一种信封图像匹配方法组成比例

技术编号:6967095 阅读:418 留言:0更新日期:2012-04-11 18:40
本发明专利技术公开了一种信封图像匹配方法,将待匹配的两个信封图像分别用图表示出来,则图像之间的相似度计算转化为图匹配问题,采用基于最小权重的二分图匹配算法计算两个图之间的距离。进一步的,首先对信封图像进行分割,基于分割结果构建图像的图表示。其中,图的每个顶点代表信封图像中的一个区域,而图的每一条边用来表示两个区域之间的邻接关系。由于图像在采集过程中易受到噪声等因素的影响,可能会导致对应于同一个信封的多个图像的图表示有所不同,故本发明专利技术采用一种非精确图匹配算法。大量实验结果表明,该方法对于光照、倾斜、旋转等具有较强的鲁棒性,能够高效地实现基于信封图像的信函信息查询。

【技术实现步骤摘要】

本专利技术属于邮政
,特别涉及。
技术介绍
信封图像匹配是邮政自动化领域的一项重要研究内容,即将信封图像作为查询依据和信函分拣系统数据库中的所有图像做匹配,将获得成功匹配的图像以及其在数据库中的相关处理信息比如邮编或地址识别结果作为最终查询结果返回。根据格式塔视觉原理,对象中各个部分之间的相对位置关系在人的视觉系统中起着关键作用,相对位置关系的变化必然会导致视觉差异。传统采用特征向量来描述对象的方法,并不能准确地表达出对象中各个部分之间的关系。此外,基于特征向量的匹配方法, 容易受到旋转、倾斜等因素的影响。图作为一种数据结构不仅能表示对象,而且能较好地刻画对象各个部分之间的关系,符合人的视觉特性。尤其是后者在实际的模式识别应用中尤为重要,比如在信封图像检索中,信封图像一般由一些显著区域组成,如邮编、地址、邮票区等,故在匹配时,可以充分利用这些区域之间的相对拓扑结构关系。对于拓扑结构有很大差异的两个信封图像,基本上可以确定它们之间的不匹配关系。图匹配有坚实的数学理论基础,对旋转、平移均具有良好的不变性。近年来,许多学者开展了图匹配方法的研究。主要分为两大类精确匹配以及非精确匹配。其中精确匹配要求待匹配的两个图具有完全相同的顶点以及顶点之间的拓扑结构关系,这种苛刻的要求限制了其在实际中的应用。而在非精确匹配中,更多关注的是在两个图不完全相同的情况下,如何给出一个合适的相似性度量方法。
技术实现思路
本专利技术的目的是提供,以实现以信封图像作为查询依据在信函分拣系统的数据库中查询相关信息。本专利技术的技术方案是,,包括对信封图像进行高斯平滑滤波、边缘检测、二值化以及闭运算的预处理步骤,还包括以下步骤Al,对所述信封图像进行分割,分割结果为Ω = {&,‘...,&},其中N表示区域总数,区域Ri的邻接区域为N(Ri),基于分割结果Ω构建该信封图像的图表示G= (V, Ε, μ,ν),其中V是顶点集,E是边集,μ =V-Lv为顶点属性函数,ν =E - Le为边属性函数,其中、和Le以是任意类型的集合,图G中的顶点Vi对应Ω中的区域Ri,图G中的任两个顶点 Vi及Vj,其对应区域分别为I^e Ω及民e Ω,Vi和Vj之间存在边eij的条件是氏e N(Rj) 或者 Rj e N(Ri),对于图G中的顶点Vi,Vv,· E G,其属性定义为Vi = (Fi, Ti, Mi, Cj,前景像素比例F,即区域氏中前景像素占整个图像中前景像素的比例,纹理特征为特征向量 Ti = {Entavg, Entvar, Conavg,Convar, Homavg,HomvaJ .计算区域氏的四方向,包括 O度、45度、90度以及180度的灰度共生矩阵Pj (j = 1,2,3,4),其大小为SXS,基于每个P提取熵Ent、对比度Con和逆差距Hom三个特征权利要求1. ,包括对信封图像进行高斯平滑滤波、边缘检测、二值化以及闭运算的预处理步骤,其特征在于,还包括以下步骤Al,对所述信封图像进行分割,分割结果为Ω = {1^ ,..., },其中N表示区域总数, 区域Ri的邻接区域为N(Ri),基于分割结果Ω构建该信封图像的图表示G= (V,E,μ,ν), 其中V是顶点集,E是边集,μ =V-Lv为顶点属性函数,ν =E - Le为边属性函数,其中Lv和 Le可以是任意类型的集合,图G中的顶点Vi对应Ω中的区域Ri,图G中的任两个顶点Vi及 Vj,其对应区域分别为Ω及民e Ω,Vi和Vj之间存在边eij的条件是氏e N(Rj)或者 Rj e N(Ri),对于图G中的顶点Vi,VV,. E G,其属性定义为Vi = (Fi, Ti, Mi, CJ,前景像素比例F,即区域氏中前景像素占整个图像中前景像素的比例,纹理特征为特征向量 Ti = {Entavg, Entvar,Conavg,Convar,Homavg,HomvaJ .计算区域 Ri 的四方向,包括 O 度、45 度、90度以及180度的灰度共生矩阵Pj (j = 1,2,3,4),其大小为SX S,基于每个Pj提取熵 Ent、对比度Con和逆差距Hom三个特征 对每个特征分别求四个方向的均值与方差,则纹理特征最终表示为特征向量Ti = (Entavg, Entvar,Conavg,Convar,Homavg,HomvaJ ·矩特征M。假定区域氏的灰度级范围为W-L],则其归一化后灰度直方图表示成Hi = {h(0),h(l),...,h(L)},其中h(k) (k = 0,1,...,L)代表灰度级k在区域氏中所占比例, 该区域的直方图二阶矩为 其中m为区域氏的平均灰度值。上下文特征C。令(Cxi, Cyi)为Ri的中心,Rj e N(Ri)的中心为(Ge」,Cyj)。连接(CXi,Cyi)与(Gcj, Cyi),则形成以(Cxi, Cyi)为中心的星形拓扑结构,将整个平面划分为I IN(Ri) I I份,该拓扑结构较好地描述了 N(Ri)之间相对于Ri的位置关系。用θ来表示两条直线间的夹角,则氏的上下文特征可以描述为特征向量 图G中连接顶点Vi和Vj的边eu,其属性描述所连接两个区域氏和民之间的邻接关系, 边 e。.的属性为 eij = (Cdisij, AngijI 归一化的中心连线距离Cdis全文摘要本专利技术公开了,将待匹配的两个信封图像分别用图表示出来,则图像之间的相似度计算转化为图匹配问题,采用基于最小权重的二分图匹配算法计算两个图之间的距离。进一步的,首先对信封图像进行分割,基于分割结果构建图像的图表示。其中,图的每个顶点代表信封图像中的一个区域,而图的每一条边用来表示两个区域之间的邻接关系。由于图像在采集过程中易受到噪声等因素的影响,可能会导致对应于同一个信封的多个图像的图表示有所不同,故本专利技术采用一种非精确图匹配算法。大量实验结果表明,该方法对于光照、倾斜、旋转等具有较强的鲁棒性,能够高效地实现基于信封图像的信函信息查询。文档编号G06K9/64GK102289681SQ201110224869公开日2011年12月21日 申请日期2011年8月5日 优先权日2011年8月5日专利技术者刘丽, 吕岳, 吕淑静 申请人:上海邮政科学研究院本文档来自技高网...

【技术保护点】
?(mo)((/mo)?(mn)18(/mn)?(mo))(/mo)?(/mrow)?(/mrow)?(/math)当图G=(V,E,μ,v)与G′=(V′,E′,μ′,v′)中顶点数目不同时,额外的匹配代价Penal(G,G′)为:(math)??(mrow)?(mi)Penal(/mi)?(mrow)?(mo)((/mo)?(mi)G(/mi)?(mo),(/mo)?(msup)?(mi)G(/mi)?(mo)′(/mo)?(/msup)?(mo))(/mo)?(/mrow)?(mo)=(/mo)?(mfrac)?(mrow)?(mi)fabs(/mi)?(mrow)?(mo)((/mo)?(mo)|(/mo)?(mo)|(/mo)?(mi)V(/mi)?(mo)|(/mo)?(mo)|(/mo)?(mo)-(/mo)?(mo)|(/mo)?(mo)|(/mo)?(msup)?(mi)V(/mi)?(mo)′(/mo)?(/msup)?(mo)|(/mo)?(mo)|(/mo)?(mo))(/mo)?(/mrow)?(/mrow)?(mrow)?(mo)|(/mo)?(mo)|(/mo)?(mi)V(/mi)?(mo)|(/mo)?(mo)|(/mo)?(mo)+(/mo)?(mo)|(/mo)?(mo)|(/mo)?(msup)?(mi)V(/mi)?(mo)′(/mo)?(/msup)?(mo)|(/mo)?(mo)|(/mo)?(/mrow)?(/mfrac)?(mo)-(/mo)?(mo)-(/mo)?(mo)-(/mo)?(mrow)?(mo)((/mo)?(mn)19(/mn)?(mo))(/mo)?(/mrow)?(/mrow)?(/math)其中||·||表示图中顶点数目,fabs(·)为取绝对值操作,图G=(V,E,μ,v)和G′=(V′,E′,μ′,v′)之间的距离Dist(G,G′)为:Dist(G,G′)=DistNode(G,G′)+DistEdge(G,G′)+Penal(G,G′)(20),距离Dist(G,G′)即为G=(V,E,μ,v)和G′=(V′,E′,μ′,v′)之间的相似度。1.一种信封图像匹配方法,包括对信封图像进行高斯平滑滤波、边缘检测、二值化以及闭运算的预处理步骤,其特征在于,还包括以下步骤:A1,对所述信封图像进行分割,分割结果为Ω={R1,R2,...,RN},其中N表示区域总数,区域Ri的邻接区域为N(Ri),基于分割结果Ω构建该信封图像的图表示G=(V,E,μ,v),其中V是顶点集,E是边集,μ:V→LV为顶点属性函数,v:E→LE为边属性函数,其中LV和LE可以是任意类型的集合,图G中的顶点vi对应Ω中的区域Ri,图G中的任两个顶点vi及vj,其对应区域分别为Ri∈Ω及Rj∈Ω,vi和vj之间存在边eij的条件是Ri∈N(Rj)或者Rj∈N(Ri),对于图G中的顶点vi,其属性定义为vi={Fi,Ti,Mi,Ci},前景像素比例F,即区域Ri中前景像素占整个图像中前景像素的比例,纹理特征为特征向量Ti={Entavg,Entvar,Conavg,Convar,Homavg,Homvar}.计算区域Ri的四方向,包括0度、45度、90度以及180度的灰度共生矩阵Pj(j=1,2,3,4),其大小为S×S,基于每个Pj提取熵Ent、对比度Con和逆差距Hom三个特征:(math)??(mrow)?(msub)?(mi)Ent(/mi)?(mi)j(/mi)?(/msub)?(mo)=(/mo)?(mo)-(/mo)?(munderover)?(mi)Σ(/mi)?(mrow)?(mi)a(/mi)?(mo)=(/mo)?(mn)0(/mn)?(/mrow)?(mi)S(/mi)?(/munderover)?(munderover)?(mi)Σ(/mi)?(mrow)?(mi)b(/mi)?(mo)=(/mo)?(mn)0(/mn)?(/mrow)?(mi)S(/mi)?(/munderover)?(msub)?(mi)P(/mi)?(mi)j(/mi)?(/msub)?(mrow)?(mo)((/mo)?(mi)a(/mi)?(mo),(/mo)?(mi)b(/mi)?(mo))(/mo)?(/mrow)?(mo)×(/mo)?(mi)log(/mi)?(msub)?(mi)P(/mi)?(mi)j(/mi)?(/msub)?(mrow)?(mo)((/mo)?(mi)a(/mi)?(mo),(/mo)?(mi)b(/mi)?(mo))(/mo)?(/mrow)?(mo)-(/mo)?(mo)-(/...

【技术特征摘要】

【专利技术属性】
技术研发人员:吕岳刘丽吕淑静
申请(专利权)人:上海邮政科学研究院
类型:发明
国别省市:31

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1