陸靖濱+許麗

摘 要： 為了適應(yīng)數(shù)顯儀表各種不同的室外環(huán)境，建立了自適應(yīng)于不同光照條件下的儀表自動識別系統(tǒng)。針對數(shù)顯儀表圖像的點亮區(qū)域多為紅色，不亮部分偏灰白的特征，設(shè)計基于RGB彩色空間濾波方法，較好地保留了點亮區(qū)域的亮度信息；并提出改進(jìn)的最大類間方差法，實現(xiàn)了數(shù)顯儀表圖像字符的自適應(yīng)提取。根據(jù)數(shù)顯儀表數(shù)字特征信息，采用穿線識別法，實現(xiàn)了數(shù)顯儀表的自動識別。通過大量實測實驗表明，提出的自適應(yīng)特征提取算法對不同角度、不同光照環(huán)境拍攝的儀表圖像都有良好的適應(yīng)性，應(yīng)用于數(shù)顯儀表自動識別系統(tǒng)可得到95%的識別準(zhǔn)確率，平均運行時間為1.136 s。

關(guān)鍵詞： 數(shù)顯儀表識別； 自適應(yīng)特征提??； 彩色空間濾波； 自動識別

中圖分類號： TN911.73?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）24?0147?04

Abstract： In order to make the digital?display instrument adapt to various outdoor environments， an instrument′s automatic recognition system adaptive to various illuminations is established. According to the features that the color of the bright area of the digital?display instrument image is almost red and the color of the dark area is partial to gray， the color space filtering method based on RGB is designed to reserve the luminance information of the bright area better. The improved Otsu method is proposed to realize the adaptive extraction of image characters of the digital?display instrument. The threading recognition method is used to realize the automatic recognition of the digital?display instrument according to the digital feature information of digital?display instrument. The actual measured results of massive experiments show that the adaptive feature extraction algorithm has strong adaptability to the instrument images taken in different imaging angles and different illumination environments， and can get the identification accuracy of 95% when it is applied to the automatic recognition system of digital?display instrument； its average running time is 1.136 second.

Keywords： digital?display instrument identification； adaptive feature extraction； color space filtering； automatic identification

0 引 言

目前電力系統(tǒng)存在著大量沒有計算機接口的非智能儀表，為了獲得這些儀表的數(shù)據(jù)，常采用人工抄表的方式獲得，在觀測環(huán)境差，特別是環(huán)境存在危險情況下，加上人為因素的影響，人工抄表數(shù)據(jù)存在精度低、可靠性差的缺點[1?3]。隨著數(shù)字圖像技術(shù)和模式識別的發(fā)展和應(yīng)用不斷深入，機器人巡檢和儀表自動識別已成為當(dāng)前研究的熱點。

目前數(shù)顯儀表的自動識別已有多種方法，2000年F.Corrêa Alegria首先提出了一種用于指針儀表以及數(shù)字顯示式儀表自動化校準(zhǔn)系統(tǒng)，特別針對沒有計算機接口的儀表提出了基于機器視覺的半自動識別方法[4]。顏友福針對復(fù)雜多指針式儀表的讀數(shù)自動識別難度大精度低的問題，提出一種基于區(qū)域生長的指針式儀表自動識別方法[5]。張文杰針對指針式儀表讀數(shù)算法對光照變化影響較大、識別精度不高的問題，提出一種基于視覺顯著性區(qū)域檢測的指針式儀表讀數(shù)方法[3]。

針對電力系統(tǒng)應(yīng)用中儀表圖像易受到光照、拍攝條件等因素的影響，本文建立了自適應(yīng)于不同光照條件下的數(shù)顯儀表自動識別系統(tǒng)。該系統(tǒng)包括儀表字符特征自適應(yīng)提取和字符識別兩部分。

1 數(shù)顯儀表圖像的自適應(yīng)特征提取

由于受實際場地光照、天氣等外界環(huán)境以及攝像頭鏡片反光等輸入設(shè)備的影響，采集得到的數(shù)顯儀表圖像質(zhì)量較差，含有大量噪聲、圖像幾何失真、模糊等干擾，不利于表盤字符區(qū)域的分割。數(shù)顯儀表圖像自適應(yīng)特征提取主要包括彩色圖像自適應(yīng)灰度化、字符自適應(yīng)提取和分割。

1.1 彩色圖像自適應(yīng)灰度化

針對數(shù)顯儀表圖像中點亮字符區(qū)域多為紅色、不亮區(qū)域偏灰白的特征，本文采用自適應(yīng)灰度化，較好地保留點亮區(qū)域的亮度信息。

圖像灰度化常用的方法有加權(quán)平均法和平均值法。加權(quán)平均法利用人眼對于顏色的敏感程度，對綠色的敏感度最高、藍(lán)色的敏感度最低[6]。實際測試場地采集的數(shù)顯儀表圖像由于受光照條件和相機曝光等因素的影響，數(shù)顯管字符區(qū)域會出現(xiàn)顏色偏差現(xiàn)象，經(jīng)過加權(quán)平均法和平均值法灰度化后LED數(shù)顯管部位灰度差不明顯，對之后圖像二值化處理時容易造成誤判。根據(jù)數(shù)顯儀表這一特點，本文設(shè)計了基于RGB彩色空間的濾波器，通過設(shè)定一種對于R，G，B三種顏色的判別規(guī)則，保留以紅色分量為主的顏色信息。

判別規(guī)則為，對于數(shù)顯式儀表圖像I，當(dāng)R（i，j）紅色分量明顯大于其他分量時，即判別I（i，j）為紅色，并通過設(shè)定判定閾值T來控制判別條件的顏色是否為紅色，然后通過對灰度圖像進(jìn)行掩膜操作，從而得到以R分量為主的灰度圖。同理，當(dāng)G（i，j）綠色分量明顯大于其他分量時，則判別I（i，j）為綠色分量；當(dāng)B（i，j）藍(lán)色分量明顯大于其他分量時，則判別I（i，j）為藍(lán)色分量。

1.2 自適應(yīng)字符特征提取

為了適應(yīng)各種光照條件下的數(shù)顯儀表字符特征提取，本文采用自適應(yīng)閾值分割完成字符提取。最大類間方差法是一種常用的自適應(yīng)目標(biāo)閾值分割算法，對一般的前后景灰度分明的圖像有很好的分割效果，但難以實現(xiàn)前后景灰度變化不大的目標(biāo)提取[7]。傳統(tǒng)最大類間方差法的思想是使用一個閾值將整個數(shù)據(jù)分成背景C1和目標(biāo)C2兩個類，使得兩類之間的方差最大所對應(yīng)的閾值即為最佳閾值。計算兩類之間的方差為：

式中：w1和w2分別為背景和目標(biāo)所占的圖像像素總數(shù)的比例；u1和u2為背景和目標(biāo)中像素灰度均值。當(dāng)類間方差值d2最大（max（d2））時，所對應(yīng)的t值即為分割的最佳閾值T。

在對實際拍攝的數(shù)顯儀表在光照過亮條件下拍攝的圖像，其目標(biāo)區(qū)域與背景區(qū)域的灰度變化較小。傳統(tǒng)的最大類間方差法進(jìn)行二值化閾值分割后，二值圖像存在大塊白色區(qū)域，無法正確分割出儀表字符區(qū)域，嚴(yán)重影響后續(xù)字符識別。經(jīng)過大量實驗分析后得出，在無法分割出指針區(qū)域的過亮儀表圖像中背景和目標(biāo)之間最大類間方差值max（d2）較小。因此，最大類間方差值max（d2）可用于衡量指針目標(biāo)是否準(zhǔn)確提取的標(biāo)準(zhǔn)。根據(jù)這一衡量標(biāo)準(zhǔn)，本文提出改進(jìn)的最大類間方差法。當(dāng)對儀表灰度圖像進(jìn)行第一次最大類間方差法閾值分割時，其最大類間方差值max（d2）在K（[k1，k2]）范圍內(nèi)，則此時對應(yīng)的閾值T1為最佳分割閾值，否則將第一次閾值分割時劃分的目標(biāo)類作為第二次最大類間方差法閾值分割的對象，判斷其最大類間方差值max（d2）是否在K范圍內(nèi)。以此迭代計算，直到最大類間方差值max（d2）在K范圍內(nèi)，此時對應(yīng)的閾值Tn，即為最佳分割閾值。

通過大量實驗證明，改進(jìn)的最大類間方差法不受各種光照條件的影響，對實際采集的背景與前景有明顯灰度變化或無明顯灰度變換的儀表圖像都有良好的分割效果，能夠自適應(yīng)地選取閾值實現(xiàn)圖像的二值化。

2 基于結(jié)構(gòu)特征的字符識別

目前，圖像識別的方法有很多種，常用的可以分為三類：基于統(tǒng)計特征的方法[8]、基于結(jié)構(gòu)特征的方法[9?10]、基于神經(jīng)網(wǎng)絡(luò)的方法[11]?？紤]到實際識別的數(shù)顯儀表示數(shù)均為數(shù)顯管形式顯示，其數(shù)字字符為七段數(shù)碼管字體，結(jié)構(gòu)比較簡單，沒有復(fù)雜的特征信息。在保證識別準(zhǔn)確度的基礎(chǔ)上提高系統(tǒng)運算的效率，這里采用基于結(jié)構(gòu)特征穿線識別的方法對數(shù)顯儀表數(shù)字字符區(qū)域進(jìn)行識別。

通過對數(shù)顯儀表七段數(shù)碼管字符進(jìn)行分析可知，七段數(shù)碼管的字符結(jié)構(gòu)較為標(biāo)準(zhǔn)，7個筆畫排列規(guī)則如圖1所示，對七段數(shù)碼管的各個碼段進(jìn)行定義，分別為a，b，c，d，e，f，g。取三條基線，一條過字符寬度的線分別穿過數(shù)碼管a，g，d三段，兩條水平線一條在字符高度處穿過數(shù)碼管的c，e兩段，另一條在字符高度處穿過數(shù)碼管的b，f兩段。對于七段數(shù)碼管碼段點亮狀態(tài)的判定為像素值為“1”代表點亮，像素值為“0”時代表熄滅。因此在豎直方向的那條線上對字幅圖像進(jìn)行列向掃描，依據(jù)其與a，g，d三段的相交狀態(tài)來判斷這三段數(shù)碼管的亮、暗。同時，在水平方向上對字符和處的兩條線進(jìn)行行向的掃描，可以根據(jù)其相交情況來判定c，e，b，f這四段數(shù)碼管的亮、暗。最后根據(jù)以上得到的a，b，c，d，e，f，g數(shù)碼管碼段亮暗結(jié)果的不同排列組合，就可以對單個字符圖像中0～9的數(shù)字值進(jìn)行準(zhǔn)確的判斷。

3 實驗與分析

為了檢測本文提出的數(shù)顯儀表自適應(yīng)識別算法的可行性，以Matlab R2014a作為軟件測試的環(huán)境，對數(shù)顯儀表自動識別功能進(jìn)行了測試。

3.1 字符特征提取實驗分析

針對儀表圖像A和B，采用本文提出的彩色空間濾波法和傳統(tǒng)的加權(quán)平均法進(jìn)行圖像灰度化比較性能分析。彩色圖像灰度化的結(jié)果如圖2（c）和圖3（c）所示，彩色空間濾波法能更好地保留點亮字符區(qū)域的亮度信息，便于自適應(yīng)字符提取。圖像灰度化后經(jīng)過改進(jìn)最大類間方差法進(jìn)行字符分割后結(jié)果如圖2（d）和圖3（d）所示。

改進(jìn)的最大類間方差法可以在目標(biāo)和背景區(qū)域灰度差異不大的情況下，完成字符特征的提取。

實驗結(jié)果表明，加權(quán)平均法獲得的灰度圖像儀表LED數(shù)碼管點亮部位與背景灰度差值不大，易造成字符分割后效果不佳，不能夠正常分割出正確的字符，將直接導(dǎo)致后續(xù)識別的錯誤。采用彩色空間濾波法儀表圖像中數(shù)碼管點亮部位與周圍的灰度差值明顯，字符區(qū)域分割準(zhǔn)確，能夠為后續(xù)字符的識別提夠良好的基礎(chǔ)。

對二值數(shù)顯儀表圖像進(jìn)行傾斜矯正、圖像去噪等處理之后，需要完成單個字符的分割，進(jìn)而完成字符的識別。本文算法所得二值圖像中的數(shù)字字符區(qū)域顯示清晰，每個數(shù)字之間有一定的間隔，且邊界較明顯。如圖4所示，利用二值圖像在垂直方向上的投影信息，對儀表圖像做字符分割操作。

3.2 字符識別實驗分析

為了檢測數(shù)顯儀表示數(shù)自動識別算法的實用性和適應(yīng)性，本文在變電站實際測試場地的五號數(shù)顯儀表廠區(qū)，采集了不同類型、不同角度、不同時間段的數(shù)顯儀表圖像樣本100幅，使用本文所提出的算法對實驗樣本進(jìn)行了識別，其中整數(shù)數(shù)字字符正確識別率為95%。這里記錄了其中10組樣本測試結(jié)果，如表1所示。10組測試樣本每組數(shù)顯儀表分別取不同拍攝角度、不同光照條件的相同示數(shù)識別10次，整個數(shù)顯儀表自動識別模塊運行的平均時間為1.136 s。

通過大量實驗表明，本文設(shè)計的數(shù)顯儀表自動識別模塊對不同角度，不同光照環(huán)境拍攝的儀表圖像都有良好的適應(yīng)性，整個模塊運行的平均時間為1.136 s，能夠滿足實際變電站儀表實時檢測的要求。其中造成識別錯誤的原因是儀表表盤區(qū)域不干凈造成對小數(shù)點識別的干擾，出現(xiàn)誤判。

4 結(jié) 語

針對受背景光照和相機曝光等因素所帶來的儀表圖像噪聲多、點亮區(qū)域特征難提取等特點，采用基于RGB彩色空間濾波的方法對儀表圖像進(jìn)行了自適應(yīng)灰度化；使用改進(jìn)的最大類間方差法完成了對字符區(qū)域自適應(yīng)提取；最后根據(jù)數(shù)顯儀表表盤數(shù)字的特征信息采用基于結(jié)構(gòu)特征的穿線識別法實現(xiàn)數(shù)顯儀表數(shù)字字符的識別。實驗結(jié)果表明，該系統(tǒng)自動識別實時性強，可獲得95%以上的識別精度，適用于各種光照條件下LED數(shù)顯的儀表的識別，具有良好的應(yīng)用前景。

參考文獻(xiàn)

[1] 張文杰，熊慶宇，張家齊，等.基于視覺顯著性的指針式儀表讀數(shù)識別算法[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報，2015，27（12）：2282?2295.

[2] 于向陽，姜威.儀表監(jiān)控識別系統(tǒng)中實時性和準(zhǔn)確性的研究[J].光學(xué)技術(shù)，2015，41（3）：275?279.

[3] 陳昕然.基于機器視覺的電力儀表自動檢定系統(tǒng)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2015.

[4] CORREA ALEGRIA F， CRUZ SERRA A. Automatic calibration of analog and digital measuring instruments using computer vision [J]. IEEE transactions on instrumentation and measurement， 2000， 49（1）： 94?99.

[5] 顏友福，劉金清，吳慶祥.基于區(qū)域生長的指針式儀表自動識別方法[J].計算機系統(tǒng)應(yīng)用，2015，24（4）：164?170.

[6] 劉關(guān)松，陸宗騏，徐建國，等.幾種彩色模型在不同光照條件下的穩(wěn)定性分析[J].小型微型計算機系統(tǒng)，2002，23（7）：882?885.

[7] 吳一全，吳文怡，潘喆.二維最大類間方差閾值分割的快速迭代算法[J].中國體視學(xué)與圖像分析，2007，12（3）：216?220.

[8] 郭戈，閆繼宏，蔣紅梅，等.基于結(jié)構(gòu)特征的漢字識別[J].蘭州理工大學(xué)學(xué)報，2003，29（1）：81?85.

[9] 葉景東，宗壽松，朱美強，等.基于機器視覺的礦用數(shù)顯電測量儀表檢測系統(tǒng)[J].工礦自動化，2016，42（9）：13?16.

[10] 童文超，舒小華，龍永紅，等.LED顯示儀表的字符識別方法[J].湖南工業(yè)大學(xué)學(xué)報，2014，28（1）：67?70.

[11] 王曉東，薛宏智，馬盈倉.基于自適應(yīng)遺傳算法的神經(jīng)網(wǎng)絡(luò)字符識別[J].西安工程大學(xué)學(xué)報，2008，22（2）：210?213.