基于meanshift算法的文字分割及应用
2014-11-22杨富元周晓东
杨富元,周晓东
(长春工业大学 机械工程学院,长春 130012)
0 引言
在工业生产一次性血袋时,把一种特殊纸带上的材料通过热转印技术,转印到血袋表面上,在血袋表面留下一串字符,纸带上材料因为热转印到血袋上形成镂空的字符串。该字符串的唯一性、正确性决定一次性血袋能否正常使用。因此,血袋上字符串成为不可缺少的检测信息。而对字符串的分割是字符串自动识别的重要组成部分。在文字识别的领域中,有很多的文字分割方法,如基于边缘的方法[1],基于颜色聚类的方法[2],基于纹理的方法[3],基于直方图的方法[4],对于不同场合应用,各有优缺点。从Fukunaga 等在1975 年提出mean shift 方法,到1995 年Yizong Cheng[5]对mean shift 定义了核函数及权重函数,拓宽了mean shift 的应用范围,到Comaniciu 等[6]把跟踪问题近似为Mean Shift 最优化问题,利用mean shift 可以进行跟踪。而针对视频流中连续字符的分割,mean shift 具有很好的鲁棒性及运算较快的特点。应用改进的mean shift 跟踪算法可对纸带上的字符串进行较高效、准确的文字分割。
1 Mean shift 基本原理
设在d 维空间Rd 中,存在n 个样本点xi,i=1,2,…,n,在x 点的Mean Shift 向量的基本形式定义为:

其中,Sh是满足以下关系的y 点的集合,h为该区域半径,k 代表Sh区域中的样本点xi的数量。
式(1)中的(xi-x),可以看成Sh区域中任意点xi到点x 的偏移向量,而向量Mh(x)就是对在Sh区域中的k 个样本点的到点x 的偏移向量求和后再平均。该向量就是指向Sh区域内的概率密度增加最大的方向,也就是说mean shift 向量指向概率密度梯度方向。
2 目标模型的描述
我们要对印有血袋编码……
