基于空間一致性的復雜場景鋼坯端面字符定位

章秀華，鐘 慶，張成軍，潘 凱

（武漢工程大學 圖像處理與智能控制實驗室，湖北 武漢430205）

鋼坯號自動識別是目前鋼鐵產業實現智能化生產的首要環節，是鋼鐵行業的迫切需求。生產線復雜場景條件下的鋼坯字符目標定位是實現鋼坯號智能識別的關鍵[1]。目前大多數的字符定位方法都是在對原圖像分割或分類后的基礎上，對分割、去噪后的結果圖進行水平和垂直方向投影，然后根據投影圖計算字符行或字符列的位置，如文獻[2-5]中使用的字符定位算法。但對于生產線場景條件下的鋼坯端面字符，由于軋鋼生產線的高溫及復雜場景等惡劣因素的影響，鋼坯端面字符圖像常存在背景光照不均、生產線上其它非目標物體的干擾等情況，且很多情況下目標字符還可能存在傾斜等，因此使用這些常規的方法不能達到正確定位鋼坯字符目標的目的。

針對這一復雜條件下的鋼坯字符定位問題，文中提出了一種基于鋼坯字符空間一致性字符定位的新方法。將鋼坯字符在空間排列的一致性特征作為定位字符位置的依據，尋找復雜場景鋼坯圖像上符合這一空間一致性特征的目標，對鋼坯字符進行準確定位。

1 鋼坯字符空間一致性特征分析和提取

大多數情況下，用于對物體或其它目標進行標示或編號的字符總是在空間中以一定的規律或順序排列。如圖1中的鋼坯字符在鋼坯端面上的空間位置，它們在空間中呈現水平、垂直或以一定角度排列，整體呈一條直線，單個字符與單個字符之間的距離近似相等，字符的空間位置排列有著一致性。字符的這種空間位置的一致性特征非常顯著，使得圖像上的字符目標很明顯的與其他非字符物體區別開來。

2 復雜場景鋼坯字符提取與定位

鋼坯生產線環境極為復雜，如投射室外光線的玻璃窗戶、一些反射性較強的物體等在灰度上都具有和鋼坯字符相近的灰度值分布，因此在分割后的圖像中除了目標字符外，還有大量的非目標物體，這些非目標物體因其高灰度值也被

圖1 字符在鋼坯端面空間位置上的排列Fig.1 Spatial arrangement of characters on steel billet

根據以上對字符空間一致性特征的分析，我們提取復雜場景下的鋼坯端面上的字符空間特征。對采集到的復雜場景鋼坯圖像進行分割后，從分割結果圖中提取鋼坯字符特征信息。在分割的鋼坯字符圖像二值圖中，各個字符以一定的規律整齊排列，則形成各字符的連通區域的質心也按相同的規律排列。連接一排字符中各個連通區域的質心，可以構成一條直線，且在該直線上的各相鄰質心點之間的距離大致兩兩相等。

根據上述描述的方法，采用以下步驟方法來對鋼坯字符進行特征提取與目標字符定位：

1）對復雜場景下的鋼坯端面目標圖像進行分割，得到包括鋼坯端面字符目標及其它非字符目標的二值化圖像；

2）分割后的圖像用值0和255兩個值來填充，分割圖中視為背景的像素灰度值為0，視為非背景區域的像素灰度值為255，將相連的像素值為255的區域看做一個連通域，用Ot表示，N為分割圖中像素值為255的連通區域個數，1≤t≤N；

3）將每一個單獨的連通域視為一個處理目標，計算每一個連通域目標區域的質心，得到分割圖像上每一個連通域目標區域的質心分布圖。采用的計算公式為[6]：

上式中n為每個連通域內的像素點的個數，xi,yi分別為每個連通域內像素的坐標值，x,y和分別為每一個計算出來的目標連通域的質心坐標。

根據鋼坯端面字符在空間排列成一條直線的特點，在上面得到的質心分布圖中，采用Hough變換或其他直線檢測方法[7-10]尋找排列成一條直線的所有質心點坐標（成直線質心點的個數應大于2），作為候選目標字符區域，定義候選區域為Ak，每個A區域中包含多個連通域O，如圖2所示。若圖中符合條件的區域個數為M，則1≤k≤M；

4)計算每一個候選區Ai中每個當前質心點與其鄰近的質心點之間的歐氏距離，并比較各個距離值的大?。?/p>

若每兩點之間與另外兩點的距離值的差均小于設定的極小值ε，則可確定該質點區域為候選鋼坯端面的目標字符區域；

5)計算候選目標字符區域中每一個目標連通區域的面積，若各個區域面積值之間的差值均小于設定的極限值ξ，則該區域被確定為鋼坯端面的目標字符區域。

圖2 分割圖像中連通區域質心點排列示意圖Fig.2 Diagram of centroid point array of connection area in segmented image

3 實驗結果與分析

圖3 復雜生產線場景下的鋼坯端面字符定位Fig.3 Location of steel billet characters in complex production environment

利用本文介紹的處理方法，我們對生產線場景條件下采集到的鋼坯端面字符圖像進行了處理，圖3為處理后的結果。圖3(a)為生產線上采集的鋼坯端面字符圖像，圖3(b)為對原圖進行分割后的結果圖，分割閾值為136。圖3(c)為對圖3(b)進行簡單去噪后的結果。圖3(d)為在去噪后的分割圖基礎上，提取各個連通區域的質心結果圖。通過在圖3(d)上尋找排列成一條線的質心點，并比較它們之間的區域面積及相互距離等特征，就可以定位出復雜生產線場景下鋼坯端面上空間位置上排列一致的字符區域。圖3(e)和圖3(f)分別對應的字符區域質心定位和鋼坯端面字符結果。

4 結論

本文介紹了一種基于字符在空間排列一致性特征的復雜生產線場景鋼坯端面字符定位方法。首先對復雜生產場景鋼坯端面字符圖像進行分割，提取連通區域的質心特征，尋找排列成一條線的質心點，并比較它們之間的區域面積及相互距離等特征，定位出復雜生產線場景下鋼坯端面上空間位置上排列一致的字符區域。實驗結果表明本文提出的方法具有可行性和適應性。

[1]俞喆俊，洪漢玉，章秀華，等.生產線復雜場景鋼坯檢測識別的定位方法研究[J].光電工程，2012，39(1)：54-61.YU Zhe-jun,HONG Han-yu,ZHANG Xiu-hua,et al.Location method for billet detection and recognition on complex production line[J].Opto-Electronic Engineering.2012,39(1)：54-61.

[2]李曉光，李曉華，沈蘭蓀.基于紋理的圖像字符自動定位技術對比研究[J].電路與系統學報，2006，11(2)：7-11.LI Xiao-guang,LI Xiao-hua,SHEN Lan-sun.Comparative study on texture-based text location techniques in images[J].JOURNALOFCIRCUITSANDSYSTEMS.2006,11(2):7-11.

[3]李俊，陳建勛，熊文龍，等.復雜背景下鋼材編號提取與字符分割技術[J].武漢理工大學學報（交通科學與工程版），2006，30(5)：915-918.LI Jun,CHEN Jian-xun,XIONG Wen-long,et al.Extraction of steel number and character segmentation usder complex background[J].Journal of Wuhan University of Technology(Transporation Sciences&Engineering,2006,30(5):915-918.

[4]Mandal S,Chowdhury SP,Das A K,et al.Automated detection and segmentation of Table of contents page from document images[C].Proceedings of the seventh International Conference on Document Analysis and Recognition(ICDAR 2003),2003:398-402.

[5]Qixiang Ye,Qingming Huang,Wen Gao,et al.Fast and robust text detection in images and video frames[J].Image and Vision Computing,2005(23):565-576.

[6]Chaudhuri D,Samal D.A simple method for fitting of bounding rectangle to closed regions[J].Pattern Recognition,2007(40):1981-1989.

[7]夏軍營，徐小泉，熊九龍.利用梯度信息快速提取直線邊緣特征[J].中國圖象圖形學報，2012，17(8):978-994.XIA Jun-ying,XU Xiao-quan,XIONG Jiu-long.Fast ling edge feature extraction using image gradients[J].Journal of Image and Graphics,2012,17(8):987-994.

[8]周云燕，楊坤濤.基于RHT-LSM直線檢測方法的研究[J].光電工程，2007，34(1)：55-58.ZHOU Yun-yan,YANG Kun-tao.Mehod for line detection based on RHT-LSM [J].Opto-Electronic Engineering,2007,34(1)：55-58.

[9]康文靜，丁雪梅，崔繼文，等.基于改進Hough變換的直線圖形快速提取算法[J].光電工程，2007,34(3):105-108,117.KANG Wen-jing,DING Xue-mei,CUI Ji-wen,et al.Fast straight-line extraction algorithm based on improved Hough transform[J].Opto-Electronic Engineering,2007,34(3):105-108,117.

[10]朱院娟，郭斯羽，朱志杰，等.結合LST和Hough變換的直線檢測算法[J].計算機工程,2012，38(4):206-210.ZHU Yuan-juan,GUO Si-yu,ZHU Zhi-jie,et al.Line detection algorithm combining LTSwith hough transform[J].Computer Engineering,2012,38(4):206-210.