详情

原文传递基于机器视觉的集装箱箱号识别

论文题名：	基于机器视觉的集装箱箱号识别
关键词：	集装箱;机器视觉;字符识别;稀疏表示
摘要：	随着运输业的发展越来越迅速，集装箱，作为货运的主要方式，正在扮演着越来越重要的角色。遗憾的是，虽然现代化管理的模式已经被许多集装箱码头所采用，但是集装箱号码的识别以及验箱工作仍然需要通过人工读取和记录的方式，这很大程度上影响了集装箱的通关速度。而集装箱箱号自动识别系统正是解决这一问题的关键之一。　　在实际应用中集装箱图像较为复杂，主要表现在以下方面：1.货运车停泊位置不固定，拍摄视角难以固定，使集装箱图像产生畸变。2.夜晚、早晨、傍晚的光照条件不同，此外，白天常存在强光照射，使得图像复杂化。3.雨、雪天气，箱体污染等因素对图像产生干扰。4.由于拍摄设备等原因，图像清晰度较低。　　本文对集装箱箱号自动识别系统进行了研究，主要包括从通关图像中检测集装箱箱体、从箱体区域中提取箱号和箱号识别三个方面的内容。　　在箱体检测部分，首先通过透视变换对集装箱图像进行畸变矫正，然后通过RGB颜色模型对箱体颜色进行彩色或者白色的判断。最后对彩色箱体使用HSV颜色模型进行箱体检测，对白色箱体使用纹理中的S c harr滤波器进行检测，得到最终的彩色和白色箱体检测结果。　　在箱号提取部分，主要通过图像的灰度化、边缘提取、数学形态学、二值化等机器视觉的方法来进行图像预处理，然后通过包络矩形检测和筛选、直方图投影等方法得出箱号区域，然后分割字符得到箱号，并结合箱号排列特点进行再处理以增加鲁棒性。　　在箱号识别部分，主要采用稀疏表示方法对箱号进行识别，通过L1/2的方法求出稀疏的系数解，计算原图像和重构图像残差最小的类别来进行分类。并且通过与模板匹配的比较来体现该方法的高识别率和高鲁棒性，并尝试用稀疏表示的方法对强光下高畸变的集装箱字符图像进行识别。　　本文针对所采集到的上海外高桥海关集装箱图像进行了识别实验，实验表明，基于机器视觉的集装箱识别系统可以比较有效的识别集装箱箱号，单个字符识别率达到99％以上，整体系统识别率达到89%，具有很好的实际应用前景。
作者：	陈子宜
专业：	模式识别与智能系统
导师：	王利生
授予学位：	硕士
授予学位单位：	上海交通大学
学位年度：	2014
正文语种：	中文