基于计算机视觉的智能抄表系统中的关键技术讨论目前电力管理部门人工抄表系统存在诸多问题,需要一种智能抄表模式来代替人工抄表。本文重点讨论抄表系统中的电表读数识别算法,主要讨论内容和创新成果如下:首先,提出采纳颜色空间投影的方法对电表读数区域进行粗定位;采纳 Hough 变换检测出电表读数的外边框,求得倾斜角度对图像进行旋转;然后针对光照造成的图像灰度不均匀,经典的 Ostu 和 Bernson 算法不能很好的提取目标的问题,采纳了基于大津法的图像分块二值化方法,该方法能很好的分割目标和背景;最后,采纳基于直方图投影的方法对读数区域进行精确定位。其次,在讨论基于投影法和基于连续子集的迭代分割算法的基础上,提出改进的分割算法;该方法可以正确的分割严重粘连和断裂的字符,解决了基于投影法和基于连续子集的迭代分割算法只能分割质量较好的字符图像的问题。最后,针对模板匹配法和滑动模板匹配方法不能很好的识别质量较差的字符图像的问题,本文采纳了基于 BP 神经网络的字符识别算法。实验证明基于 BP 网络的识别方法要明显优于模板匹配法和滑动模板匹配法,尤其在处理质量较差的图像时,表现出很强的识别半字和遮挡字的能力。清楚图像的整体识别率能达到 98.8%,质量差的图像的识别率也能达到 93.3%,达到实际应用水平。
