论文部分内容阅读
随着成像设备的广泛使用,只需要嵌入一个模块,移动设备就可以通过拍照获取的银行卡图像自动输入银行卡账号而不用人工输入。因此,基于拍照的银行卡卡号检测和识别技术具有重要的研究价值。和自然场景中的文本检测一样,基于拍照的银行卡卡号检测面临着同样的难题,卡号文本同样存在字体、大小、排列方向上的多样性,也受光照条件、透视变换和对比度的影响,另外,卡号的复杂背景也加重了卡号检测和识别的难度。本文在自然场景中文本检测的基础上对基于拍照的银行卡卡号检测做了系统的研究,提出了基于特征提取、机器学习的卡号检测方法。本文的主要工作如下:首先,本文算法是用来检测水平卡号行的,需要水平校正银行卡图像。本文提出了两种预处理算法来改进已经提出了的Radon变换倾斜校正算法,第一种是对输入图像做边缘检测,第二种是对输入图像做直线段检测,然后对边缘或直线段图像做Radon变换,检测银行卡的倾斜角度。实验结果显示两种预处理改进能够提高银行卡图像的倾斜校正效果。其次,根据卡号和它的相邻背景间存在瞬态颜色,有一定的对比度,本文采用形态学算法来提取卡号的这种对比度特征;接下来,本文巧妙地将水平投影和k-means结合,得到了比较好的候选卡号行定位效果。最后,在卡号验证过程中,本文对传统的LBP算法进行了改进,提出了改进的LRBP(Region Local Binary Pattern)特征,该特征对卡号的纹理特征的描述能力更好,提高了银行卡卡号行的检测效果。接下来,算法分别提取了滑动窗的HOG和改进的LRBP特征通过训练好的SVM分类器来验证卡号域,在这一过程中,算法使用了分类器集成来提高分类器的检测精度。最后通过实验数据集检测,本文算法能很好地检测出银行卡号。