面向集装箱字符识别的预处理算法
基于模板匹配和特征匹配的集装箱箱号识别算法
基于模板匹配和特征匹配的集装箱箱号识别算法集装箱箱号识别算法是一种常见的计算机视觉应用，可用于实现集装箱自动识别和跟踪。
对于箱号识别算法，一般可以采用模板匹配和特征匹配两种方法。
模板匹配是指通过将一个已知的模板图像和待匹配的图像进行相似度比较，从而识别出待匹配图像中的相似部分。
在集装箱箱号识别中，首先需要将集装箱图片进行预处理，去除冗余信息（如文字、图案等），然后提取出箱号区域。
在提取出箱号区域后，以一个已知的箱号图像作为模板，将其和待匹配的箱号区域进行相似度比较。
具体实现步骤如下：1. 预处理集装箱图片，去除冗余信息：该步骤可以采用图像分割和滤波等图像处理方法，去除图片中不属于箱子区域和箱号区域的信息。
对于集装箱的图案、条形码等冗余信息，也可以通过一些预处理技术去除。
2. 提取出箱号区域：该步骤可以采用边缘检测和形态学转换等图像处理方法，将箱子区域和箱号区域分离开来。
对于分割不完整的区域，可以采用连通性分析等技术进一步处理，使得提取出的区域更加准确。
3. 选取已知的箱号图片作为模板：在进行模板匹配之前，需要先选取一张已知的箱号图片作为模板。
模板的选取需要考虑到不同型号的集装箱箱号存在差异，需要选取能够代表该型号箱号特征的模板作为参考。
4. 模板匹配：以已知的箱号图片作为模板，将其和待匹配的箱号区域进行相似度比较。
相似度比较可以采用均方误差、相关系数等方法进行计算，得到待匹配箱号和模板的相似度值。
相似度值高于一定阈值，则判定为箱号匹配成功，否则匹配失败。
特征匹配是指通过提取图像的特征点，利用这些特征点的位置和特征值进行图像匹配。
对于集装箱箱号识别，常常采用SIFT或SURF等特征点算法进行特征提取和匹配。
具体实现步骤如下：1. 预处理集装箱图片，去除冗余信息：该步骤同样需要采用图像分割和滤波等方法，去除冗余的信息。
对于图案、条形码等冗余信息，也需要进行预处理。
2. 特征点提取：采用SIFT或SURF等算法，提取出集装箱图片中的特征点及其特征值。
集装箱号识别设计方案
集装箱号识别设计方案集装箱号码识别是一种对运输中集装箱的编号进行自动化识别的技术。
它通过图像识别技术和人工智能算法，实现对集装箱号码的快速识别，提高信息采集的效率。
以下是一个针对集装箱号码识别的设计方案。
1. 数据采集：首先需要在各个场景中采集集装箱号码的训练样本。
可以通过在港口、货运站等位置设置图像采集设备，利用高清摄像机对集装箱进行拍摄，记录集装箱号码图像。
同时，还可以与物流公司合作，从他们的信息系统中获取一些已有的集装箱图像数据。
2. 数据预处理：对采集到的集装箱号码图像进行预处理，主要包括图像去噪、图像增强和图像分割等操作。
去噪可以使用一些滤波算法，如中值滤波、高斯滤波等；增强可以使用直方图均衡化等算法；分割可以采用基于边缘检测的方法，将集装箱号码与背景分割开。
3. 特征提取：在数据预处理之后，需要对集装箱号码图像提取特征。
可以使用传统的图像特征提取方法，如灰度特征、纹理特征、形状特征等。
也可以采用深度学习技术，使用卷积神经网络（CNN）进行端到端的特征提取和分类。
4. 模型训练：利用预处理和特征提取得到的图像特征，可以使用机器学习算法或深度学习算法进行模型训练。
可以选择传统的机器学习算法，如支持向量机（SVM）、k近邻（KNN）、随机森林（RF）等；也可以选择深度学习算法，如卷积神经网络、循环神经网络（RNN）等。
通过对训练样本的标注和模型的迭代优化，得到一个准确率较高的集装箱号码识别模型。
5. 模型评估：对训练好的模型进行测试和评估，可以使用一些评价指标，如准确率、召回率、精确度等。
可以将识别结果与人工标注结果进行比对，评估模型的泛化能力和稳定性。
6. 系统集成：将训练好的模型部署到实际的集装箱号码识别系统中。
可以通过调用模型进行在线识别，也可以将模型集成到物流信息系统中，实现自动化的集装箱号码识别和信息采集。
总之，集装箱号码识别是一个涉及到图像处理、特征提取、机器学习和深度学习等多个领域的技术。
基于模板匹配和特征匹配的集装箱箱号识别算法
基于模板匹配和特征匹配的集装箱箱号识别算法
集装箱号是用来标识货物运输、管理和追踪的重要信息，对其准确识别具有重要意义。
本文提出了一种基于模板匹配和特征匹配的集装箱箱号识别算法，能够在复杂的环境下实
现高精度的集装箱号识别。
该算法的主要流程如下：
1. 数据预处理：首先对输入图像进行预处理，包括图像去噪、灰度化和二值化。
去
噪操作可以采用中值滤波器或高斯滤波器，灰度化操作将彩色图像转化为灰度图像，二值
化操作将灰度图像转化为二值图像。
2. 区域提取：在预处理之后，可以通过边缘检测、非极大值抑制等方法提取出集装
箱号区域。
边缘检测可以使用经典的方法如Canny算子或Sobel算子，非极大值抑制可以
用于提取边缘的精确位置。
3. 特征提取：在得到集装箱号区域之后，可以提取出该区域的特征。
常用的特征包
括颜色、纹理和形状等。
颜色特征可以通过对区域像素值进行统计得到，纹理特征可以使
用统计方法如LBP和HOG，形状特征可以利用边缘信息。
4. 模板匹配：利用已知的集装箱号模板库，对提取到的特征进行匹配。
模板匹配可
以使用相关性匹配、欧氏距离匹配等方法。
在匹配过程中，可以设置合适的阈值来判定匹
配结果的准确性。
5. 结果输出：根据模板匹配的结果，输出最终的集装箱号识别结果。
该算法通过模板匹配和特征匹配相结合的方法，能够在复杂的环境下实现高精度的集
装箱号识别。
通过对模板库的更新和优化，还可以提高算法的鲁棒性和识别率。
该算法具
有广泛的应用前景，在物流、仓储等领域中具有很高的实用价值。
集装箱箱号校验计算 python
集装箱箱号校验计算 python箱号校验计算是用于验证集装箱号（Container Number）的合法性的一种算法。
集装箱号是一串由4个字母和7个数字组成的字符，例如ABCD1234567。
校验计算的目的是确定集装箱号是否正确，以避免输入错误的集装箱号。
下面是一个使用Python编写的集装箱号校验算法的示例：```pythondef validate_container_number(container_number):if len(container_number) != 11:return Falseletters = container_number[:4]numbers = container_number[4:]if not letters.isalpha() or not numbers.isdigit():return Falseletters_sum = sum(ord(letter) for letter in letters) - 4 * ord('A') + 10numbers_sum = sum(int(number) for number in numbers[:6]) return letters_sum % 11 == numbers_sum % 10container_number = input("请输入集装箱号：")if validate_container_number(container_number):print("集装箱号是有效的。
")else:print("集装箱号是无效的。
")```上述代码中的`validate_container_number`函数通过以下步骤来校验集装箱号：1. 检查集装箱号字符串的长度是否为11，如果不是则返回False。
2. 将集装箱号的前4个字符作为字母部分，后7个字符作为数字部分。
基于SVM分类器的集装箱箱号识别法
基于SVM分类器的集装箱箱号识别算法摘要：集装箱箱号识别系统能节约通关、报关时间，提高港口码头管理效率，有着广阔的研究和应用前景。
本文通过提取箱号字符的边界、质心特征、改进的灰度直方图特征和边缘方向直方图特征，将这些特征进行组合形成特征向量并进行降维和归一化处理，最后利用SVM分类函数把处理过的特征向量进行分类并识别。
文中采用了大量的箱号图片进行实验，并逐个统计了各种特征的识别率。
实验结果表明，平均识别正确率可以达到0.95，高于使用单一特征的识别结果、简单的模板匹配算法以及特征加权（八邻域）模板匹配算法,具有一定的应用价值。
关键词：支持向量机；质心特征；改进的灰度直方图特征；边缘方向直方图特征；中图分类号：TP391.41 文献标识码：AThe Algorithm of Container Code Recognition Based on SVMClassificationAbstract：In order to improve the management efficiency of containers, the technology of the recognition of container code characters becomes more and more important. In this paper, it uses many character features that include the boundaries, the centre of mass, improved gray histogram and edge orientation histogram .These character features input to classification function of Support Vector Machine to recognize the input characters. It uses a large number of images of container code in the experiment, and then calculates the recognition rate. The results show that the average recognition rate is 0.95 which is higher than a single feature、simple template matching algorithm and Weighted feature (8 - neighborhood) template matching algorithm.Key words：SVM；the centre of mass；improved gray histogram ；edge orientation histogram0引言在集装箱码头、海关关口、货场等场所均需要对进出的集装箱进行检测。
集装箱箱号识别的方法
集装箱箱号识别的方法全文共四篇示例，供读者参考第一篇示例：集装箱箱号是海上运输中十分重要的标识符，通过箱号可以方便快捷地追踪集装箱的位置和货物的运输情况。
由于集装箱箱号通常由11位字母和数字组成，且长度短，因此识别起来并不容易。
在传统的人工识别方式下，需要耗费大量的时间和精力，效率低下。
研究如何利用计算机技术和人工智能来提高集装箱箱号识别的准确度和效率，具有重要的意义。
目前，针对集装箱箱号识别的方法主要有以下几种：一、基于深度学习的方法深度学习是目前人工智能领域的热门技术，具有较强的模式识别能力。
可以利用深度学习模型，如卷积神经网络（CNN）和循环神经网络（RNN），对集装箱箱号进行识别。
通过数据预处理和特征提取，将集装箱箱号转换成适合输入深度学习模型的数据格式，然后训练模型并进行预测，最终实现准确的箱号识别。
二、基于光学字符识别（OCR）的方法光学字符识别是一种将文档或图像中的文本转换为可编辑文本的技术。
可以将集装箱箱号的图像输入到OCR系统中，实现自动识别。
通过训练OCR模型，可以提高箱号识别的准确度。
值得注意的是，由于集装箱箱号的特殊性，要求OCR系统具有较高的适应性和泛化能力。
三、基于模板匹配的方法模板匹配是一种常用的图像处理技术，通过比较图像中的模板与目标图像的相似度，实现目标识别。
可以通过构建集装箱箱号的模板，对箱号进行匹配和识别。
该方法简单易行，但对箱号的旋转、变形等情况较为敏感，需要进一步优化和改进。
四、基于规则的方法基于规则的方法是指利用已知的规则和特征对集装箱箱号进行识别。
可以通过箱号的特定结构和格式，设计相应的规则和算法来实现识别。
该方法适用于箱号较为规范和统一的情况下，但对于格式多样的箱号存在一定的局限性。
针对集装箱箱号识别的方法有多种选择，每种方法都有自己的优缺点和应用场景。
在实际应用中，可以根据具体情况选择合适的方法或结合多种方法进行提高识别效果。
未来随着人工智能技术的不断发展，相信集装箱箱号识别的准确度和效率会不断提升，为海上货运行业带来更多便利和效益。
基于模板匹配和特征匹配的集装箱箱号识别算法
基于模板匹配和特征匹配的集装箱箱号识别算法随着全球贸易的不断发展，集装箱运输成为了货物运输的主要方式。
在集装箱运输中，准确地识别集装箱的箱号对于货物的跟踪和管理至关重要。
传统的人工识别方式存在效率低、精度不高等问题，因此需要借助计算机视觉技术对集装箱箱号进行自动识别。
本文将介绍一种基于模板匹配和特征匹配的集装箱箱号识别算法，该算法在实际应用中具有较高的准确性和效率。
一、模板匹配算法模板匹配是一种常见的图像识别方法，其基本思想是通过计算目标图像与预先定义的模板图像之间的相似度来实现目标的识别。
在集装箱箱号识别中，我们可以将每个数字或字母视作一个模板，并将其与目标图像进行匹配。
具体实现时，我们首先需要建立一个包含各个数字和字母的模板库，然后将目标图像分割成若干个小区域，对每个小区域进行模板匹配，计算其与模板库中各个模板的相似度，最终选取相似度最高的模板作为该区域的识别结果。
通过对所有小区域进行模板匹配，最终可以得到整个箱号的识别结果。
模板匹配算法的优点是简单易实现，且对图像的光照、噪声等干扰相对较小。
但是在实际应用中，由于集装箱箱号的图像存在多种字体、大小和变形等情况，单一的模板匹配方法可能无法满足需求。
我们需要结合特征匹配算法进行集装箱箱号识别。
特征匹配算法的优点是对图像的旋转、尺度变化等干扰能够有较好的鲁棒性，且适用于多种不同字体和大小的箱号识别。
特征匹配算法也存在一些缺点，如对图像的噪声、光照等干扰较为敏感，且提取特征点和模板匹配的计算量较大。
具体实现时，我们可以首先使用模板匹配算法对目标图像进行初步识别，然后对识别结果进行特征匹配，从而得到更加准确的识别结果。
在模板匹配阶段，我们可以结合模板的参数优化和图像预处理技术，例如灰度拉伸、直方图均衡化等，来提高模板匹配的准确性。
在特征匹配阶段，我们可以通过提取更加稳定的特征点，如SIFT、SURF等，来提高特征匹配的鲁棒性。
通过结合模板匹配和特征匹配算法，我们可以在保证准确性的同时提高识别效率，从而满足实际应用中对集装箱箱号识别的需求。
基于模板匹配和特征匹配的集装箱箱号识别算法
DOI： 10． 13340 / j． jsmu． 2019． 01． 011
上海海事大学学报 Journal of Shanghai Maritime University
Vol． 40 No． 1 Mar． 2019
文章编号： 1672 － 9498（ 2019） 01-0065-06
http ： / / www． smujournal． cn
Hale Waihona Puke hyxb@ shmtu． edu． cn
66
上海海事大学学报
第 40 卷
0引言
集装箱是主 要 的 物 流 装 备，“十 三 五 ”期 间，上 海港的集装箱年吞吐量预计达到 4 200 万 TEU 左 右。集装箱箱号是集装箱的唯一标识，实现对集装 箱箱号的正确识别是提高集装箱管理效率的有效途 径。识别集装箱箱号的传统手工方法有很多缺点， 如速度慢、错误率高等，因此国内外学者在对箱号识 别方面做 了 很 多 研 究。 宓 超 等［1］ 提 出 了 基 于 模 板 匹配的集装箱箱号识别方法，该方法对集装箱箱号 的识别率高，但当箱号噪声较大时，箱号识别会发生 错误； 胡 婷［2］ 提 出 了 基 于 人 工 神 经 网 络 （ artificial neural networks，ANNs） 的集装箱箱号识别方法，该 方法对箱号的识别率高，但训练时间长，需要进行大 量试验； 安博文等［3］提出了基于支持向量机 （ support vector machine，SVM） 分类器的集装箱箱号识别 方法，此方法虽然稳定性较好，对箱号的识别率高， 但是需要大量的训练样本。本文提出一种基于模板 匹配和特征匹配的集装箱箱号识别方法。该方法通 过采集的集装箱图像建立字符模板库和相似字符的 特征模板库，在对箱号进行识别时，首先对箱号进行 模板匹配，再对模板匹配得到的相似字符进行特征 匹配，最终得到箱号识别结果。本文提出的识别方 法选取相似字符之间差异较大的特征作为特征模板 库的特征向量，能够避免模板匹配对相似字符的误 识别； 同时模板匹配不像 SVM 方法那样需要大量的 训练样本，也不像神经网络方法那样需要大量的训 练时间，可提高识别的效率。
基于模板匹配和特征匹配的集装箱箱号识别算法
基于模板匹配和特征匹配的集装箱箱号识别算法随着国际贸易的不断发展，集装箱运输成为了现代化物流系统中不可或缺的一部分。
而集装箱的管理和追踪涉及到许多问题，其中之一便是集装箱箱号的自动识别。
本文介绍了一种基于模板匹配和特征匹配的集装箱箱号识别算法。
模板匹配是一种常见的图像处理技术，它可以在图像中寻找与给定模板相匹配的区域。
在集装箱箱号识别中，我们可以事先准备一系列标准的箱号模板，然后将待识别的图像与这些模板进行匹配。
匹配过程中，可以使用各种相似度度量方法，如相关系数、相似性指数等。
针对集装箱箱号识别的应用场景，我们可以结合模板匹配和特征匹配两种算法，使其具备更为灵活的适应性。
例如，在一段时间内，由于光照、拍摄距离等因素的影响，某个箱号的特征可能稍有变化，而此时模板匹配就可能产生误判。
而特征匹配则可以更好地克服这些问题。
具体的实现过程可以分为以下几步：1. 图像预处理：对于待识别的图像，需要进行图像去噪、图像增强、二值化等预处理工作，以便更好地提取出箱号特征。
2. 特征提取：从预处理后的图像中提取出箱号特征，例如字符轮廓、字符密度、字符间距等。
这些特征可以通过边缘检测、形态学滤波、连通域分析等技术提取出来。
3. 特征匹配：将提取出来的特征与预先准备好的特征库进行匹配，找到与之最为相似的箱号。
4. 箱号识别：根据匹配结果，识别出箱号。
需要注意的是，集装箱箱号涉及到字符的识别，其难度并不低。
针对字符识别方面，可以采用深度学习、传统图像处理算法等各种技术手段，具体需要根据应用场景和需求进行综合考虑。
综上所述，基于模板匹配和特征匹配的集装箱箱号识别算法可以在一定程度上帮助我们实现对集装箱的自动化管理和追踪。
在具体的应用中，我们需要根据不同的场景和需求，选择合适的算法和技术手段，以获得更好的识别效果和可靠性。
基于模板匹配和特征匹配的集装箱箱号识别算法
基于模板匹配和特征匹配的集装箱箱号识别算法
随着物流业的发展，集装箱运输越来越成为货运的主流方式之一。
在集装箱运输中，
集装箱箱号是集装箱管理的关键信息之一，也是集装箱识别的重要指标之一。
因此，对集
装箱箱号的高效识别是物流业发展的必然趋势之一。
本文基于模板匹配和特征匹配的算法提出一种高效的集装箱箱号识别算法。
该算法通
过集装箱箱号的特征提取和匹配实现对集装箱的自动识别。
首先，对集装箱箱号进行区域定位和字符分割。
通过图像处理和字符分割算法，将集
装箱箱号从图像中提取出来，以便后续的特征提取和匹配。
接下来，对提取出来的集装箱箱号进行特征提取。
在特征提取过程中，首先将集装箱
箱号进行预处理，去除噪声和干扰。
然后采用HOG算法对字符图像进行特征提取，得到字
符的特征描述符。
同时，对整个集装箱箱号进行SHA1哈希处理，得到集装箱箱号的特征码。
最后，对提取出来的特征进行匹配。
在匹配过程中，采用模板匹配和特征匹配相结合
的方式。
具体来说，将提取出来的特征码与预先生成的模板库中的特征码进行匹配，得到
最优的匹配结果。
同时，采用SVM等机器学习算法优化匹配结果，提高识别精度和准确
率。
综上所述，基于模板匹配和特征匹配的集装箱箱号识别算法是一种高效、精确的算法。
该算法具有识别速度快、准确率高等优点，可以满足集装箱识别的实时性和精确性要求。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｋｅ ｏｄ ：ｏｔｉ ｒ ｏ ｅｒｃｇ ｉｏ ； ＇ｇ ｉ ｒ；ｈｒｃｅ ｇ ｎａｉｎ ｅ ｅｖｌｅｐｏｅｔ ｎ ｙｗ ｒｓｃｎａ ｅ ｄ ｅｏｎｔ ｎ ｉｌ ｅｂ ａｙ ｃａａｔｒ ｅｍｅｔｔ ；ｉｎ ａｕ ；ｒ ｅｉ ｎ ｃ ｉ ｎａ ｎ ｓ ｏ ｇ ｊ ｏ
ｏ ｅａｏ ｓ ｔ ｅ ｎ ｉ，ｈ ｎ ｐ ｅｅ ｔ ｌｏ ｔｍ ｆｉ ｓ ｅｂｎ ｒ ｗｈｃ ｍｂｉｅ ｈ ｉ ｌ ｔａｉｔ ｔ ｏ 、 ｈ Ｐｒｗｉ ｇ ｅｅ — ｐ ｒｔｒ ．３ ｄＯ ｔｔ ｅ ｒｓｎｓａ ａｇ ｒ ｈ ｏ ｇ ｉａｙ， ｉｈ ｃ ￣ ｎ ｉ ｍ ｏ ｎ ｔｅｓｍｐｅｓｓ ｔ ｉ ｍｅｈ ｓ ｓｃ ｄ 七 ｅ ｔ ｅ ｅ ｄ ｔｃ ｔｄ
Ｏ 引 言
集装 箱箱号是集装 箱 全球唯一 识别标识 ， 当于 相 集装箱的身份证 号码 。通过对 箱号 的识别 ， 了解集 来 装箱的所 有信 息 ， 大 方便 了对集 装 箱运 输 的管理 。 极 集装箱箱号识别 系统可用 于海关物 流监控 系统、 运输 行业集装箱 管理 系统 港务局集 装箱管 理系统 、 加工 区
行预处理方法 ， 了箱号 图像 预处理 算法 中二值 化 研究 算法和 阈值算法 ， 提出箱号字符分割方法。 并
１ 字符 图像增强
１ １ 背景消除 ．
供给上层管理系统 ， 以实现无人 职守 的电子化通关 ， 可 促进码头 、 堆场或货运运输操作 自动化 的进程 。 箱号字符涂刷的颜色 有 白色或黑色 ， 而背景色 多 样 。由于集装箱工作环境 复杂 ， 集装 箱箱 体表面常 有 灰尘 、 油污等污染 ， 集 的原 始 图像光照条 件不 同， 采 这
运用 简单统 计法结 合 Ｐｅ ｉ 边缘 检测算 子 的方 法对具 有 复杂 背 景 的集 装箱 箱 号 图像 二值 化 ， ｒｗｔ ｔ 使用 基 于特 征 值 公式 的集 装箱 箱号字 符分 割方法 准确 分割字符 。试验 结果表 明 ， 法较 好完成 对集 装箱箱 号原始 图像 的预处 理。 此方 关键 词 ： 箱箱号 识别 ； 二值化 ； 集装 图像 字符分 割 ； 征值 ； 影法 特 投
Ｐ ＡＮＧ ｎ， Ｎ Ｂ － ｎ， ｎ Ｒａ Ａ ｏ ｗｅ ＬＩＤａ
（ ｃｏｌ ｆ ｎｏｍａｉ ｎ ．Ｓ ａｇ ａ ＭａｉｍｅＵｎｖｒｉ ，ｈｎ ｈ ｉ ０ １ ５ Ｃ ｉａ Ｓｈ ｏ ｏ ｆ ｔ ｎＥ ｇ ，ｈｎ ｈｉ ｒｉ ｉｅ ｔ Ｓ ａｇ ａ ２０ ３ ，ｈｎ ） Ｉ ｒ ｏ ｔ ｓｙ
庞 然， 安博 文 ， 李 丹
（ 海海事 大学 信 息 工程 学院 ， 海 ２０ ３ ） 上 上 ０ １５
摘 要： 由于光照 ， 污 ， 油 采集 图像受 天气 影 响等原 因 ， 装箱箱 号 图像背景 复 杂 ， 使集 给分割 识别 带来 困难 。为解 决这 些 问
题， 主要研究 集装 箱箱 号图像 预处理 算法 。根据原始 图像 特 点 ， 利 用形 态 学腐 蚀 运算 、 胀 运算 滤 除噪声 ， 此基 础 上 先 膨 在
第 ２ 卷．第 】 期 ０： ２ ２１年 ｌ ００ ２月
计 算 机 技 术 与 发 展
Ｃ ＯＮＰ ＵＴＥＲ Ｐ ＴＥＣＨＮＯＩ ＧＹ ￣ ＡＮＤ ＤＥＶＥＩ ） Ｍ ＥＮＴ ＡＰ
ＶＯ ． ０ Ｎｏ １ １２ ．２ Ｄｅ ． ２ １ ｃ ０ ０
面 向集 装 箱 字符 识 别 的预 处 理 算 法
监管系统 等。当集装箱 通过 闸 口时不需 停车 ， 速准 快 确地识别 和记 录集装箱 的箱号、 箱型 ， 通过通用接 口提
些 因素使得拍摄的图像质量较差 ， 影ቤተ መጻሕፍቲ ባይዱ后续分割 、 别 识
准确率 。为提高箱号 字符识别 率 ， 需要 一个好 的预处
理算法对原始图像进行处理 。文中给出对原始 图像进
ｔ ｎ ａｄｉｔ ｄｃｓ ｉ ， ｏ ｎ ｎｒ ｕｅ ｏ ａｍｅｈ ｄｆｒｃｎａ ｅ ｏ ｅ ｇ ｎ ｔ ｎｂｓｄｏ ｉｅｖｌｅａｄｐｏ ｃｉ ． ｏｄｒ ｕｔ ｆ ｒ ｒｃｓ ｉｏ ｔｉｅ ｔｏ ｏ ｏ ｔｉ ｒｃｄ ｓ ｍｅｔ ｉ ａｅ ｎｅ ｎ ａ ｎ ｒｊ ｔ ｎ Ａ ｇｏ ｅ ｌ ｏ ｐｅ ｏｅｓｓ ｂａ ｄ ｎ ｅ ａ ｏ ｇ ｕ ｅ ｏ ｓ ｐ ｎ
ｎｚｄ． ｅａｍ ｈｓｓｕ ｙｉ ｏ ｄｃｅ ｓ ｈ ｎ ｕ ｎ ｅｏ ｈ ｏｓ ｎ ｅ ｍｅ ｔｃ ａａｔｒ ｃ ｕａｅｙ． ｉ ａｔｃｅｉｔｏ ｕ ｅ ｈ ｌｏ ｉｅ Ｔｈ ｉ ｏｆｔｉ ｔｄ ｔ ｅ ｒａｅ ｔｅｉｆ ｅ ｃ ｆｔｅｎ ｉｅａ ｄ ｓｇ ｎ ｈ ｒｃｅｓａｃ ｒ ｔｌ Ｔｈｓ ｒｉｌ ｎ ｒｄ ｃｓｔ ｅａｇ － ｓ ｌ ｒｔｍ ｆ ｏ ｔｉｅ ｇ ｓｐｅ ｒ ｃｓｉｇ． ｃ ｒ ｉｇｔ ｈ ｒｃｅ ｓｉ ｆ ｎａｎ ｒｃ ｄ ，ｈｅｉ ｇ ｉｅ ｅ ｙｍａｈ ｍ ａｉａ ｒ ｈ ｌｇｉａ ｉ ｈ ｏ ｎ ａｎ ｒｉ ｃ ｍａ ｅ ｒ ｐｏ ｅｓｎ Ａｃ ｄｎ ｏｃ ａａ ｔｒ ｔｃ ｏ ｔｉｅ ｏ ｅ ｔ ｏ ｉ ｓ ｃ ｏ ｍａ ｅｉ ｆｌ ｒｄｂ ｔｅ ｔ ｌｍｏ ｐ ｏｏ ｃ ｌ ｓ ｔ ｃ
中 图分类号 ：Ｐ ９ Ｔ ３１ 文献标识 码 ： Ａ 文章 编号 ： ７ — ２ ｘ ２ １）２ ０ ２ —０ １ ３ ６９ （Ｏ０ １ — ０ １ ３ ６
Ａ ｅ ｒ ｃ ｓ ｇ ｒ ｔ Ｐｒ ｐ ｏ ｅ ｓＡｌ ｏ ｉｈｍ ｏ ｎｔ ｉ ｒ Ｃｏ ｅ Ｒｅ ｏ ｎｉｉ ｎ Ｓ ｓ ｅ ｆ ｒ Ｃｏ ａ ｎｅ ｄ ｃ ｇ ｔｏ ｙ ｔ ｍ
Ａｂｔａ ｔＷ ｉｈｃ ｍｐｅ ａ ｋ ａ ｕ ｄ，ｈ ｎ ｅｂｅｌ ｈ ｉｇ ａ ｄｖ ｒｅｙｏ ｎｅ ｆｒｎ ｅｏ ｔｅｉ ｇｅ ｔｅｃ ｎａｎ ｒｃ ｄ ａｌｈ ｒ ｌ ｅｒｃ ｇ ｓｒ ｃ ： ｔ ｏ ｌｘｂ ｃｇｒｏ ｎ ｃ ａ ｇａ ｌ ｉ ｔｎ ｎ ａ ｉｔ ｆｉｔｒｅｅ ｃ ｎ ｈ ｍａ ，ｈ ｏ ｔｉｅ ｏ ｅｅｒ ａ ｄｙｂ ｅ — ｇ ｏ