《一种基于PCNN的印章识别方法.pdf》由会员分享，可在线阅读，更多相关《一种基于PCNN的印章识别方法.pdf（8页完整版）》请在专利查询网上搜索。
1、(10)申请公布号 (43)申请公布日 (21)申请号 201410746012.9 (22)申请日 2014.12.09 G06K 9/00(2006.01) G06K 9/62(2006.01) G06N 3/02(2006.01) (71)申请人 四川大学 地址 610065 四川省成都市武侯区一环路南 一段 24 号 (72)发明人 彭德中 章毅 吕建成 张蕾 张海仙 桑永胜 郭际香 毛华 罗一帆 林毅 (74)专利代理机构 四川君士达律师事务所 51216 代理人 芶忠义 (54) 发明名称 一种基于 PCNN 的印章识别方法 (57) 摘要 本发明公开了一种基于 PCNN 的印章识。
2、别方 法， 搭建好相应的实验环境， 基于 MFC 框架编写一 个对话框程序。对待处理的图像进行大小和格式 上的规整， 并在对其进行腐蚀和膨胀的操作。 基于 PCNN 的模型对印文的图像进行骨架的提取操作， 得到相应的印文骨架。根据得到的印文骨架和得 到的二值化处理过的印文图像， 将两者进行图像 融合的处理， 得到融合图像。 计算待识别印文图像 和系统留底的正规印章盖出来的印文图像的 Hu 矩值， OpenCV库中有可以计算图像Hu矩的值的函 数。计算两幅图像 Hu 矩的相似度， 并对 7 个归一 化的中心矩求平均得到一个相对准确的可以判断 两幅图像是否匹配的阈值， 根据阈值鉴别印文图 像真假。。
3、 (51)Int.Cl. (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书1页 说明书4页 附图2页 (10)申请公布号 CN 104463122 A (43)申请公布日 2015.03.25 CN 104463122 A 1/1 页 2 1.一种基于 PCNN 的印章识别方法， 其特征在于， 包括以下步骤 ： 步骤 1 ： 搭建好相应的实验环境之后， 就能以基于 MFC 框架编写一个我们实验需要的对 话框程序， 便于显示实验结果 ； 步骤 2 ： 对于原始的印文图像进行二值化的操作， 减少图像的多余信息， 方便处理 ； 步骤 3 ： 对待处理的图像进行大小和格式上的规整。
4、， 并在对其进行腐蚀和膨胀的操作 ； 步骤 4 ： 基于 PCNN 的模型对印文的图像进行骨架的提取操作， 得到相应的印文骨架 ； 步骤 5 ： 根据步骤 4 得到的印文骨架和步骤 2 得到的二值化处理过的印文图像， 将两者 进行图像融合的处理， 得到融合图像 ； 步骤 6 ： 计算待识别印文图像和系统留底的正规印章盖出来的印文图像的 Hu 矩值， OpenCV 库中有能以计算图像 Hu 矩的值的函数 ； 步骤 7 ： 计算两幅图像 Hu 矩的相似度， 并对 7 个归一化的中心矩求平均得到一个相对 准确的能以判断两幅图像是否匹配的阈值， 根据阈值鉴别印文图像真假。 权 利 要 求 书 CN 1。
5、04463122 A 2 1/4 页 3 一种基于 PCNN 的印章识别方法 技术领域 0001 本发明属于数字图像处理的应用技术领域， 涉及一种基于 PCNN 的印章识别方法。 背景技术 0002 图像的检索和相关的处理识别， 在信息量呈现爆炸性增长的今天， 在人们的社会 生产和日常生活中越来越凸显其重要的作用。 人类主要是通过图像这一媒介来直接获取和 交换信息。随着计算机技术和人工智能的迅速发展， 对数字图像的处理正成为社会和学术 界研究的热点。 传统上对于图像的检索处理方式是通过人眼来观察图像的形状， 大小， 颜色 等信息， 然后经人类的神经中枢系统对其做出判别， 识别率很高， 但是其在。
6、处理速度方面却 难以满足当今各项应用的要求。 0003 对于数字图像进行处理在人工智能， 机器学习， 数字图像处理， 计算机视觉等相关 领域有着非常重要的应用， 逐渐成为了国内外学者的关注方向。 近年来， 有一种被称作脉冲 耦合神经网络PCNN(Pulse Coupled Neural Networks)的人工神经网络的模型正逐渐的被 应用于图像处理中。PCNN 模型是一种非常接近人类大脑神经网络的生物网络模型， 在图像 处理， 图像识别， 决策优化方面存在着有别与传统人工神经网络的优势， 具有广阔的应用前 景。它模拟了生物的视觉特性， 具有生物学的相关背景， 被称之为第三代神经网络。早在 1。
7、999年， Izhikevich从数学上严格证明了实际的生物细胞模型与PCNN模型是一致的， 有所 不同的只是变量的坐标而已。研究表明， PCNN 具有的基本特性有变阈值特性， 非线性调制 特性， 同步脉冲发放现象， 捕获特性， 动态脉冲发放现象， 自动波特性和综合时空特性， 可以 将其应用于图像去噪， 图像分割， 图像边缘检测等等。 PCNN所具有的同步和自动波的重要属 性， 得到了研究人员的关注， 对于数字图像的相关处理有着良好的效果。 0004 印章图像因为其承载的属性， 所以它一般是出现在有着复杂背景介质的地方， 这 也给印文的辨识增加了很大的难度。其背景中还包含了一些其他的和印文图像。
8、相似的结 构， 这些内容的颜色和印文图像非常相似， 同样造成了印文辨识的困难。 0005 传统上， 针对印文图像的特点， 因为大部分的印文图像是由红色的印泥来盖出相 应的印文图像， 传统的对印文图像的提取， 会直接把原始的 RGB 颜色空间的印文图像中的 红色分量从印章杂乱的底纹和复杂的背景中提取出来， 然后进过二值化的处理， 在处理的 过程中尽可能的去除印章的背景、 文字等影响图像信息的噪声， 保持印章更多的固有信息。 0006 利用传统的对印文图像进行提取的步骤如下 ： 0007 步骤 1 ： 基于搭建好的实验环境， 利用印文图像的结构特征， 对印文图像的红色分 量进行提取。 0008 步。
9、骤 2 ： 对于原始的印文图像先进行灰度处理， 然后进行二值化的操作， 减少图像 的多余信息， 方便处理。 0009 剩余步骤同上述基于 PCNN 的印文图像处理的实验步骤 6， 7 操作。 发明内容 说 明 书 CN 104463122 A 3 2/4 页 4 0010 本发明的目的在于克服上述技术存在的缺陷， 提供一种基于 PCNN 的印章识别方 法， 是建立在 Windows 操作系统平台上的。因此基于 PCNN 模型的印文处理研究可以利用微 软的可视化集成开发平台 Visual C+6.0。MFC 基础框架可以在此集成开发环境中搭建， 使 用MFC框架来构建实验程序， 并辅之以Open。
10、CV1.0这个开源的计算机视觉库， 将相关的算法 应用到对图像的处理上。其具体技术方案为 ： 0011 一种基于 PCNN 的印章识别方法， 包括以下步骤 ： 0012 步骤 1 ： 搭建好相应的实验环境之后， 就可以基于 MFC 框架编写一个我们实验需要 的对话框程序， 便于显示实验结果。 0013 步骤 2 ： 对于原始的印文图像进行二值化的操作， 减少图像的多余信息， 方便处 理。 0014 步骤 3 ： 对待处理的图像进行大小和格式上的规整， 并在对其进行腐蚀和膨胀的 操作。 0015 步骤 4 ： 基于 PCNN 的模型对印文的图像进行骨架的提取操作， 得到相应的印文骨 架。 001。
11、6 步骤 5 ： 根据步骤 4 得到的印文骨架和步骤 2 得到的二值化处理过的印文图像， 将 两者进行图像融合的处理， 得到融合图像。 0017 步骤 6 ： 计算待识别印文图像和系统留底的正规印章盖出来的印文图像的 Hu 矩 值， OpenCV 库中有可以计算图像 Hu 矩的值的函数。 0018 步骤 7 ： 计算两幅图像 Hu 矩的相似度， 并对 7 个归一化的中心矩求平均得到一个 相对准确的可以判断两幅图像是否匹配的阈值， 根据阈值鉴别印文图像真假。 0019 与现有技术相比， 本发明的有益效果为 ： 0020 采用计算机技术对于印文图像进行自动的匹配， 和传统的人工识别印文图像来比 较。
12、， 排除了印章加盖时背景介质， 加盖时用力大小不均匀以及可能存在的图像噪声等一系 列人用肉眼进行观察和判断造成的影响。 采用人工神经网络模型具有生物神经网络所具有 的高容错性和强大的适应能力， 进行图像处理的时候， 脉冲耦合神经网络模型是和神经元 网络系统一样， 按照并行操作来对图像进行处理， 这样就能够大大提高图像处理的速度。 同 时由于计算机出色的计算能力， 克服了在人工识别中人的视觉所可能存在的视觉误区， 比 如一些人眼无法判断的十分接近的目标。 神经网络模型的应用使得印文图像在背景介质较 为复杂， 目标图像和背景的图像极为相似的情况下， 能够被精确的分离出来同时对于图像 信息的损失能够。
13、最大化的减少， 对于印章图像的识别更加精确， 效率会更高， 有效的克服了 传统印章识别的诸多难题， 获得良好的结果。 附图说明 0021 图 1 是本发明基于 PCNN 的印章识别方法的流程图 ； 0022 图 2 是匹配结果图， 其中， 图 2a. 原始图像， 图 2b. 提取红色分量图像， 图 2c. 融合 图像。 具体实施方式 0023 为了使本发明实现的技术手段、 创作特征、 达成目的与功效易于明白了解， 下面结 说 明 书 CN 104463122 A 4 3/4 页 5 合附图和具体实例， 进一步阐述本发明。 0024 在图 1 中， 计算机进行比对识别的是两幅图像， 一幅是通过技。
14、术手段存储在计算 机本地的留底印文图像， 另一幅则是需要进行比对的待识别印文图像。 0025 利用计算机的程序对于两幅图像进行自动的处理， 先输入两幅需要进行比对的印 文图像。 0026 为了方便两幅印文图像进行比对， 在印文图像进行比对之前需要对印文图像进行 预处理， 减少图像多余的信息， 预处理后的印文图像能够在最大限度的保留原图像信息的 同时尽可能多的去除印章的背景、 文字等影响图像信息的噪声， 提高印文识别的精度。 0027 将预处理好的印文图像输入到 PCNN 神经网络模型中， 得到经过处理细化后的印 文骨架， 然后和二值化的印文图像进行图像的融合得到最终要和留底印文进行匹配的融合 。
15、图像。 在传统的匹配识别方法中， 鉴于一般印章都是把红色作为印泥的颜色， 因此在传统的 方法中， 通常都是通过对图像红色通道的分量进行提取得到图像的简单的轮廓， 进而对印 文图像进行比较， 得出匹配结果， 如图 2 所示。 0028 可以看到在基于传统的提取印文红色分量通道所得到的图像和本文中采取神经 网络模型处理得到的融合图像。利用搭建好的实验环境里面的函数对数字图像的 Hu 不变 矩进行计算， 在大量实验的基础上， 设定阈值， 得出相同印文图像 Hu 矩的相似度， 最终得出 匹配结果。 0029 在得到融合图像之后， 利用数字图像不变矩的理论来对于印文图像进行匹配识 别。 0030 不变矩。
16、的主要的原理是来自于对图像变换不敏感的基本区域的几个矩作为形状 特征。 不变矩在图像的物理意义上并没有什么定义， 只是纯数学上的定义， 在一幅连续图像 的情况下， 假设图像的函数是 f(x， y)， 那么图像的 p+q 阶几何矩 ( 即标准矩 ) 就可以定义 为 ： 0031 0032 p+q 的中心距可以定义为 0033 0034 其中和 y 代表图像的重心。 0035 0036 0037 对于离散型的数字图像， 可以采用求和号来代替积分 ： 0038 0039 0040 N 和 M 在这里我们给它们的定义是图像的高度和宽度 ； 0041 归一化之后的中心矩可以定义为 ： 说 明 书 CN 。
17、104463122 A 5 4/4 页 6 0042 0043 其中 0044 利用二阶和三阶归一化中心矩构造了 7 个不变矩 M1-M7 ： 0045 M1 20+02 (9) 0046 M2 (20-02)2+4112 (10) 0047 M3 (30-312)2+(321-03)2 (11) 0048 M4 (30+12)2+(21+03)2 (12) 0049 M5 (30-312)(30+12)(30+12)2-3(21+03)2) 0050 +(321-03)(21+03)(3(30+12)2-3(21+03)2) 0051 (13) 0052 M6 (20-02)(30+12)2。
18、-(21-03)2)+411(30+12)(21+03) 0053 (14) 0054 M7 (321-03)(30+12)(30+12)2-3(21+03)2)-(31-312)(30 0055 +12)(3(30+12)2-(21+03) 0056 (15) 0057 这 7 个不变矩构成一组特征量， Hu.M.K 在 1962 年证明了他们具有旋转， 缩放和平 移不变性。 因为每幅图片都有自己的矩， 所以对于两幅图像的匹配， 只需要去比对两幅图像 的几个矩是否匹配就可以达到鉴别图像是否相同的目的。在实际的应用中， M1 和 M2 的不 变性保持的比较好， 其他几种不变矩则会有存在较大的误。
19、差。通过 Hu 不变矩来对图像进行 识别， 优点在识别的速度比较快， 匹配方法不复杂， 但是识别率比较低， 因此对于 Hu 不变矩 的使用我们一般都只是在低阶矩上进行运算， 可以通过对于同一个正规的印章所印出来的 印文图像和模版印文图像之间 Hu 矩的差值的统计计算， 可以得到当该差值小于一定的阈 值的时候， 就可以研判两幅图像是否是来自于同一枚印章盖出来的相同的图像， 借此就可 以鉴定待识别的印文图像的真伪。 0058 本发明与人工识别印章图像相比， 计算机智能化的对印文图像进行匹配能够更好 的减少人工识别所出现的效率低， 识别率低的情况。与一般的基于彩色印文图像匹配过程 中仅提取红色通道分。
20、量相比， 更大程度上保留了印文图像的相关关键信息， 提高的匹配的 正确率。 应用神经网络模型进行图像处理， 具有神经网络模型的并行特性， 极大的提高了数 字图像处理的速度。对于数字图像的 Hu 矩来说， 其具有旋转， 缩放和平移不变性， 在数字图 像的匹配过程中， 使得匹配过程不会太过复杂， 识别速度较快。 同时选取脉冲耦合神经网络 模型可以根据不同的情况来调整神经网络模型的参数设定， 优化对于数字图像的处理， 提 高数字图像处理的速度和精度。 0059 以上所述， 仅为本发明最佳实施方式， 任何熟悉本技术领域的技术人员在本发明 披露的技术范围内， 可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的 保护范围内。 说 明 书 CN 104463122 A 6 1/2 页 7 图 1 说 明 书 附 图 CN 104463122 A 7 2/2 页 8 图 2 说 明 书 附 图 CN 104463122 A 8 。