论文部分内容阅读
药品质量关系到人们的健康甚至生命安全,所以药品管理部门和药厂对药品的检测要求越来越严格,其中药品包装的视觉识别与分析是药品检测的重要内容之一。机器视觉作为一项先进的自动化检测技术,可以有效的提高生产效率和工业制造水平,而且字符识别技术是当前机器视觉领域的研究热点,有着广泛的应用前景,得到了快速发展。至今为止,已经成功运用于车牌识别中。然而与具体的工作场景相关联,满足具体要求的字符识别,具有一定的难度,仍处于研究探索阶段。本文主要围绕药品标签上的字符定位、字符分割和字符识别算法展开了较为深入的研究。首先,研究了药品标签图像的预处理算法。算法主要包括字符畸变矫正,图像增强,边缘检测、数学形态学等。其次,对于字符定位,通过分析和比较目前各种常用的字符定位方法,本文提出并研究了一种轮廓跟踪方法和投影特征相结合的药品标签字符定位方法。该方法首先利用轮廓跟踪法得到字符所在的大致区域,再利用水平投影法去除其他的干扰并得到单行的字符区域。对于字符分割,由于定位出的字符可能存在断裂和粘连,而且定位出的字符样式存在多样性。为了解决这些问题,本文研究了基本的字符分割方法如区域生长法、投影法、模板匹配法,由于这些方法不能很好的对字符进行分割,因此,提出并研究了一种垂直投影和滴水算法相结合的字符分割方法。该方法首先根据一定的判断准则,利用垂直投影法找出字符粘连的区域,再利用滴水算法对粘连字符进行分割。最后,系统地研究了常用的字符识别方法,并实现了药品标签的字符识别,该识别方法利用结构特征或统计特征对待识别的字符进行粗分类,并将每一类的字符进行K-L变换提取最优特征,将这些特征向量作为BP神经网络的输入从而完成字符的识别。