H;低灰度值区域Ω,，其灰 度均值和方差分别为吨和δ,，背景区域为Ω8,其灰度均值和方差分别为叫和δ8。背景区 域不需要进行灰度变换，并使用高灰度值向低灰度值影射的线性变换方法，采用像素标记 法规定需要变换的区域Ωη。 阳035] 设图像U。的某一像素Uc(i，j)的灰度值为h(i,j)，变换后的灰度值为h'（i,j)，变 换后的图像用u'。表示。灰度变换过程如下：
[0036]如果抑駐，i)CΩ社且h(i, _]·) > 叫-δH; 阳037]那么h'（i,j) =-(δl/δj)+mH*(δl/δ4)-化。
[0038] 步骤Ξ，使用能利用局部信息的活动轮廓模型，并采用单水平集方法提取双相图 像的轮廓，作为刻划字符的轮廓。
[0039] LCV模型综合利用全局和局部信息，使得分割可不受图像灰度不均匀的影响。LCV 模型的能量泛函由全局项、局部项和规则化项构成：Elev=α·Ε6+β-护+护， W40]护、Ε嘴Ε6分别是全局项、局部项和规则化项，α和β是大于0的常数。
[0041] 引入水平集函数后表示为：
[0042]
[00创 纸2，ν。是双相字符图像，C表示光滑闭合的轮廓曲线，C郝C2分别是演化 曲线C内部和外部的图像灰度均值；Φ(χ，7)是水平集函数，Η(ζ)和δ(Ζ)分别是海氏 化eaViside)函数Η(ζ)和狄拉克值irac)函数δ(Ζ)的正则化形式；gk是窗口大小为k的 平均卷积算子，di和d2分别是卷积后的图像与源图像的差值。
[0044] 相应的水平集演化方程为：
[0045]
[0046] 方程的解就是最终的分割结果。
[0047] 与传统的基于边缘提取的方法（如Canny算子）进行比较。 W48] 如图1化）所示，是基于Canny算子的边缘提取方法获取的轮廓，粗线标注的不是 字符的真正轮廓，运是因为Canny算子本质上是基于梯度的边缘提取方法。在一个笔划的 中间由于光照方向的不同产生了低灰度值像素和高灰度值两种像素，在它们的交界处产 生了灰度大幅度的变化，恰恰被Canny算子的梯度非最大值抑制方法统统捕捉进来，成为 Canny意义上的边缘。 W例与多相CV模型比较。
[0050] 如图1(c)所示，是基于多相CV模型和多水平集提取的刻划字符轮廓，两种灰度区 域获得了两种轮廓，分别用实线和虚线表示，它们之间或者分裂或者交叉重叠，不能如实表 达字符的轮廓，而且结果用两条曲线表示为后续处理（如提取字符特征）带来不便。
[0051] 如图1(d)所示，本发明提取的字符轮廓，提取的字符轮廓准确，完整，而且分割结 果用一条封闭的曲线表示，为后续的字符特征提取带来了很大方便。比如，可W采用对轮 廓曲线进行小波变换得到其分形维数，从而进行基于轮廓追踪的字符特征提取检测奠定基 础。
[0052] 上述虽然结合附图对本发明的【具体实施方式】进行了描述，但并非对本发明保护范 围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不 需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围W内。
【主权项】
1. 一种提取刻划字符轮廓的方法，其特征是，包括以下步骤： 步骤一，进行光学字符图像的直方图分析，采用多相活动轮廓模型和双水平集方法获 取字符的高灰度值区域和低灰度值区域； 步骤二，对获取的高灰度值区域和低灰度值区域分别进行局部直方图分析，根据它们 的灰度分布及其对应关系，确定灰度变换系数，将多相图像变换为双相图像； 步骤三，使用能利用局部信息的活动轮廓模型，并采用单水平集方法提取双相图像的 轮廓，作为刻划字符的轮廓。2. 如权利要求1所述一种提取刻划字符轮廓的方法，其特征是，所述步骤一中多相活 动轮廓模型采用多相CV模型。3. 如权利要求1所述一种提取刻划字符轮廓的方法，其特征是，所述步骤二中将多相 图像变换为双相图像时背景区域不进行灰度变换，采用高灰度值向低灰度值影射的线性变 换方法，利用像素标记法规定需要变换的区域。4. 如权利要求3所述一种提取刻划字符轮廓的方法，其特征是，多相图像变换为双相 图像的具体方法为， 高灰度值区域ΩΗ，其灰度均值和方差分别为叫和δ H;低灰度值区域Ω p其灰度均值 和方差分别为1?和δ 背景区域为Ω B，其灰度均值和方差分别为叫和δ B;图像u。的某一 像素 uji，j)的灰度值为h(i, j)，变换后的灰度值为h'（i, j)，灰度变换过程如下：如果 那么5. 如权利要求1所述一种提取刻划字符轮廓的方法，其特征是，所述步骤三中的活动 轮廓模型采用LCV模型。6. 如权利要求5所述一种提取刻划字符轮廓的方法，其特征是， LCV模型的能量泛函ElCT由全局项、局部项和规则化项构成其中E\ER和分别是全局项、局部项和规则化项，α和β是大于0的常数； 引入水平集函数后表示为：Dc#，u'。是双相字符图像，C表示光滑闭合的轮廓曲线，cdPcj别是演化曲线C 内部和外部的图像灰度均值；Φ (x，y)是水平集函数，H(z)和δ (z)分别是海氏函数H(z) 和狄拉克函数S (z)的正则化形式；gk是窗口大小为k的平均卷积算子，屯和^分别是卷 积后的图像与源图像的差值； 相应的水平集演化方程为：方程的解就是最终提取的轮廓。
【专利摘要】本发明公开了一种提取刻划字符轮廓的方法，包括进行光学字符图像的直方图分析，采用多相活动轮廓模型和双水平集方法获取字符的高灰度值区域和低灰度值区域；对获取的高灰度值区域和低灰度值区域分别进行局部直方图分析，根据它们的灰度分布及其对应关系，确定灰度变换系数，将多相图像变换为双相图像；使用能利用局部信息的活动轮廓模型，并采用单水平集方法提取双相图像的轮廓，作为刻划字符的轮廓。所提取的字符轮廓完整、准确，利用其结果可以方便地提取字符的特征。
【IPC分类】G06K9/20
【公开号】CN105279507
【申请号】CN201510632941
【发明人】许鸿奎, 曲怀敬, 韩晓
【申请人】山东建筑大学
【公开日】2016年1月27日
【申请日】2015年9月29日