專利名稱：分色處理再匯整結果的貨柜號碼自動辨識方法
技術領域：
本發(fā)明是關于一種分色處理再匯整結果的貨柜號碼自動辨識方法，特別是指一種針對貨柜彩色影像的R(紅)、G(綠)、B(藍)三種成分個別的灰階矩陣圖(Bitmap)分別做貨柜號碼自動辨識，再將R、G、B三種成分個別的貨柜號碼辨識結果予以匯整的貨柜號碼自動辨識方法。
背景技術：
現(xiàn)有的貨柜號碼辯識方法多是對R、G、B三種成分個別的灰階矩陣圖合并轉換成的整合灰階矩陣圖來做辨識。如此一來，辨識結果可能會有誤差。
由此可見，上述已有物品仍有諸多缺失，實非一良善的設計者，而極待加以改良。
本案發(fā)明人鑒于上述已有方式所衍生的各項缺點，乃亟思加以改良創(chuàng)新，并經多年苦心孤詣潛心研究后，終于成功研發(fā)完成本件分色處理再匯整結果的貨柜號碼自動辨識方法。
發(fā)明內容
本發(fā)明的目的即在于提供一種分色處理再匯整結果的貨柜號碼自動辨識方法，利用對貨柜彩色影像的R、G、B三種成分個別的灰階矩陣圖(Bitmap)分別做貨柜號碼自動辨識，再將R、G、B三種成分個別的貨柜號碼辨識結果予以匯整；一方面R、G、B三種成分個別的灰階矩陣圖中至少有一個較合并轉換成的整合灰階矩陣圖來得適合貨柜號碼辨識并可得到較佳的辨識結果；且由于不同的貨柜號碼顏色可能對應不同的貨柜號碼編碼規(guī)則，R、G、B三種成分個別灰階矩陣圖的貨柜號碼辨識結果可以利用各種貨柜號碼顏色的貨柜號碼編碼規(guī)則做為知識(Knowledge)來予以校正并匯整，以收到更好的貨柜號碼自動辨識最終結果。
可達成上述發(fā)明目的的分色處理再匯整結果的貨柜號碼自動辨識方法，主要是對貨柜彩色影像的R(紅)、G(綠)，B(藍)三種成分個別的灰階矩陣圖(Bitmap)分別做貨柜號碼自動辨識，再將R、G、B三種成分個別的貨柜號碼辨識結果予以匯整。若R成分灰階矩陣圖的貨柜號碼辨識結果為字串SR，G成分灰階矩陣圖的貨柜號碼辨識結果為字串SG，B成分灰階矩陣圖的貨柜號碼辨識結果為字串SB，且底色或字體顏色的R成分高于一定程度以上的貨柜號碼的編碼規(guī)則為CR、底色或字體顏色的G成分高于一定程度以上的貨柜號碼的編碼規(guī)則為CG、底色或字體顏色的B成分高于一定程度以上的貨柜號碼的編碼規(guī)則為CB，則可運用貨柜號碼的編碼規(guī)則CR來驗證辨識結果SR的正確性，并在CR的規(guī)則范圍內校正SR使成為SR’、運用貨柜號碼的編碼規(guī)則CG來驗證辨識結果SG的正確性并在CG的規(guī)則范圍內校正SG使成為SG’、運用貨柜號碼的編碼規(guī)則CB來驗證辨識結果SB的正確性并在CB的規(guī)則范圍內校正SB使成為SB’，SR’、SG’、SB’三者的可信性較高者即是貨柜號碼自動辨識最終結果。
圖1為本發(fā)明分色處理再匯整結果的貨柜號碼自動辨識方法的架構實施例圖。
具體實施例方式
請參閱以下有關本發(fā)明一較佳實施例的詳細說明及其附圖，將可進一步了解本發(fā)明的技術內容及其目的功效請參閱圖1，本發(fā)明所提供的分色處理再匯整結果的貨柜號碼自動辨識方法，主要包括有針對紅色成分灰階矩陣圖的貨柜號碼自動辨識模塊11、針對綠色成分灰階矩陣圖的貨柜號碼自動辨識模塊12、針對藍色成分灰階矩陣圖的貨柜號碼自動辨識模塊13、紅色成分高于一定程度以上的貨柜號碼的編碼規(guī)則庫21、綠色成分高于一定程度以上的貨柜號碼的編碼規(guī)則庫22、藍色成分高于一定程度以上的貨柜號碼的編碼規(guī)則庫23、針對紅色成分灰階矩陣圖校正貨柜號碼自動辨識結果并量計其可信性的模塊31、針對綠色成分灰階矩陣圖校正貨柜號碼自動辨識結果并量計其可信性的模塊32、針對藍色成分灰階矩陣圖校正貨柜號碼自動辨識結果并量計其可信性的模塊33、比較器4。紅色成分高于一定程度以上的貨柜號碼的編碼規(guī)則庫21收容底色或字體顏色的紅色成分高于一定程度以上(例如紅色、紫色、橘色、白色)的貨柜號碼的編碼規(guī)則、綠色成分高于一定程度以上的貨柜號碼的編碼規(guī)則庫22收容底色或字體顏色的綠色成分高于一定程度以上(例如綠色、白色)的貨柜號碼的編碼規(guī)則、藍色成分高于一定程度以上的貨柜號碼的編碼規(guī)則庫23收容底色或字體顏色的藍色成分高于一定程度以上(例如藍色、紫色、白色)的貨柜號碼的編碼規(guī)則；貨柜號碼自動辨識模塊11、貨柜號碼自動辨識模塊12與貨柜號碼自動辨識模塊13對貨柜彩色影像的紅色、綠色、藍色三種成分個別的灰階矩陣圖分別做貨柜號碼自動辨識，三者的辨識結果再由針對紅色成分灰階矩陣圖校正貨柜號碼自動辨識結果并量計其可信性的模塊31、針對綠色成分灰階矩陣圖校正貨柜號碼自動辨識結果并量計其可信性的模塊32、針對藍色成分灰階矩陣圖校正貨柜號碼自動辨識結果并量計其可信性的模塊33分別根據紅色成分高于一定程度以上的貨柜號碼的編碼規(guī)則庫21、綠色成分高于一定程度以上的貨柜號碼的編碼規(guī)則庫22、藍色成分高于一定程度以上的貨柜號碼的編碼規(guī)則庫23來校正貨柜號碼自動辨識的結果并量計辨識結果的可信性，三個貨柜號碼自動辨識校正結果的可信性經比較器4比較后較高者即是貨柜號碼自動辨識最終結果。
該貨柜號碼自動辨識方法是包含下列步驟步驟一將貨柜號碼的彩色影像處加以處理為紅色、綠色或藍色的各別的灰階矩陣圖；步驟二將紅色、綠色或藍色的各別的灰階矩陣圖送至針對紅色、綠色或藍色的貨柜號碼自動辨識模塊進行辨識；步驟三由針對紅色成份灰階矩陣圖的校正辨識結果及量計可信性模塊、針對綠色成份灰階矩陣圖的校正辨識結果及量計可信性模塊或針對藍色成份灰階矩陣圖的校正辨識結果及量計可信性模塊，分別依據紅色成分高于一定程度以上的編碼規(guī)則庫、綠色成分高于一定程度以上的編碼規(guī)則庫或藍色的成分高于一定程度以上的編碼規(guī)則庫，將分別針對紅色、綠色或藍色的貨柜號碼自動辨識模塊所產出的辨識結果加以校正，并量計其可信性；步驟四將該針對紅色成份灰階矩陣圖的校正辨識結果及量計可信性模塊、針對絲色成份灰階矩陣圖的校正辨識結果及量計可信性模組或針對藍色成份灰階矩陣圖的校正辨識結果及量計可信性模塊，所產出的可信性的結果送至比較器；步驟五經由比較器比較后，其可信性較高者為最終辨識的結果。
其中上述的步驟二可為將紅色、綠色及藍色的灰階矩陣圖送至同一個貨柜號碼自動辨識模塊進行辨識，并分別產出三者的辨識結果。
又上述的步驟三可為由同一灰階矩陣圖的校正辨識結果及量計可信性模塊，依據紅色成份高于一定程度以上的編碼規(guī)則庫、綠色成份高于一定程度以上的編碼規(guī)則庫或藍色成份高于一定程度以上的編碼規(guī)則庫，分別將三者的辨識結果加以校正，并量計三者的可信性。
本發(fā)明所提供的分色處理再匯整結果的貨柜號碼自動辨識方法，與前述引證案及其他已有技術相互比較時，更具有下列的優(yōu)點本發(fā)明提供一種分色處理再匯整結果的貨柜號碼自動辨識方法，利用對貨柜彩色影像的R、G，B三種成分個別的灰階矩陣圖(Bitmap)分別做貨柜號碼自動辨識，再將R、G、B三種成分個別的貨柜號碼辨識結果予以匯整；一方面R、G、B三種成分個別的灰階矩陣圖中至少有一個較合并轉換成的整合灰階矩陣圖來得適合貨柜號碼辨識并可得到較佳的辨識結果；且由于不同的貨柜號碼顏色可能對應不同的貨柜號碼編碼規(guī)則，R、G、B三種成分個別灰階矩陣圖的貨柜號碼辨識結果可以利用各種貨柜號碼顏色的貨柜號碼編碼規(guī)則做為知識(Knowledge)來予以校正并匯整，以收到更好的貨柜號碼自動辨識最終結果。
上列詳細說明是針對本發(fā)明的一可行實施例的具體說明，惟該實施例并非用以限制本發(fā)明的專利范圍，凡未脫離本發(fā)明技藝精神所為的等效實施或變更，均應包含于本案的專利范圍中。
權利要求
1.一種分色處理再匯整結果的貨柜號碼自動辨識方法，其特征在于，包括有步驟一將貨柜號碼的彩色影像處加以處理為紅色、綠色或藍色的各別的灰階矩陣圖；步驟二將紅色、綠色或藍色的各別的灰階矩陣圖送至針對紅色、綠色或藍色的貨柜號碼自動辨識模塊進行辨識；步驟三由針對紅色成份灰階矩陣圖的校正辨識結果及量計可信性模塊、針對綠色成份灰階矩陣圖的校正辨識結果及量計可信性模塊或針對藍色成份灰階矩陣圖的校正辨識結果及量計可信性模塊，分別依據紅色成分高于一定程度以上的編碼規(guī)則庫、綠色成分高于一定程度以上的編碼規(guī)則庫或藍色的成分高于一定程度以上的編碼規(guī)則庫，將分別針對紅色、綠色或藍色的貨柜號碼自動辨識模塊所產出的辨識結果加以校正，并量計其可信性；步驟四將該針對紅色成份灰階矩陣圖的校正辨識結果及量計可信性模塊、針對綠色成份灰階矩陣圖的校正辨識結果及量計可信性模塊或針對藍色成份灰階矩陣圖的校正辨識結果及量計可信性模塊，所產出的可信性的結果送至比較器；步驟五經由比較器比較后，其可信性較高者為最終辨識的結果。
2.如權利要求1所述的分色處理再匯整結果的貨柜號碼自動辨識方法，其特征在于，其中該步驟二可為將紅色、綠色及藍色的灰階矩陣圖送至同一個貨柜號碼自動辨識模塊進行辨識，并分別產出三者的辨識結果。
3.如權利要求1所述的分色處理再匯整結果的貨柜號碼自動辨識方法，其特征在于，其中該步驟三可為由同一灰階矩陣圖的校正辨識結果及量計可信性模塊，依據紅色成份高于一定程度以上的編碼規(guī)則庫，綠色成份高于一定程度以上的編碼規(guī)則庫或藍色成份高于一定程度以上的編碼規(guī)則庫，分別將三者的辨識結果加以校正，并量計三者的可信性。
全文摘要
一種分色處理再匯整結果的貨柜號碼自動辨識方法，主要是針對貨柜彩色影像的紅、綠、藍三種成分個別的灰階矩陣圖分別做貨柜號碼自動辨識，再將紅、綠、藍三種成分個別的貨柜號碼辨識結果予以匯整。由于紅、綠、藍三種成分個別的灰階矩陣圖合并轉換成整合灰階矩陣圖是為將紅、綠、藍三種成分以一定的比例加總而成(例如三種成分相加之后除以3)，因此紅、綠、藍三種成分個別的灰階矩陣圖中至少有一個(R或G或B)灰階矩陣圖的對比較合并轉換成的整合灰階矩陣圖的對比來得好，亦即紅、綠、藍三種成分個別的灰階矩陣圖中至少有一個較合并轉換成的整合灰階矩陣圖來得適合貨柜號碼辨識并可得到較佳的辨識結果。
文檔編號G06F17/16GK1549189SQ0312361
公開日2004年11月24日 申請日期2003年5月9日 優(yōu)先權日2003年5月9日
發(fā)明者吳坤榮, 柳恒崧, 藍元宗 申請人:中華電信股份有限公司