【摘要】 本发明涉及一种融合二值图像与灰度图像的字符识别的方法，包括对字符图像的二值图像与灰度图像的融合图像进行处理，进行字符识别：将字符图像的二值图像与灰度图像进行融合得到融合图像；对融合图像进行大小和位置的归一化；提取归一化图像的梯度直方图的特征；利用主分量分析与线性判别分析得到特征降维的变换矩阵；建立字符特征模板库，进行字符识别。本发明克服了基于字符的二值图像或者是基于字符的灰度图像的传统字符识别技术不能同时识别退化字符图像以及包含复杂背景的字符图像的缺点。 【专利类型】发明申请 【申请人】中国科学院自动化研究所 【申请人类型】科研单位 【申请人地址】100080 北京市海淀区中关村东路95号 【申请人地区】中国 【申请人城市】北京市 【申请人区县】海淀区 【申请号】CN200810239331.5 【申请日】2008-12-10 【申请年份】2008 【公开公告号】CN101751565A 【公开公告日】2010-06-23 【公开公告年份】2010 【授权公告号】CN101751565B 【授权公告日】2013-01-02 【授权公告年份】2013.0 【IPC分类号】G06K9/20 【发明人】张树武; 杨武夷 【主权项内容】1.一种融合二值图像与灰度图像的字符识别的方法，其特征在于，对所述二值图像与灰度图像的融合图像进行处理，进行字符识别，其包括以下步骤： 步骤1：设预处理后得到的单个字符图像的二值图像为B0＝[b0(x，y)]，其中位于第x行第y列的像素点的值为b0(x，y)，b0(x，y)为0或1，图像的大小为W1×H1；字符的灰度图像为Gc＝[gc(x，y)]，位于第x行第y列的像素点的值为gc(x，y)，0≤gc(x，y)≤255；将字符图像的二值图像B0与灰度图像Gc进行融合，得融合后的图像G＝[g(x，y)]，位于第x行第y列的像素点的值为g(x，y)，0≤g(x，y)≤255； 步骤2：在提取融合图像G＝[g(x，y)]的特征前，先进行融合图像G＝[g(x，y)]的位置和大小的归一化处理；图像归一化处理的输入图像为G＝[g(x，y)]，归一化后的输出图像为F＝[f(x’，y’)]，其大小分别为W1×H1和W2×H2；输入图像G＝[g(x，y)]位于第x行第y列的像素点将被映射到F＝[f(x’，y’)]位于第x’行第y’列的像素点，通过输入图像和输出图像的坐标映射来实现图像归一化： 一维坐标映射为： 步骤3：基于梯度直方图提取归一化图像的梯度直方图的特征； 步骤4：利用主分量分析与线性判别分析对归一化图像的梯度直方图的特征进行降维处理，得到特征降维的变换矩阵； 步骤5：建立字符特征模板库，读取特征降维的变换矩阵并对字符进行识别。 -官网 【当前权利人】中国科学院自动化研究所 【当前专利权人地址】北京市海淀区中关村东路95号 【统一社会信用代码】12100000400010945B 【被引证次数】18 【被自引次数】3.0 【被他引次数】15.0 【家族被引证次数】18
