基于空间一致性的复杂场景钢坯端面字符定位

章秀华，钟 庆，张成军，潘 凯

（武汉工程大学 图像处理与智能控制实验室，湖北 武汉430205）

钢坯号自动识别是目前钢铁产业实现智能化生产的首要环节，是钢铁行业的迫切需求。生产线复杂场景条件下的钢坯字符目标定位是实现钢坯号智能识别的关键[1]。目前大多数的字符定位方法都是在对原图像分割或分类后的基础上，对分割、去噪后的结果图进行水平和垂直方向投影，然后根据投影图计算字符行或字符列的位置，如文献[2-5]中使用的字符定位算法。但对于生产线场景条件下的钢坯端面字符，由于轧钢生产线的高温及复杂场景等恶劣因素的影响，钢坯端面字符图像常存在背景光照不均、生产线上其它非目标物体的干扰等情况，且很多情况下目标字符还可能存在倾斜等，因此使用这些常规的方法不能达到正确定位钢坯字符目标的目的。

针对这一复杂条件下的钢坯字符定位问题，文中提出了一种基于钢坯字符空间一致性字符定位的新方法。将钢坯字符在空间排列的一致性特征作为定位字符位置的依据，寻找复杂场景钢坯图像上符合这一空间一致性特征的目标，对钢坯字符进行准确定位。

1 钢坯字符空间一致性特征分析和提取

大多数情况下，用于对物体或其它目标进行标示或编号的字符总是在空间中以一定的规律或顺序排列。如图1中的钢坯字符在钢坯端面上的空间位置，它们在空间中呈现水平、垂直或以一定角度排列，整体呈一条直线，单个字符与单个字符之间的距离近似相等，字符的空间位置排列有着一致性。字符的这种空间位置的一致性特征非常显著，使得图像上的字符目标很明显的与其他非字符物体区别开来。

2 复杂场景钢坯字符提取与定位

钢坯生产线环境极为复杂，如投射室外光线的玻璃窗户、一些反射性较强的物体等在灰度上都具有和钢坯字符相近的灰度值分布，因此在分割后的图像中除了目标字符外，还有大量的非目标物体，这些非目标物体因其高灰度值也被

图1 字符在钢坯端面空间位置上的排列Fig.1 Spatial arrangement of characters on steel billet

根据以上对字符空间一致性特征的分析，我们提取复杂场景下的钢坯端面上的字符空间特征。对采集到的复杂场景钢坯图像进行分割后，从分割结果图中提取钢坯字符特征信息。在分割的钢坯字符图像二值图中，各个字符以一定的规律整齐排列，则形成各字符的连通区域的质心也按相同的规律排列。连接一排字符中各个连通区域的质心，可以构成一条直线，且在该直线上的各相邻质心点之间的距离大致两两相等。

根据上述描述的方法，采用以下步骤方法来对钢坯字符进行特征提取与目标字符定位：

1）对复杂场景下的钢坯端面目标图像进行分割，得到包括钢坯端面字符目标及其它非字符目标的二值化图像；

2）分割后的图像用值0和255两个值来填充，分割图中视为背景的像素灰度值为0，视为非背景区域的像素灰度值为255，将相连的像素值为255的区域看做一个连通域，用Ot表示，N为分割图中像素值为255的连通区域个数，1≤t≤N；

3）将每一个单独的连通域视为一个处理目标，计算每一个连通域目标区域的质心，得到分割图像上每一个连通域目标区域的质心分布图。采用的计算公式为[6]：

上式中n为每个连通域内的像素点的个数，xi,yi分别为每个连通域内像素的坐标值，x,y和分别为每一个计算出来的目标连通域的质心坐标。

根据钢坯端面字符在空间排列成一条直线的特点，在上面得到的质心分布图中，采用Hough变换或其他直线检测方法[7-10]寻找排列成一条直线的所有质心点坐标（成直线质心点的个数应大于2），作为候选目标字符区域，定义候选区域为Ak，每个A区域中包含多个连通域O，如图2所示。若图中符合条件的区域个数为M，则1≤k≤M；

4)计算每一个候选区Ai中每个当前质心点与其邻近的质心点之间的欧氏距离，并比较各个距离值的大小：

若每两点之间与另外两点的距离值的差均小于设定的极小值ε，则可确定该质点区域为候选钢坯端面的目标字符区域；

5)计算候选目标字符区域中每一个目标连通区域的面积，若各个区域面积值之间的差值均小于设定的极限值ξ，则该区域被确定为钢坯端面的目标字符区域。

图2 分割图像中连通区域质心点排列示意图Fig.2 Diagram of centroid point array of connection area in segmented image

3 实验结果与分析

图3 复杂生产线场景下的钢坯端面字符定位Fig.3 Location of steel billet characters in complex production environment

利用本文介绍的处理方法，我们对生产线场景条件下采集到的钢坯端面字符图像进行了处理，图3为处理后的结果。图3(a)为生产线上采集的钢坯端面字符图像，图3(b)为对原图进行分割后的结果图，分割阈值为136。图3(c)为对图3(b)进行简单去噪后的结果。图3(d)为在去噪后的分割图基础上，提取各个连通区域的质心结果图。通过在图3(d)上寻找排列成一条线的质心点，并比较它们之间的区域面积及相互距离等特征，就可以定位出复杂生产线场景下钢坯端面上空间位置上排列一致的字符区域。图3(e)和图3(f)分别对应的字符区域质心定位和钢坯端面字符结果。

4 结论

本文介绍了一种基于字符在空间排列一致性特征的复杂生产线场景钢坯端面字符定位方法。首先对复杂生产场景钢坯端面字符图像进行分割，提取连通区域的质心特征，寻找排列成一条线的质心点，并比较它们之间的区域面积及相互距离等特征，定位出复杂生产线场景下钢坯端面上空间位置上排列一致的字符区域。实验结果表明本文提出的方法具有可行性和适应性。

[1]俞喆俊，洪汉玉，章秀华，等.生产线复杂场景钢坯检测识别的定位方法研究[J].光电工程，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]李晓光，李晓华，沈兰荪.基于纹理的图像字符自动定位技术对比研究[J].电路与系统学报，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，陈建勋，熊文龙，等.复杂背景下钢材编号提取与字符分割技术[J].武汉理工大学学报（交通科学与工程版），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]夏军营，徐小泉，熊九龙.利用梯度信息快速提取直线边缘特征[J].中国图象图形学报，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，杨坤涛.基于RHT-LSM直线检测方法的研究[J].光电工程，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]康文静，丁雪梅，崔继文，等.基于改进Hough变换的直线图形快速提取算法[J].光电工程，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.结合LST和Hough变换的直线检测算法[J].计算机工程,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.