一種信封圖像匹配方法組成比例

本發(fā)明專利技術公開了一種信封圖像匹配方法，將待匹配的兩個信封圖像分別用圖表示出來，則圖像之間的相似度計算轉化為圖匹配問題，采用基于最小權重的二分圖匹配算法計算兩個圖之間的距離。進一步的，首先對信封圖像進行分割，基于分割結果構建圖像的圖表示。其中，圖的每個頂點代表信封圖像中的一個區(qū)域，而圖的每一條邊用來表示兩個區(qū)域之間的鄰接關系。由于圖像在采集過程中易受到噪聲等因素的影響，可能會導致對應于同一個信封的多個圖像的圖表示有所不同，故本發(fā)明專利技術采用一種非精確圖匹配算法。大量實驗結果表明，該方法對于光照、傾斜、旋轉等具有較強的魯棒性，能夠高效地實現(xiàn)基于信封圖像的信函信息查詢。

【技術實現(xiàn)步驟摘要】

本專利技術屬于郵政
，特別涉及。
技術介紹
信封圖像匹配是郵政自動化領域的一項重要研究內(nèi)容，即將信封圖像作為查詢依據(jù)和信函分揀系統(tǒng)數(shù)據(jù)庫中的所有圖像做匹配，將獲得成功匹配的圖像以及其在數(shù)據(jù)庫中的相關處理信息比如郵編或地址識別結果作為最終查詢結果返回。根據(jù)格式塔視覺原理，對象中各個部分之間的相對位置關系在人的視覺系統(tǒng)中起著關鍵作用，相對位置關系的變化必然會導致視覺差異。傳統(tǒng)采用特征向量來描述對象的方法，并不能準確地表達出對象中各個部分之間的關系。此外，基于特征向量的匹配方法， 容易受到旋轉、傾斜等因素的影響。圖作為一種數(shù)據(jù)結構不僅能表示對象，而且能較好地刻畫對象各個部分之間的關系，符合人的視覺特性。尤其是后者在實際的模式識別應用中尤為重要，比如在信封圖像檢索中，信封圖像一般由一些顯著區(qū)域組成，如郵編、地址、郵票區(qū)等，故在匹配時，可以充分利用這些區(qū)域之間的相對拓撲結構關系。對于拓撲結構有很大差異的兩個信封圖像，基本上可以確定它們之間的不匹配關系。圖匹配有堅實的數(shù)學理論基礎，對旋轉、平移均具有良好的不變性。近年來，許多學者開展了圖匹配方法的研究。主要分為兩大類精確匹配以及非精確匹配。其中精確匹配要求待匹配的兩個圖具有完全相同的頂點以及頂點之間的拓撲結構關系，這種苛刻的要求限制了其在實際中的應用。而在非精確匹配中，更多關注的是在兩個圖不完全相同的情況下，如何給出一個合適的相似性度量方法。
技術實現(xiàn)思路
本專利技術的目的是提供，以實現(xiàn)以信封圖像作為查詢依據(jù)在信函分揀系統(tǒng)的數(shù)據(jù)庫中查詢相關信息。本專利技術的技術方案是，，包括對信封圖像進行高斯平滑濾波、邊緣檢測、二值化以及閉運算的預處理步驟，還包括以下步驟Al，對所述信封圖像進行分割，分割結果為Ω = {&，‘...，&}，其中N表示區(qū)域總數(shù)，區(qū)域Ri的鄰接區(qū)域為N(Ri),基于分割結果Ω構建該信封圖像的圖表示G= (V, Ε， μ，ν)，其中V是頂點集，E是邊集，μ =V-Lv為頂點屬性函數(shù)，ν =E - Le為邊屬性函數(shù)，其中、和Le以是任意類型的集合，圖G中的頂點Vi對應Ω中的區(qū)域Ri,圖G中的任兩個頂點 Vi及Vj，其對應區(qū)域分別為I^e Ω及民e Ω，Vi和Vj之間存在邊eij的條件是氏e N(Rj) 或者 Rj e N(Ri),對于圖G中的頂點Vi，Vv,· E G，其屬性定義為Vi = (Fi, Ti, Mi, Cj，前景像素比例F，即區(qū)域氏中前景像素占整個圖像中前景像素的比例，紋理特征為特征向量 Ti = {Entavg, Entvar, Conavg，Convar, Homavg，HomvaJ .計算區(qū)域氏的四方向，包括 O度、45度、90度以及180度的灰度共生矩陣Pj (j = 1，2，3，4)，其大小為SXS，基于每個P提取熵Ent、對比度Con和逆差距Hom三個特征權利要求1. ，包括對信封圖像進行高斯平滑濾波、邊緣檢測、二值化以及閉運算的預處理步驟，其特征在于，還包括以下步驟Al，對所述信封圖像進行分割，分割結果為Ω = {1^ ,..., }，其中N表示區(qū)域總數(shù)， 區(qū)域Ri的鄰接區(qū)域為N(Ri),基于分割結果Ω構建該信封圖像的圖表示G= (V，E，μ,ν), 其中V是頂點集，E是邊集，μ =V-Lv為頂點屬性函數(shù)，ν =E - Le為邊屬性函數(shù)，其中Lv和 Le可以是任意類型的集合，圖G中的頂點Vi對應Ω中的區(qū)域Ri,圖G中的任兩個頂點Vi及 Vj,其對應區(qū)域分別為Ω及民e Ω，Vi和Vj之間存在邊eij的條件是氏e N(Rj)或者 Rj e N(Ri),對于圖G中的頂點Vi，VV,. E G，其屬性定義為Vi = (Fi, Ti, Mi, CJ，前景像素比例F，即區(qū)域氏中前景像素占整個圖像中前景像素的比例，紋理特征為特征向量 Ti = {Entavg, Entvar，Conavg，Convar，Homavg，HomvaJ .計算區(qū)域 Ri 的四方向，包括 O 度、45 度、90度以及180度的灰度共生矩陣Pj (j = 1，2，3，4)，其大小為SX S，基于每個Pj提取熵 Ent、對比度Con和逆差距Hom三個特征 對每個特征分別求四個方向的均值與方差，則紋理特征最終表示為特征向量Ti = (Entavg, Entvar，Conavg，Convar，Homavg，HomvaJ ·矩特征M。假定區(qū)域氏的灰度級范圍為W-L]，則其歸一化后灰度直方圖表示成Hi = {h(0)，h(l)，...，h(L)}，其中h(k) (k = 0，1，...，L)代表灰度級k在區(qū)域氏中所占比例， 該區(qū)域的直方圖二階矩為 其中m為區(qū)域氏的平均灰度值。上下文特征C。令(Cxi, Cyi)為Ri的中心，Rj e N(Ri)的中心為(Ge」，Cyj)。連接(CXi，Cyi)與(Gcj, Cyi),則形成以(Cxi, Cyi)為中心的星形拓撲結構，將整個平面劃分為I IN(Ri) I I份，該拓撲結構較好地描述了 N(Ri)之間相對于Ri的位置關系。用θ來表示兩條直線間的夾角，則氏的上下文特征可以描述為特征向量 圖G中連接頂點Vi和Vj的邊eu，其屬性描述所連接兩個區(qū)域氏和民之間的鄰接關系， 邊 e。.的屬性為 eij = (Cdisij, AngijI 歸一化的中心連線距離Cdis全文摘要本專利技術公開了，將待匹配的兩個信封圖像分別用圖表示出來，則圖像之間的相似度計算轉化為圖匹配問題，采用基于最小權重的二分圖匹配算法計算兩個圖之間的距離。進一步的，首先對信封圖像進行分割，基于分割結果構建圖像的圖表示。其中，圖的每個頂點代表信封圖像中的一個區(qū)域，而圖的每一條邊用來表示兩個區(qū)域之間的鄰接關系。由于圖像在采集過程中易受到噪聲等因素的影響，可能會導致對應于同一個信封的多個圖像的圖表示有所不同，故本專利技術采用一種非精確圖匹配算法。大量實驗結果表明，該方法對于光照、傾斜、旋轉等具有較強的魯棒性，能夠高效地實現(xiàn)基于信封圖像的信函信息查詢。文檔編號G06K9/64GK102289681SQ201110224869公開日2011年12月21日 申請日期2011年8月5日 優(yōu)先權日2011年8月5日專利技術者劉麗, 呂岳, 呂淑靜 申請人:上海郵政科學研究院本文檔來自技高網(wǎng)...

【技術保護點】
?（ｍｏ）（（／ｍｏ）?（ｍｎ）１８（／ｍｎ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｒｏｗ）?（／ｍａｔｈ）當圖Ｇ＝（Ｖ，Ｅ，μ，ｖ）與Ｇ′＝（Ｖ′，Ｅ′，μ′，ｖ′）中頂點數(shù)目不同時，額外的匹配代價Ｐｅｎａｌ（Ｇ，Ｇ′）為：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｉ）Ｐｅｎａｌ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）Ｇ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｓｕｐ）?（ｍｉ）Ｇ（／ｍｉ）?（ｍｏ）＆ｐｒｉｍｅ；（／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）＆ｐｒｉｍｅ；（／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）＆ｐｒｉｍｅ；（／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｜｜·｜｜表示圖中頂點數(shù)目，ｆａｂｓ（·）為取絕對值操作，圖Ｇ＝（Ｖ，Ｅ，μ，ｖ）和Ｇ′＝（Ｖ′，Ｅ′，μ′，ｖ′）之間的距離Ｄｉｓｔ（Ｇ，Ｇ′）為：Ｄｉｓｔ（Ｇ，Ｇ′）＝ＤｉｓｔＮｏｄｅ（Ｇ，Ｇ′）＋ＤｉｓｔＥｄｇｅ（Ｇ，Ｇ′）＋Ｐｅｎａｌ（Ｇ，Ｇ′）（２０），距離Ｄｉｓｔ（Ｇ，Ｇ′）即為Ｇ＝（Ｖ，Ｅ，μ，ｖ）和Ｇ′＝（Ｖ′，Ｅ′，μ′，ｖ′）之間的相似度。１．一種信封圖像匹配方法，包括對信封圖像進行高斯平滑濾波、邊緣檢測、二值化以及閉運算的預處理步驟，其特征在于，還包括以下步驟：Ａ１，對所述信封圖像進行分割，分割結果為Ω＝｛Ｒ１，Ｒ２，．．．，ＲＮ｝，其中Ｎ表示區(qū)域總數(shù)，區(qū)域Ｒｉ的鄰接區(qū)域為Ｎ（Ｒｉ），基于分割結果Ω構建該信封圖像的圖表示Ｇ＝（Ｖ，Ｅ，μ，ｖ），其中Ｖ是頂點集，Ｅ是邊集，μ：Ｖ→ＬＶ為頂點屬性函數(shù)，ｖ：Ｅ→ＬＥ為邊屬性函數(shù)，其中ＬＶ和ＬＥ可以是任意類型的集合，圖Ｇ中的頂點ｖｉ對應Ω中的區(qū)域Ｒｉ，圖Ｇ中的任兩個頂點ｖｉ及ｖｊ，其對應區(qū)域分別為Ｒｉ∈Ω及Ｒｊ∈Ω，ｖｉ和ｖｊ之間存在邊ｅｉｊ的條件是Ｒｉ∈Ｎ（Ｒｊ）或者Ｒｊ∈Ｎ（Ｒｉ），對于圖Ｇ中的頂點ｖｉ，其屬性定義為ｖｉ＝｛Ｆｉ，Ｔｉ，Ｍｉ，Ｃｉ｝，前景像素比例Ｆ，即區(qū)域Ｒｉ中前景像素占整個圖像中前景像素的比例，紋理特征為特征向量Ｔｉ＝｛Ｅｎｔａｖｇ，Ｅｎｔｖａｒ，Ｃｏｎａｖｇ，Ｃｏｎｖａｒ，Ｈｏｍａｖｇ，Ｈｏｍｖａｒ｝．計算區(qū)域Ｒｉ的四方向，包括０度、４５度、９０度以及１８０度的灰度共生矩陣Ｐｊ（ｊ＝１，２，３，４），其大小為Ｓ×Ｓ，基于每個Ｐｊ提取熵Ｅｎｔ、對比度Ｃｏｎ和逆差距Ｈｏｍ三個特征：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｓｕｂ）?（ｍｉ）Ｅｎｔ（／ｍｉ）?（ｍｉ）ｊ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）＝（／ｍｏ）?（ｍｏ）－（／ｍｏ）?（ｍｕｎｄｅｒｏｖｅｒ）?（ｍｉ）＆Ｓｉｇｍａ；（／ｍｉ）?（ｍｒｏｗ）?（ｍｉ）ａ（／ｍｉ）?（ｍｏ）＝（／ｍｏ）?（ｍｎ）０（／ｍｎ）?（／ｍｒｏｗ）?（ｍｉ）Ｓ（／ｍｉ）?（／ｍｕｎｄｅｒｏｖｅｒ）?（ｍｕｎｄｅｒｏｖｅｒ）?（ｍｉ）＆Ｓｉｇｍａ；（／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）＆ｔｉｍｅｓ；（／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）－（／...

【技術特征摘要】

【專利技術屬性】
技術研發(fā)人員：呂岳，劉麗，呂淑靜，
申請(專利權)人：上海郵政科學研究院，
類型：發(fā)明
國別省市：31