CN101916375A - 汉字图像特征提取方法及装置 - Google Patents

Abstract

本发明提供一种汉字图像特征提取方法及装置。汉字图像特征提取方法，包括：根据检测到的汉字图像，创建小波函数；根据所述小波函数与所述汉字图像，生成所述汉字图像对应的纹理图；通过主成分分析算法对所述纹理图进行处理，以提取出所述汉字图像对应的汉字特征信息。通过根据检测到的汉字图像创建小波函数，并通过小波函数将汉字图像进行处理以生成纹理图，最后通过主成分分析算法对纹理图进行处理，准确的提取出汉字图像对应的汉字特征信息，有效的保留了汉字图像的各个频率的特征细节，更加准确的反映出汉字图像对应的汉字特征信息，提高了汉字图像特征提取方法的准确率。

Description

汉字图像特征提取方法及装置

技术领域

本发明涉及图像识别技术领域，尤其涉及一种汉字图像特征提取方法及装置。

背景技术

目前，随着人们生活水平的提高，汽车成为人们的代步工具，道路上的车辆也日益增多。在车辆行驶的道路上，通常设置有监控设备监控道路上的车辆，其中，监控设备主要获取车辆的车牌图像，以便通过图像识别系统对车牌的字符进行识别。监控系统获得车牌图像中包括汉字、数字和字母等字符图像信息。由于汉字笔画比较复杂，因此识别难度大。在现有技术中，在对汉字图像进行识别的过程中，需要通过汉字图像特征提取方法将汉字图像的结构特征提取出，然后图像识别系统中的图像分类器将根据提取出的汉字图像特征识别出汉字图像的汉字信息。其中，结构特征包括汉字的骨架特征和轮廓特征等信息。

由上可知，当待识别的汉字图像出现倾斜扭曲时，现有技术汉字图像特征提取方法会因图像发生倾斜扭曲而无法准确的提取出汉字图像中的汉字特征信息。因此，现有技术汉字图像提取方法的准确率低。

发明内容

本发明提供一种汉字图像特征提取方法及装置，用以解决现有技术中汉字图像特征提取方法的准确率低的缺陷，实现提高汉字图像特征提取方法的准确率。

本发明提供一种汉字图像特征提取方法，包括：

根据检测到的汉字图像，创建小波函数；

根据所述小波函数与所述汉字图像，生成所述汉字图像对应的纹理图；

通过主成分分析算法对所述纹理图进行处理，以提取出所述汉字图像对应的汉字特征信息。

本发明又提供汉字图像特征提取装置，包括：

创建模块，用于根据检测到的汉字图像，创建小波函数；

生成模块，用于根据所述小波函数与所述汉字图像，生成所述汉字图像对应的纹理图；

处理模块，用于通过主成分分析算法对所述纹理图进行处理，以提取出所述汉字图像对应的汉字特征信息。

本发明提供的汉字图像特征提取方法及装置，通过根据检测到的汉字图像创建小波函数，并通过小波函数将汉字图像进行处理以生成纹理图，最后通过主成分分析算法对纹理图进行处理，准确的提取出汉字图像对应的汉字特征信息，有效的保留了汉字图像的各个频率的特征细节，更加准确的反映出汉字图像对应的汉字特征信息，提高了汉字图像特征提取方法的准确率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明汉字图像特征提取方法实施例的流程图；

图2为本发明汉字图像特征提取方法实施例中步骤1的具体流程图；

图3为本发明汉字图像特征提取方法实施例中步骤3的具体流程图；

图4为本发明汉字图像特征提取方法实施例中步骤31的具体流程图；

图5为本发明汉字图像特征提取方法实施例中步骤32的具体流程图；

图6为本发明汉字图像特征提取装置实施例的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明汉字图像特征提取方法实施例的流程图。如图1所示，本实施例汉字图像特征提取方法，包括：

步骤1、根据检测到的汉字图像，创建小波函数。

具体而言，通过摄像机等图像检测设备可以获得具有汉字的汉字图像，例如：道路上的视频监控系统能够检测到车辆中车牌的图像信息，其中，该图像信息中就包含有汉字图像。步骤1将根据检测到的汉字图像的特征，对应创建相应的小波函数。其中，小波函数可以用于提取图像中对应特定频带的区域，因为纹理图像可看作是具有准周期性的信号，其能量相对集中在一定的频率范围内。如果这一频率范围与小波函数的通频带吻合，通过小波函数滤波输出的值将会很大；而如果不吻合，其输出将受到抑制。所以可以根据小波函数的不同频率和方向对图像进行纹理分析。

步骤2、根据小波函数与汉字图像，生成汉字图像对应的纹理图。

具体而言，在通过步骤1将汉字图像对应的小波函数创建成功后，步骤2将根据步骤1创建的小波函数与汉字图像，通过小波函数对汉字图像进行滤波处理，从而生成该汉字图像对应的纹理图。

步骤3、通过主成分分析(Principal Component Analysis，以下简称PCA)算法对纹理图进行处理，以提取出汉字图像对应的汉字特征信息。

具体而言，在通过步骤2生成汉字图像对应的纹理图后，步骤3将通过PCA算法对步骤2生成的纹理图进行处理以提取纹理图中汉字信息的特征，从而方便准确的提取出汉字图像对应的汉字特征信息。

本实施例汉字图像特征提取方法，通过根据检测到的汉字图像创建小波函数，并通过小波函数将汉字图像进行处理以生成纹理图，最后通过主成分分析算法对纹理图进行处理，准确的提取出汉字图像对应的汉字特征信息，有效的保留了汉字图像的各个频率的特征细节，更加准确的反映出汉字图像对应的汉字特征信息，提高了汉字图像特征提取方法的准确率。

基于上述技术方案，可选的，如图2所示，本实施例中的步骤1可以包括如下步骤：

步骤11、根据检测到的汉字图像，预设图像的频率下限值U1、频率上限值U2、尺度数s以及方向数k。

具体而言，本实施例中的步骤11根据检测到的汉字图像，将事先设定图像的频率下限值、频率上限值、尺度数以及方向数等参数。其中，优选的，本实施例中的尺度数s＝3，而方向数k＝4。

步骤12、根据频率下限值、频率上限值和尺度数，计算得出尺度因子a，即 $a={\left(\frac{U2}{U1}\right)}^{\frac{1}{s-1}}.$

具体而言，本实施例中的步骤11将各个参数设定好后，步骤12将根据频率下限值、频率上限值和尺度数计算出尺度因子。具体公式为：

步骤13、根据尺度因子和频率上限值，计算得出调制频率λ、X方向线宽σ_x以及Y方向线宽σ_y，即

其中， ${\mathrm{\σ}}_u=\frac{(a-1)U2}{(a+1)\sqrt{2\ln 2}},$ ${\mathrm{\σ}}_v=\tan \left(\frac{\mathrm{\π}}{2k}\right)[2s-2\ln \left(\frac{{2\mathrm{\σ}}_u^2}{U2}\right)]{[2\ln 2-\frac{{\left(2\ln 2\right)}^2{\mathrm{\σ}}_u^2}{{U2}^2}]}^{-\frac{1}{2}}.$

具体而言，在通过步骤12计算得出尺度因子的大小后，通过步骤13可以计算得到调制频率、X方向线宽以及Y方向线宽等参数。

步骤14、根据检测到的汉字图像，确定检测区域大小。

具体而言，为了快速准确的检测出汉字图像对应的汉字信息，步骤14将根据汉字图像确定需要进行检测的检测区域的大小，从而可以在确定好的检测区域中对汉字图像进行汉字识别。

步骤15、根据X方向线宽和Y方向线宽，创建小波函数G(x，y)，即其中，R₁＝xcos(θ)+ysin(θ)，R₂＝-xcos(θ)+ysin(θ)，x和y的取值范围在检测区域所在的区域范围中，i²＝-1，

0≤n≤k。

具体而言，步骤15根据上述步骤确定的各个参数，可以创建小波函数，具体公式为：其中，当取k＝4时，θ的取值可以为0度、45度、90度和135度四个值，从而可以在汉字图像的四个方向上分别建立相对应的小波函数。由于上述四个方向能够完整的体现出汉字笔画的结构特征，从而通过在上述四个方向上分别建立小波函数，可以更加准确的获得汉字图像中所包含的汉字信息的结构特征，从而更加准确的提取出汉字图像对应的汉字特征信息。其中，步骤15中x和y的取值范围限定在步骤14中所确定的检测区域中，从而可以针对步骤14中确定的检测区域确定小波函数的取值范围。

更进一步的，本实施例中的步骤2可以为：将汉字图像对应的图像函数I(x，y)与小波函数G(x，y)进行卷积，以得到纹理图对应的纹理函数H(x，y)，即H(x，y)＝I(x，y)*G(x，y)。具体的，在通过步骤1创建小波函数，本实施例中的步骤2将小波函数与汉字图像对应的图像函数进行卷积处理，从而可以方便的得到汉字图像对应的纹理图。其中，由于小波函数为复变函数包括实部和虚部，而小波函数的虚部会影响生成纹理图的准确性，因此，本实施例中的步骤2可以将图像函数I(x，y)与小波函数G(x，y)的实部进行卷积，以得到纹理图对应的纹理函数H(x，y)。具体的，由于将小波函数的虚部去除，仅仅将小波函数的实部与图像函数进行卷积，可以更加准确的获得汉字图像对应的纹理图。

本实施例汉字图像特征提取方法，通过根据汉字图像事先设定好相关参数，可以方便的创建小波函数；另外，通过将小波函数的实部与汉字图像对应的图像函数进行卷积，可以更加准确的获得汉字图像对应的纹理图。

基于上述技术方案，可选的，如图3所示，本实施例中的步骤3可以包括如下具体步骤：

步骤31、通过PCA算法对所有预设的已知汉字信息的标准纹理图进行处理，以得到所有预设的已知汉字信息所对应的一维特征值矩阵。

具体而言，本实施例中的步骤31首先对已知汉字信息的标准纹理图通过PCA算法进行处理，例如：以车牌中的汉字信息为例，将所有车牌中会出现的汉字所对应的标准纹理图通过PCA算法进行处理，从而可以得到所有汉字信息对应的一维特征值矩阵。如图4所示，本实施例中的步骤31可以包括如下具体步骤：

步骤311、对每个标准纹理图进行处理，得到标准纹理图对应的一维矩阵。具体的，本实施例以标准纹理图的像素为16×16的大小为例进行说明。通过步骤311可以将16×16标准纹理图进行处理，得到1×256的一维矩阵。

步骤312、将所有一维矩阵所构成的总矩阵进行处理，以得到协方差矩阵。具体的，所有标准纹理图对应的一维矩阵将构成m×256总矩阵，其中，m为标准纹理图的个数，通过对总矩阵进行处理可以得到对称的协方差矩阵。

步骤313、对协方差矩阵进行特征分解，以得到按特征值由大到小排列的特征矩阵。具体的，步骤313将对协方差矩阵进行特征分解，从而可以获得该协方差矩阵对应的特征值，并且按特征值由大到小排列形成特征矩阵。

步骤314、对特征矩阵进行降维处理，以得到一维特征值矩阵。具体的，步骤314将选取部分特征值，实现对特征矩阵进行降维，从而得到一维特征值矩阵。

其中，本实施例中的步骤31可以在初次汉字图像特征提取的过程中执行便可，而在通过步骤31确定一维特征值矩阵后，后续对其他汉字图像进行特征提取时，可以不再执行步骤31。

步骤32、根据一维特征值矩阵与纹理函数，提取出汉字图像对应的汉字特征信息。

具体而言，在通过步骤31获得所有汉字对应的一维特征值矩阵后，通过步骤32根据一维特征值矩阵与纹理函数，可以准确的提取出汉字图像对应的汉字特征信息。如图5所示，本实施例中的步骤32可以包括如下具体步骤：

步骤321、对纹理函数进行处理，以得到汉字图像对应的一维待提取矩阵。具体的，本实施例中的步骤321将对汉字图像的纹理图对应的纹理函数进行处理从而可以得到该汉字图像对应的一维待提取矩阵。例如：纹理图的像素为16×16，通过步骤321处理后将得到1×256的一维待提取矩阵。

步骤322、将一维待提取矩阵与一维特征值矩阵进行卷积，以提取出汉字图像对应的汉字信息。具体的，将步骤321得到的一维待提取矩阵与步骤31获得一维特征值矩阵进行卷积，便可以准确的得到该汉字图像中汉字信息的所有结构特征，从而方便准确的提取出汉字图像对应的汉字特征信息。

本实施例汉字图像特征提取方法，通过获得所有预设的已知汉字信息所对应的一维特征值矩阵，并将汉字图像的纹理图对应的纹理函数处理生成一维待提取矩阵，从而可以将一维待提取矩阵与一维特征值矩阵进行卷积，便可以方便准确的提取出汉字图像对应的汉字特征信息，更有利于提高本实施例汉字图像特征提取方法的准确率。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

图6为本发明汉字图像特征提取装置实施例的结构示意图。如图6所示，本实施例汉字图像特征提取装置，包括：创建模块1、生成模块2和处理模块3。

创建模块1用于根据检测到的汉字图像，创建小波函数。

生成模块2用于根据小波函数与汉字图像，生成汉字图像对应的纹理图。

处理模块3用于通过主成分分析算法对纹理图进行处理，以提取出汉字图像对应的汉字特征信息。

本实施例中的创建模块1、生成模块2和处理模块3的具体工作过程可以参见本发明汉字图像特征提取方法实施例中的记载，在此不再赘述。

本实施例汉字图像特征提取装置，通过根据检测到的汉字图像创建小波函数，并通过小波函数将汉字图像进行处理以生成纹理图，最后通过主成分分析算法对纹理图进行处理，准确的提取出汉字图像对应的汉字信息，有效的保留了汉字图像的各个频率的特征细节，更加准确的反映出汉字图像对应的汉字特征信息，提高了汉字图像特征提取装置的准确率。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种汉字图像特征提取方法，其特征在于，包括：

根据检测到的汉字图像，创建小波函数；

根据所述小波函数与所述汉字图像，生成所述汉字图像对应的纹理图；

通过主成分分析算法对所述纹理图进行处理，以提取出所述汉字图像对应的汉字特征信息。

2.根据权利要求1所述的汉字图像特征提取方法，其特征在于，所述创建小波函数，具体为：

根据检测到的所述汉字图像，预设图像的频率下限值U1、频率上限值U2、尺度数s以及方向数k；

根据所述频率下限值、所述频率上限值和所述尺度数，计算得出尺度因子a，即

根据所述尺度因子和所述频率上限值，计算得出调制频率λ、X方向线宽σ_x以及Y方向线宽σ_y，即

其中， ${\mathrm{\σ}}_u=\frac{(a-1)U2}{(a+1)\sqrt{2\ln 2}},$ ${\mathrm{\σ}}_v=\tan \left(\frac{\mathrm{\π}}{2k}\right)[2s-2\ln \left(\frac{{2\mathrm{\σ}}_u^2}{U2}\right)]{[2\ln 2-\frac{{\left(2\ln 2\right)}^2{\mathrm{\σ}}_u^2}{{U2}^2}]}^{-\frac{1}{2}};$

根据检测到的所述汉字图像，确定检测区域大小；根据所述X方向线宽和所述Y方向线宽，创建所述小波函数G(x，y)，即

其中，R₁＝xcos(θ)+ysin(θ)，R₂＝-xcos(θ)+ysin(θ)，x和y的取值范围在所述检测区域所在的区域范围中，i²＝-1，

0≤n≤k。

3.根据权利要求2所述的汉字图像特征提取方法，其特征在于，所述生成所述汉字图像对应的纹理图，具体为：

将所述汉字图像对应的图像函数I(x，y)与所述小波函数G(x，y)进行卷积，以得到纹理图对应的纹理函数H(x，y)，即H(x，y)＝I(x，y)*G(x，y)。

4.根据权利要求3所述的汉字图像特征提取方法，其特征在于，所述生成所述汉字图像对应的纹理图，具体为：

将所述图像函数I(x，y)与所述小波函数G(x，y)的实部进行卷积，以得到所述纹理图对应的纹理函数H(x，y)。

5.根据权利要求2或3所述的汉字图像特征提取方法，其特征在于，所述通过主成分分析算法对所述纹理图进行处理，以提取出所述汉字图像对应的汉字特征信息，具体为：

通过所述主成分分析算法对所有预设的已知汉字信息的标准纹理图进行处理，以得到所有预设的已知汉字信息所对应的一维特征值矩阵；

根据所述一维特征值矩阵与所述纹理函数，提取出所述汉字图像对应的汉字特征信息。

6.根据权利要求5所述的汉字图像特征提取方法，其特征在于，所述通过所述主成分分析算法对所有的已知汉字信息的标准汉字图像对应的标准纹理图进行处理，以得到所有的已知汉字信息所对应的一维特征值矩阵，具体为：

对每个所述标准纹理图进行处理，得到所述标准纹理图对应的一维矩阵；

将所有所述一维矩阵所构成的总矩阵进行处理，以得到协方差矩阵；

对所述协方差矩阵进行特征分解，以得到按特征值由大到小排列的特征矩阵；

对所述特征矩阵进行降维处理，以得到所述一维特征值矩阵。

7.根据权利要求6所述的汉字图像特征提取方法，其特征在于，所述根据所述一维特征值矩阵与所述纹理函数，提取出所述汉字图像对应的汉字信息，具体为：

对所述纹理函数进行处理，以得到所述汉字图像对应的一维待提取矩阵；

将所述一维待提取矩阵与所述一维特征值矩阵进行卷积，以提取出所述汉字图像对应的汉字特征信息。

8.根据权利要求2或3所述的汉字图像特征提取方法，其特征在于，k＝4。

9.根据权利要求2或3所述的汉字图像特征提取方法，其特征在于，s＝3。

10.一种汉字图像特征提取装置，其特征在于，包括：

创建模块，用于根据检测到的汉字图像，创建小波函数；

生成模块，用于根据所述小波函数与所述汉字图像，生成所述汉字图像对应的纹理图；

处理模块，用于通过主成分分析算法对所述纹理图进行处理，以提取出所述汉字图像对应的汉字特征信息。

Images