一种基于PNN的点阵喷码字符识别方法

摘要

在点阵喷码字符智能识别问题的研究中,由于点阵喷码字符是喷印在背景复杂且含有其他标准字符的产品外包装上,且点阵喷码字符的字体大小、喷墨量及光照影响的变化,使得准确定位和识别点阵喷码字符均有一定的难度。本文针对上述难点提出基于概率神经网络(PNN)的点阵喷码字符识别方法。首先,将原始图像转换成灰度图像并进行高斯滤波预处理。然后,利用改进的FAST角点检测算法快速定位喷码字符。在特征提取环节,本文提取待识别点阵喷码字符的HOG特征和网格特征,并将这2种特征进行联合。最后,将联合后的字符特征输入到PNN,建立分类模型,利用训练好的分类模型识别出点阵喷码字符。实验结果表明:本文提出的点阵喷码字符定位方法准确率高、速度快,且采用PNN建立的分类模型对受光照影响、字体不一的点阵喷码字符具有一定的适应性,识别准确率为97.1%,可满足工业中点阵喷码字符识别的应用场合。

关键词

FAST角点检测算法 / 概率神经网络(PNN) / 喷码字符识别 / 字符定位 / 特征提取