基于多分类支持向量机的集装箱箱号识别方法

摘要

基于多分类支持向量机的集装箱箱号识别方法，属于图像处理技术领域。本发明首先采集集装箱箱号字符图像，经二值化和归一化处理后分成字母图像集和数字图像集；然后构建两个多分类支持向量机，分别采用字母图像集的特征向量矩阵和数字图像集的特征向量矩阵进行训练，得到两个多分类支持向量机分类器SVC和SVN；在箱号识别过程中，将待识别集装箱箱号分割成11个字符图像，经二值化和归一化处理后，将计算所得的第1至第4个特征向量输入到多分类支持向量机分类器SVC进行识别，第5至第11个特征向量输入到多分类支持向量机分类器SVN进行识别。本发明创新性地将支持向量机应用于集装箱箱号字符识别，相比于其他同领域的技术方案具有更高的识别率和较小的计算量。

主权项

基于多分类支持向量机的集装箱箱号识别方法，包括多分类支持向量机的训练过程和使用多分类支持向量机进行集装箱箱号的识别过程：一、多分类向量机的训练过程，包括如下步骤：步骤1：采集足够多的集装箱箱号字符图像；然后对集装箱箱号字符图像进行二值化处理，并归一化成宽度为M个像素、高度为N个像素大小的尺寸；归一化后的二值化集装箱箱号字符图像集记为图像集Train；步骤2：将步骤1所得的图像集Train分成字母图像集Train_C_I和数字图像集Train_N_I，其中字母图像集Train_C_I包括26个子集，数字图像集Train_N_I包括10个子集；步骤3：计算步骤2所得各个图像集中所有图像的特征向量，得到字母特征向量集Train_C_V和数字特征向量集Train_N_V，其中字母特征向量集Train_C_V包括26个子集，数字特征向量集Train_N_V包括10个子集；所述特征向量为一个M×N+1维的行向量，其中前M×N维由每幅图像的灰度值按行依次排列成，第M×N+1维是区别36个子集的标签；步骤4：将字母特征向量集Train_C_V中所有特征向量组合成字母特征向量矩阵Train_C_V_M，同时将数字特征向量集Train_N_V中所有特征向量组合成数字特征向量矩阵Train_N_V_M；步骤5：建立两个多分类支持向量机分类器SVC和SVN；构建两个多分类支持向量机，分别采用字母特征向量矩阵Train_C_V_M和数字特征向量矩阵Train_N_V_M进行训练，得到两个多分类支持向量机分类器SVC和SVN；二、使用多分类支持向量机进行集装箱箱号识别的过程，具体包括以下步骤：步骤6：采集待识别集装箱箱号图像，经定位、分割处理后得到11个的待识别的集装箱箱号字符图像；再对11个待识别的集装箱箱号字符图像进行步骤1所述的二值化和归一化处理；步骤7：计算11个归一化后的二值化待识别集装箱箱号字符图像的特征向量，并将11个特征向量按待识别集装箱箱号字符图像在待识别集装箱箱号中的位置顺序依次定义为X1、X2、…、X11；所述特征向量由每幅图像的灰度值按行依次排列成；步骤8：对11个特征向量进行分类识别；由于集装箱箱号由11个字符组成，11个字符中，前4个字符为英文字母，后7个字符为阿拉伯数字；所以对X1～X4这4个特征向量，采用多分类支持向量机分类器SVC进行识别，得到待识别集装箱箱号第1至第4个的标签，进而得到待识别集装箱箱号第1至第4个字符识别结果；对X5～X11这7个特征向量，采用多分类支持向量机分类器SVN进行识别，得到待识别集装箱箱号第5至第11个的标签，进而得到待识别集装箱箱号第5至第11个字符识别结果。