Page 29 - 网络电信2021年11月刊上
P. 29

光    通    信

            捕捉图像；软件部分利用C++编程和OpenCV视觉库实现，包含
                                                                  图 4 SVM 算法仿真图
            预处理、字符分割和字符识别三部分；OpenCV是跨平台视觉
            库，库中包含了matchTemplate（）匹配函数、ANN（）和SVM
            （）训练函数，便于实现3种识别算法；仿真计算机的处理器为
            Inteli51035G1，内存为16G。
                在线光缆喷码字符识别流程如图2所示，具体如下：①将高
            速摄像头获取到的图像直接传输到计算机中，此时获取到的图
            像多包含纹路、椒盐等噪声，且是点阵喷码。②采用中值、双
            边滤波和二值化处理后能明显降低噪声，经腐蚀膨胀处理后使
            点阵喷码字符变成连续光滑字符。③在字符分割时，采用改进
            的垂直分割算法，即先对光缆字符定位，经过垂直、水平分割
            后能够准确定位光缆字符区域；再进行闭运算处理，使字符块
            变成连通区域，对其垂直投影并分割，可得到连续字符块；最
            后对每个字符块分割，得到单个字符，并通过计算每个字符的
            宽度来过滤粘连、断裂字符，粘连字符可分割后再识别，断裂                          的训练。
            字符则归为缺损字符，标记、报警通知生产线工人进行重新喷                              2.ANN算法
            涂处理。                                                     ANN算法是一种模仿生物神经网络的结构和功能的数学模
                                                                 型，用于对函数进行估计或近似。ANN算法分为两部分：第一
                二、字符识别算法仿真                                       部分是训练，第二部分是识别。训练和识别都需要字符集，本
                1.模板匹配算法                                         文收集36种常见字符（包含10个阿拉伯数字和26个大写英文字
                模板匹配算法是图像处理中最常见的匹配方法，即在一副                        母）共1800个光缆喷码字符样本，对其进行预处理、分割，从
            较大的原图像中寻找另一幅模板图像最匹配位置，因此可用于                          中随机挑选212个样本（每个样本包含6个字符）作为测试集，
            字符识别、人脸识别等。OpenCV提供了6种模板匹配算法：平                       剩下的1588个样本作为训练集。仿真过程如下：首先，读入
            方差匹配法、归一化平方差匹配法、相关匹配法、归一化相关                          1588个训练字符，用ANN_train（）函数设置参数后进行训练，
            匹配法、相关系数匹配法和归一化相关系数匹配法。本文采用                          生成训练文件并且记录训练时间；然后，读入212个测试字符和
            其中的归一化相关系数匹配法连续快速识别字符，具体过程如                          训练文件，依次识别测试字符；最后，计算识别正确率和总识
            下：模板匹配算法不需要训练，所以先从训练集中选出36种字                         别时间。
            符（0-9、A-Z各一个）拼接成一副图像作为“原图像”，待识                           神经网络结构可分为三层：输入层、隐藏层和输出层，
            别的字符作为模板依次与原图像进行模板匹配，然后由OpenCV                       每一层神经元收到上一层神经元的输入并传输到下一层神经
            中的matchTemplate（）函数返回每个模板最佳匹配的x坐标，                   元。隐藏层数量是影响训练时间和识别率的因素之一 。神经
                                                                                                            [8]
            再与原图像中实际字符x坐标进行比对，若两坐标相等则识别正                         网络迭代终止条件分为最大迭代次数和迭代误差，其中最大迭
            确，否则识别错误。将此方法编程实现，并对212个测试样本进                        代次数影响较大，其它参数经仿真后对识别率影响不大，这
            行识别测试。这种算法的识别率为78.77%，识别速度为2.14s。                    里不再赘述。本文采用数值法分别对ANN_train（）函数中的
            模板匹配识别率不高，且容易把相近字符混肴，如“Q”和                           InputArraylayersizes（隐藏层层数）和Max_counts（最大迭
            “0”，“1”和“I”等。模板匹配的字符识别率与模板的选                         代次数）进行仿真，隐藏层层数从14递增到203，最大迭代次数
            择密切相关，但是光缆表面喷码并不都是标准字符，往往会有                          从10递增到1500，迭代误差设置为默认值，并把结果绘制成曲
            瑕疵，所选模板不能代表所有样本字符的特征。若字符出现旋                          线图，如图3所示。可以看出，随着隐藏层层数的增加，ANN训
            转、缺损的情况，模板匹配字符识别率会大大降低。但相较于                          练时间持续增加但是算法的识别率并没有一直增加，在隐藏层
            ANN和SVM等算法，模板匹配算法不需要提前进行大量样本字符                       个数为100时取得最大值，然后降低，即隐藏层层数偏小或者偏
                                                                 大都会使ANN识别率下降。随着最大迭代次数的增加，ANN的训
             图 3 ANN 算法仿真图                                       练时间也在线性增加，但是识别率在最大迭代次数增加到400后
                                                                 开始趋于平缓，此时识别率也已经达到95%以上，后续迭代次数
                                                                 增加引起的训练时间的增加并不能大幅提高识别率。
                                                                     OpenCV提供了2种训练方法，反向传播算法和弹性反向传
                                                                 播算法。反向传播算法分为激励传播和权重更新两步，弹性反
                                                                 向传播算法则是对反向传播算法的学习率和梯度弥散进行了改
                                                                 良。根据上述对隐藏层层数和最大迭代次数的仿真分析，将
                                                                 ANN_train（）函数中隐藏层层数设置为100，最大迭代次数设
                                                                 置为1200，训练方法分别选择反向传播算法和弹性反向传播算
              (a)隐藏层层数仿真             (b)最大迭代次数仿真                 法，其它参数设置为默认值，仿真结果为：弹性反向传播算法


            38                                        网络电信 二零二一年十一月
   24   25   26   27   28   29   30   31   32   33   34