计算公式如下：

E(i,j)＝ER(i,j)gEG(i,j)gEB(i,j)

其中，E(i,j)表示像素(i,j)处的曝光量，ER(i,j)、EG(i,j)EB(i,j)分别表示彩色图像三通道在像素(i,j)处的曝光量，δ为方差，实验取值为0.15；

多曝光图像序列的对比度、饱和度和适度曝光量，利用它们的联合乘积作为图像的权值图，计算公式如下：

其中，表示多曝光图像序列中第k幅图像在像素(i,j)处的权值，和分别表示第k幅图像的对比度、饱和度和适度曝光量，wc、ws和we分别为C、S和E权值的调节参数，实验中全部取1；

高斯金字塔第l层的构造方法如下：

构造的l层图像记为G_l，G_l-1与窗口函数具有低通特性的w进行卷积，通过对它们卷积的结果做隔行隔列的降采样运算得到G_l

其中L表示高斯金字塔层数，C_l为第l层图像列表数，R_l是行数，w(m,n)为5×5窗口函数；

最后，多曝光图像加权融合算法模型的计算公式如下：

R为融合图像，I^K为输入的多曝光图像序列，W^K为对应的权值，N为多曝光图像序列的数量。