標識符的識別方法

特征的提取與選擇

　　在一個完善的模式識別系統中，特征的提取與選擇這一技術環節是必不可少的，它通常處于對象特征數據采集和分類識別這兩個環節之間，起著承上啟下的作用。特征提取與選擇品質的優劣極大地影響著分類器的設計和性能，它是模式識別三大核心問題之一。特征提取與選擇的基本任務是如何從眾多特征中找出那些最有效的特征，即把高維特征空間壓縮到低維特征空間，同時保留住絕大部分樣本信息，以便更有效地設計分類器。

　　目前，用于圖像處理的特征主要有：(1)幾何特征，如邊緣、紋理、輪廓、焦點(或角點)；(2)灰度統計特征，如灰度直方圖、頻譜、矩；(3)變換特征，如fourier描繪子、walsh變換系數等[1]。為了有效地完成識別或匹配，常常要求所提取的特征具有旋轉不變性。關于特征不變量，一是直接從原始的目標中提取，二是從已抽取的特征中構造不變量。本文以全局特征為立足點，通過控制標識符本身的形狀特征構造特征向量來實現對它的識別，采用圖像的灰度均值為主要特征量實現對數字特征的提取與識別。

整個識別流程如圖3所示：圖像采集卡采集到一幀圖像后，首先對圖像進行預處理以除字符圖像中的噪聲、壓縮冗余信息，得到規范化的點陣；然后判斷當前圖像中是否有導航標識符出現，如果沒有則進入路徑識別模塊(這里假設自動導引車沒有偏離導航線)；反之，則判斷是數字標識符還是控制標識符，如果是控制標識符則進行控制標識符識別，如果是數字標識符將采取以下步驟：(1)抽行掃描，分析每行交點數目和邊界信息，確定數字標識符的感興趣區域，(2)提取數字標識符的特征，(3)應用特征匹配法進行數字識別并輸出，(4)回歸導航線。
標識符分類識別