基于数字图像处理的煤气表字符识别的研究文献综述

文 献 综 述

摘要：随着计算机的发展，数学的发展（特别是离散数学理论的创立和完善）和广泛的农牧业、林业、环境、军事、工业以及医学等方面的应用需求的增长，图像处理技术也在迅速增长。图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。煤气表现在已广泛应用于人们的生活中，为使生活中使用煤气更加方便，有必要研究基于数字图像处理的煤气表字符识别技术。

关键字：煤气表； 图像处理；计算机技术；

一、研究背景

随着科学技术的进步和经济的发展，人民生活水平不断提高，各项生活设施变得越来越方便，其中西气东输战略给人们带来了极大的方便，现在，煤气慢慢取代煤炉等过去的能源，成为人们日常生活中必不可少的能源，由此加大了燃气表抄表和收费结算的工作量，煤气的使用监管问题也越来越突出。

目前，在城镇居民用气的绝大部分地方，煤气表的抄表方式与收费方式主要有三种[1]：一是传统的人工抄表方法，由抄表工作人员逐个到居民家中查看煤气表，记录煤气表的读数，在录入煤气表管理系统中。这种传统的方法在一定程度上需要很大的人力物力，而且每次抄表都要耗费很长的时间，这样会对煤气部门的经济效益造成很大的影响，同时也不符合智能小区的物业管理模式。随着煤气价格的不断变化，煤气表公司为了能够迅速出账，急需从用户煤气表中获取更多更准确的用气信息，如月平均煤气需求量、每个时间段的煤气需求量及负荷曲线等，人工抄表根本无法满足燃气公司的需求。第二个是IC卡预付费抄表方法，这种方法一度被认为是可以解决抄表难、减轻抄表人员的劳动强度、打到煤气快速收费的方法。但随着科学技术的迅速发展，IC卡在预付费抄表系统上存在很多的局限性，并且煤气表希望的整体技术水平也没有达到要求[3]，首先，它的实时性比较差，只有在用户购买煤气时才能给终端回传数据，并不能达到安全监测和监控的目的。其次，IC卡预付费在分时间段付费、安全可靠性等方面也存在缺陷。第三个是基于智能网络化的煤气计量及收费抄表系统[4]，它主要的研究思路是通过传感器技术将采集到的用气量通过GSM技术传输到终端管理系统，然后通过终端来分析用户的实际用气量和价格，这种方法跟前两种方法相比，虽然解决了原有抄表方法的劳动强度、终端管理不科学等问题，但是这种方法抄表方式是采用的干簧管传感器通过脉冲的方式进行煤气量的数据采集，这种用电磁信号进行流量监控的方法很容易受到噪音等其他因素的干扰，从而使测量结果不准确，所以说，这种抄表系统现在还不是很成熟，对于智能化小区的推广还不可以。

为了改变以上问题，科研人员正在积极探索和研究更有效的抄表方法，本课题的研究方向就是对煤气表的图像处理和字符识别。

二、国内外研究现状

对煤气表的图像处理主要涉及以下几个方面：图像滤波、图像增强、图像分割和字符识别。

首先是图像滤波，因为在现实中，我们得到的图像都是会有噪声的，对后续的处理和应用产生影响，因此，图像去噪成为本课题的首要任务。现在的图像去噪技术在长期的发展中，根据利用像素（变换域系数）信息的情况可以分为三种类型：第一种类型主要利用像素点态信息设计去噪算法；第二种类型主要利用像素的局部信息实施去噪；第三种类型则利用像素的非局部信息实施去噪。这三种去噪思想都要依靠一些基本的数学工具，通过长时期的理论研究和实践检验之后，目前的图像去噪工具主要有：小波理论、偏微分方程理论、统计模型理论等。

之后则是要进行图像增强，图像增强是指以满足特定需求为目的，突出图像的相关区域的信息，抑制或者去除其他区域的信息，针对不同的要求而异的图像分析识别与处理。通常在两个方面上实现图像增强，一是对比度拉伸处理，二是细节保持与再现[7]。图像增强技术按其变换处理所在的作用域不同而被分为空域方法和频域方法两大类，空域增强通常包含图像灰度级变换、图像直方变换、直方均衡以及使用模糊逻辑和基于优化的增强算法，如使用遗传算法和细菌觅食等算法进行优化处理以达到图像增强的目的。；基于频域的图像增强算法基础为卷积理论，该方法把图像视为波，然后再利用信号处理手段来处理图像。通过大量的实验研究发现，增强处理后的图像具有比原图像更加清晰的细节，常用的滤波方法有低通、高通、带阻及同态滤波等。而由于具体的应用目的不同，其图像实际增强处理所用到的方法和增强的内容有一定的差异，但图像增强处理的各目标和方法并不互相排斥，某些应用中需要同时联合几种方法来实现最好的增强效果。

图像分割是数字图像处理中的一个关键的分析技术，图像分割有着悠久的研究历史，一直是研究的热点和焦点问题，因为它是承接图像处理与图像分析中间的关键步骤，也是对图像进一步理解的基础。 现状图像分割是计算机视觉领域的主要问题，也是一个经典难题[13,14]，现有的图像分割算法大致可以分为以下几类：(1) 基于阈值的图像分割方法：阈值分割方法是最常见的图像处理方法；(2)基于边缘的图像分割方法边缘检测是基于边界的一大类图像分割方法，也是使用较普遍的一类方法，其基本思想是通过寻找图像中不同区域的边界，从而达到图像分割的目的；(3)基于区域的图像分割区域分割利用图像的局部空间信息，克服了其他方法存在的图像分割空间不连续的缺点；（4）分形图像分割方法，分形理论是非线性科学的前沿和重要分支，为描述事物的结构形态提供了一种极其简单的方法[16]；（5）模糊技术分割方法，由于实际处理图像的模糊性，而且模糊集理论对图像的不确定性有较好的描述能力[17]，不少学者在将模糊集理论引入到图像处理的研究中取得了显著成果；（6）蚁群算法的分割技术，蚁群算法[18]是一种仿生进化算法，是具有离散性、并行性、鲁棒性和模糊聚类能力的进化方法。

最后一个关键的技术就是字符识别，为了方便后续的处理，减少整个识别程序的运算量，需要将分割后的各个字符图想通过位置、尺寸等规范化后变成尺寸大小统一、分布均匀的字符图像，这叫做归一化处理，通常会采用线性变换的方法将各个数字图像归一化成17times;26像素大小的标准图像。考虑到程序复杂度和运算速度，利用数字轮廓结构特征和统计特征，选出局部特征，利用结构语句识别的方法进行数字的识别，能够准确识别出图像中的数字。

三、结语

随着科学技术的发展，人们希望能够通过科学技术来方便大家的生活，现在由于煤气的广泛使用，带来的监管问题是人们希望解决的问题，现在，国内外很多学者正在对图像处理进行深入研究，本课题研究对煤气表的字符识别，实现对表值数字字符的自动识别在煤气监管方面方便人们的工作，也使我们的生活更加智能化。

参考文献

[1]陈雪松.微功率无线集中抄表系统的开发与设计[D].硕士,解放军信息工程大学,2012.

[2]刘中合，王瑞雪，王锋德，马长青，刘贤喜.数字图像处理技术现状与展望[J].计算机时代,2005,(9),6-8.

[3]杜豫平.基于IC卡预付费煤气表设计[J].中国仪器仪表,2010,(6):63-64.[4]刘禾.数字图像处理及应用[M].北京:中国电力出版社,2005.

[4]成林.智能网络化燃气计量及收费系统设计[D].硕士,重庆大学,2014.

[5]翟磊,董守平,马红莲.数字图像处理技术的发展现状与展望.计算机技术与应用进展.合肥：中国科学技术出版社,2008.

[6]陈书海,傅录祥.实用数字图像处理[M].北京:科学出版社,2005.

[7] Y. B. Rao, L. T. Chen. A survey of video enhancement techniques[J]. International Journal on Electrical Engineering and Informatics, 2012, 3(1):71-99.

[8]陈廷标等.数字图像处理技术[M].北京:人民邮电出版社,1990.

[9]杨枝灵,王开.Visual C 数字图像获取、处理及实践应用[M].北京:人民邮电出版社,2003.

[10]J.J.Lee,M.Shinozuka.Real-Time Displacement Measurement of a Flexible Bridge Using Digital Image Processing Techniques[J].Experimental Mechanics,2006,46:105-114.

[11]Giovanni B.Broggiato,Francesca Campana,Luca Cortese.Identification of Material Damage Model Parameters:an Inverse Approach Using Digital Image Processing[J].Meccanica,2007,42:9-17.

[12]Chae-Hwa Shon,Won-Yong Chong.High Speed Terahertz Pulse Imaging in the Reflection Geometry and Image Quality Enhancement by Digital Image Processing[J].Int J Infrared Milli Waves,2008,29:79-88.

[13]Nikhi I R, Pal. A review on Image Segmentation Techniques [J]. Pattern Recognition, 1993, 26(9):1277-1291.

[14]陈敏.一种自动识别最优阈值的图像分割方法[J].计算机应用与软件, 2006, 23(4):85-86.

[15]阮秋琦，袁保宗.计算机听视觉信息处理的现状及发展[J].电信科学,1993,9(4):23-30

[16]蒋爱平,杨悦华,杨兴全. 基于多重加权法的多重分形图像分割研究[J].中国图象图形学报,2007,12(10):1889-1892.

[17]张鹏程,刘若钧,张记龙等.基于模糊集和Otsu 理论的PCB 图像分割算法[J].中北大学学报:自然科学版, 2009, 30(4):386-389.

[18]Marco Dorigo, Gianni Di Caro, Luca M Gambardella. Ant Algorithms for Discrete Optimization[C]. In: Proceedings of the Congress on Evolutionary Computation, http://citeseer.nj.nec.com/cachedpage/420280,1999.

[19] 张玮雄; 刘建霞. 数字图像处理技术的发展现状及趋势[J]. 科学之友,2012（03）.

[20] 张彩霞. 数字图像处理技术的发展现状及发展趋势研究[J]. 计算机光盘软件与应用,2014,(06).

[21] 孙玉兰. 数字图像处理技术的应用现状与发展研究[J]. 电脑知识与技术,2014,(09).

[22]张小波. 基于维纳滤波的图像去噪算法研究[D].博士,西安电子科技大学,2014.

[23]李艳梅. 图像增强的相关技术及应用研究[D].博士,电子科技大学,2013.

[24]徐琳俊. 数字图像分割算法研究[D].硕士,江苏科技大学,2011.

[25]陈学保. 车牌子符识别算法的研究[D].硕士,重庆大学,2013.

[26]李发传. 燃气表读数的数字图像识别研究[D].重庆大学,2015.