液化石油气标签图形识别系统

摘要

本发明公开了一种液化石油气标签图形识别系统，涉及图像增强领域。包括：图像采集单元、图像处理单元、数据处理单元和图像识别单元。获取液化石油气的标签图像的HSV颜色空间图像并分割出多个图像块，获取每个图像块的字典向量和第一稀疏向量，调整图像块的第一稀疏向量中每个特征描述值确定反光特征，利用反光特征的特征描述值计算各像素点的反光纹理修正系数结合所需增强程度对标签图像进行图像增强，根据增强后的标签图像对液化石油气的标签进行识别。本发明根据不同区域的反光情况确定各区域的需增强程度对液化石油气标签图像进行自适应增强处理，能够使增强后的液化石油气标签图像更清晰，从而提高图形识别的精确度和识别效率。

权利要求

1.液化石油气标签图形识别系统，其特征在于，包括：

图像采集单元：利用相机采集液化石油气罐上的标签图像；

图像处理单元：用于将图像采集单元采集的标签图像转化为HSV颜色空间图像，并均匀分割得到多个图像块，获取每个图像块的向量；

数据处理单元：用于将图像处理单元得到的所有图像块向量输入K‑SVD网络中，得到字典矩阵和每个图像块对应的每个第一稀疏向量；

对第一稀疏向量中的每个特征描述值进行调整，得到每个图像块在每次调整后的稀疏向量，并获取每个图像块在经过多次调整后的稀疏向量的特征描述值序列；

将每个图像块在每次调整后的稀疏向量与第一稀疏向量的差向量作为每个图像块在每次调整下的差值图像块向量，并计算每个图像块在每次调整下的差值图像块向量中三个通道向量的模长，得到每个差值图像块的三个通道的模长序列；

利用每个图像块的特征描述值序列，与该图像块的差值图像块向量的三个通道的模长序列获得每个图像块中每个特征描述值的三个皮尔逊相关系数；

利用每个图像块中每个特征描述值的三个皮尔逊相关系数计算每个图像块中每个特征描述值的反光特征符合程度，确定出每个图像块的所有反光特征；

根据每个图像块的稀疏向量的每个特征描述值及其对应的特征描述值的反光特征符合程度计算每个图像块的所需增强程度；

利用每个图像块的所有反光特征对该图像块进行调整，并结合字典矩阵得到调整图像块，对每个图像块与对应的调整图像块作差得到调整差值图像块，计算每个调整差值图像块中每个像素点的对比度；

根据每个调整差值图像块中每个像素点的对比度计算每个像素点的反光纹理符合程度；

根据每个图像块的所需增强程度和每个图像块中每个像素点的反光纹理符合程度得到每个图像块中每个像素点的增强系数；

图像增强单元：利用数据处理单元得到的每个图像块中每个像素点的增强系数对液化石油气的标签图像进行增强，得到液化石油气增强后的标签图像；

图像识别单元：用于对图像增强单元得到的液化石油气增强后的标签图像进行标签信息识别。

2.根据权利要求1所述的液化石油气标签图形识别系统，其特征在于，数据处理单元所述得到每个图像块在每次调整后的稀疏向量的过程如下：对每个图像块的第一稀疏向量中的每个特征描述值进行调整，调整方法为对原始的特征描述值在上一次调整后的基础上加1，并设置调整次数，完成对每个图像块的第一稀疏向量中的每个特征描述值的多次调整；

保持每个图像块对应的稀疏向量的其他描述值不变，得到每个图像块每次调整后的稀疏向量，即每个图像块在每次调整后的稀疏向量。

3.根据权利要求1所述的液化石油气标签图形识别系统，其特征在于，数据处理单元所述皮尔逊相关系数的获取过程如下：获取每个图像块在每次调整后的第一稀疏向量的每个特征描述值序列；

获取每个图像块在每次调整后的稀疏向量和每个图像块的第一稀疏向量，将图像块在每次调整后的稀疏向量与第一稀疏向量的差向量作为每个图像块在每次调整下的差值图像块向量，得到每个图像块在每次调整下的差值图像块向量；

获取每个图像块在每次调整下的差值图像块向量在H通道、S通道和V通道的向量，并计算该图像块在每次调整下的差值图像块向量在H通道、S通道和V通道的向量的模长，得到该图像块在每次调整下的差值图像块向量分别在H通道、S通道和V通道的向量的模长序列；

获取每个图像块在每次调整后的第一稀疏向量的每个特征描述值序列分别与每次调整下的差值图像块向量分别在H通道、S通道和V通道的向量的模长序列对应的皮尔逊相关系数。

4.根据权利要求1所述的液化石油气标签图形识别系统，其特征在于，数据处理单元所述利用每个图像块的所有反光特征对该图像块进行调整，并结合字典矩阵得到调整图像块的方法为：将每个图像块的第一稀疏向量中所有反光特征的特征描述值置零处理得到第二稀疏向量，将每个图像块的第二稀疏向量和字典矩阵相乘每个图像块进行调整，得到每个图像块调整后的调整图像块。

5.根据权利要求1所述的液化石油气标签图形识别系统，其特征在于，数据处理单元所述确定出每个图像块中的所有反光特征的方法为：设置反光阈值，将反光特征符合程度小于反光阈值的特征描述值对应的特征作为非反光特征，将反光特征符合程度大于反光阈值的特征描述值对应的特征作为反光特征。

6.根据权利要求1所述的液化石油气标签图形识别系统，其特征在于，数据处理单元所述计算每个图像块的所需增强程度的方法如下：将每个图像块的第一稀疏向量的每个特征描述值与每个特征描述值对应的特征的反光符合程度的乘积之和作为该图像块的所需增强程度；

其中，每个特征描述值对应的特征的反光符合程度的计算方法为：

将所有图像块在每次下调整后的稀疏向量中与字典矩阵对应的序号相同的特征描述值分别与每个通道的模长序列的皮尔逊相关系数的均值，作为该特征描述值对应的特征在每个通道下的相关系数；

将每个特征描述值对应的特征在V通道的相关系数的绝对值，与每个特征描述值对应的特征在S通道的相关系数、每个特征描述值对应的特征在H通道的相关系数和防零系数之和的商值，作为每个特征描述值对应的特征的反光符合程度。

7.根据权利要求1所述的液化石油气标签图形识别系统，其特征在于，数据处理单元所述计算每个像素点的反光纹理符合程度的过程如下：对每个图像块以及对应的调整图像块作差得到调整差值图像块，将调整差值图像块中每个像素点与其八邻域像素点的灰度值的方差作为该像素点的对比度，得到调整差值图像块中每个像素点的对比度；

对调整差值图像块中每个像素点的对比度进行类别为2的聚类，获取两个类别中对比度的均值，将均值最大的类别中最小的对比度作为反光纹理基础值，将每个调整差值图像块中每个像素点与反光纹理基础值的比值作为该调整差值图像块中该像素点的反光纹理符合程度。

8.根据权利要求1所述的液化石油气标签图形识别系统，其特征在于，数据处理单元所述得到每个图像块中每个像素点的增强系数的方法为：计算每个图像块中每个像素点的反光纹理修正系数与反光增强程度的乘积，将该乘积进行归一化处理作为该图像块中该像素点的增强系数；

得到每个图像块中每个像素点的增强系数。

9.根据权利要求1所述的液化石油气标签图形识别系统，其特征在于，图像识别单元所述对图像增强单元得到的液化石油气增强后的标签图像进行标签信息识别的过程如下：根据每个图像块中每个像素点的灰度值、每个图像块中像素点的数量和每个图像块中每个像素点的增强系数，对液化石油气的标签图像进行图像增强，得到液化石油气增强后的标签图像；

将液化石油气增强后的标签图像与数据库中液化石油气的标准标签图像进行模板匹配，将匹配程度最大的模板类别作为标签信息类别对标签信息进行识别。

说明书

液化石油气标签图形识别系统

技术领域

[0001] 本发明涉及图像增强领域，具体涉及液化石油气标签图形识别系统。

背景技术

[0002] 液化石油气是一种危险程度较高的化工用品，需要对其进行安全管理。为了更好的进行管理一般会在液化石油瓶罐上张贴安全管理标签。在进行运输、存储管理时可以通过识别石油气瓶身的标签上的图形文字来进行区分性管理。

[0003] 然而光滑的标签会产生反光，特别是光滑的标签张贴在弧面的液化石油气瓶身上，其反光程度更大，这种反光的影响会增加标签识别的难度，因而需对受反光影响的标签图像进行相应处理。

[0004] 现有技术中大多通过构建神经网络，通过对神经网络进行训练得到训练好的神经网络，然后将待增强图像输入神经网络中，最终输出增强后的图像，进一步识别增强后的标签图像中的图形文字，从而获得标签上的图形文字对液化石油气进行保存，然而标签图像不是每个区域的反光程度均相同，利用神经网络对整个标签图像进行增强处理，需要大量的图像数据，并且训练过程要耗费大量时间，而通过神经网络进行图像增强，并不能保障增强后图像的识别结果的准确性。

发明内容

[0005] 针对上述技术问题，本发明提供了液化石油气标签图形识别系统，具体包括：

[0006] 图像采集单元：利用相机采集液化石油气罐上的标签图像；

[0007] 图像处理单元：用于将图像采集单元采集的标签图像转化为HSV颜色空间图像，并均匀分割得到多个图像块，获取每个图像块的向量；

[0008] 数据处理单元：用于将图像处理单元得到的所有图像块向量输入K‑SVD网络中，得到字典矩阵和每个图像块对应的每个第一稀疏向量；

[0009] 对第一稀疏向量中的每个特征描述值进行调整，得到每个图像块在每次调整后的稀疏向量，并获取每个图像块在经过多次调整后的稀疏向量的特征描述值序列；

[0010] 将每个图像块在每次调整后的稀疏向量与第一稀疏向量的差向量作为每个图像块在每次调整下的差值图像块向量，并计算每个图像块在每次调整下的差值图像块向量中三个通道向量的模长，得到每个差值图像块的三个通道的模长序列；

[0011] 利用每个图像块的特征描述值序列，与该图像块的差值图像块向量的三个通道的模长序列获得每个图像块中每个特征描述值的三个皮尔逊相关系数；

[0012] 利用每个图像块中每个特征描述值的三个皮尔逊相关系数计算每个图像块中每个特征描述值的反光特征符合程度，确定出每个图像块的所有反光特征；

[0013] 根据每个图像块的稀疏向量的每个特征描述值及其对应的特征描述值的反光特征符合程度计算每个图像块的所需增强程度；

[0014] 利用每个图像块的所有反光特征对该图像块进行调整，并结合字典矩阵得到调整图像块，对每个图像块与对应的调整图像块作差得到调整差值图像块，计算每个调整差值图像块中每个像素点的对比度；

[0015] 根据每个调整差值图像块中每个像素点的对比度计算每个像素点的反光纹理符合程度；

[0016] 根据每个图像块的所需增强程度和每个图像块中每个像素点的反光纹理符合程度得到每个图像块中每个像素点的增强系数；

[0017] 图像增强单元：利用数据处理单元得到的每个图像块中每个像素点的增强系数对液化石油气的标签图像进行增强，得到液化石油气增强后的标签图像；

[0018] 图像识别单元：用于对图像增强单元得到的液化石油气增强后的标签图像进行标签信息识别。

[0019] 数据处理单元中所述得到每个图像块在每次调整后的稀疏向量的过程如下：

[0020] 对每个图像块的第一稀疏向量中的每个特征描述值进行调整，调整方法为对原始的特征描述值在上一次调整后的基础上加1，并设置调整次数，完成对每个图像块的第一稀疏向量中的每个特征描述值的多次调整；

[0021] 保持每个图像块对应的稀疏向量的其他描述值不变，得到每个图像块每次调整后的稀疏向量，即每个图像块在每次调整后的稀疏向量。

[0022] 数据处理单元中所述皮尔逊相关系数的获取过程如下：

[0023] 获取每个图像块在每次调整后的稀疏向量的每个特征描述值序列；

[0024] 获取每个图像块在每次调整后的稀疏向量和每个图像块的第一稀疏向量，将图像块在每次调整后的稀疏向量与第一稀疏向量的差向量作为每个图像块在每次调整下的差值图像块向量，得到每个图像块在每次调整下的差值图像块向量；

[0025] 获取每个图像块在每次调整下的差值图像块向量在H通道/S通道/V通道的向量，并计算该图像块在每次调整下的差值图像块向量在H通道/S通道/V通道的向量的模长，得到该图像块在每次调整下的差值图像块向量在H通道/S通道/V通道的向量的模长序列；

[0026] 分别计算每个图像块在每次调整下的差值图像块向量在H通道/S通道/V通道的向量的模长序列，每个图像块在每次下调整后的稀疏向量的每个特征描述值序列的皮尔逊相关系数，得到每个图像块在每次下调整后的稀疏向量的每个特征描述值序列，分别与对应的差值图像块向量的三个通道的模长序列的三个皮尔逊相关系数。

[0027] 数据处理单元中所述利用每个图像块的所有反光特征对该图像块进行调整，并结合字典矩阵得到调整图像块的方法为：

[0028] 将每个图像块的第一稀疏向量中所有反光特征的特征描述值置零处理得到第二稀疏向量，将每个图像块的第二稀疏向量和字典矩阵相乘每个图像块进行调整，得到每个图像块调整后的调整图像块。

[0029] 数据处理单元中所述确定出每个图像块中的所有反光特征的方法为：

[0030] 设置反光阈值，将反光特征符合程度小于反光阈值的特征描述值对应的特征作为非反光特征，将反光特征符合程度大于反光阈值的特征描述值对应的特征作为反光特征。

[0031] 数据处理单元中所述计算每个图像块的所需增强程度的方法如下：

[0032] 将每个图像块的第一稀疏向量的每个特征描述值与每个特征描述值对应的特征的反光符合程度的乘积之和作为该图像块的所需增强程度；

[0033] 其中，每个特征描述值对应的特征的反光符合程度的计算方法为：

[0034] 将所有图像块在每次下调整后的稀疏向量中与字典矩阵对应的序号相同的特征描述值分别与每个通道的模长序列的皮尔逊相关系数的均值，作为该特征描述值对应的特征在每个通道下的相关系数；

[0035] 将每个特征描述值对应的特征在V通道的相关系数的绝对值，与每个特征描述值对应的特征在S通道的相关系数、每个特征描述值对应的特征在H通道的相关系数和防零系数之和的商值，作为每个特征描述值对应的特征的反光符合程度。

[0036] 数据处理单元中所述计算每个像素点的反光纹理符合程度的过程如下：

[0037] 对每个图像块以及对应的调整图像块作差得到调整差值图像块，将调整差值图像块中每个像素点与其八邻域像素点的灰度值的方差作为该像素点的对比度，得到调整差值图像块中每个像素点的对比度；

[0038] 对调整差值图像块中每个像素点的对比度进行类别为2的聚类，获取两个类别中对比度的均值，将均值最大的类别中最小的对比度作为反光纹理基础值，将每个调整差值图像块中每个像素点与反光纹理基础值的比值作为该调整差值图像块中该像素点的反光纹理符合程度。

[0039] 数据处理单元中所述得到每个图像块中每个像素点的增强系数的方法为：

[0040] 计算每个图像块中每个像素点的反光纹理修正系数与反光增强程度的乘积，将该乘积进行归一化处理作为该图像块中该像素点的增强系数；

[0041] 得到每个图像块中每个像素点的增强系数。

[0042] 图像识别单元中所述对图像增强单元得到的液化石油气增强后的标签图像进行标签信息识别的过程如下：

[0043] 根据每个图像块中每个像素点的灰度值、每个图像块中像素点的数量和每个图像块中每个像素点的增强系数，对液化石油气的标签图像进行图像增强，得到液化石油气增强后的标签图像；

[0044] 将液化石油气增强后的标签图像与数据库中液化石油气的标准标签图像进行模板匹配，将匹配程度最大的模板类别作为标签信息类别对标签信息进行识别。

[0045] 相比于现有技术，本发明实施例的有益效果在于：

[0046] 1.平滑的液化石油气标签张贴在有弧面的液化石油气灌上会导致采集到的液化石油气标签图像产生反光，反光会影响液化石油气标签识别，根据不同区域的反光情况确定各区域的需增强程度对液化石油气标签图像进行自适应增强处理，能够使增强后的液化石油气标签图像更清晰，从而提高图形识别的精确度和识别效率。

[0047] 2.利用字典训练算法中的K‑SVD算法进行字典训练，得到液化石油气标签图像中每个区域的稀疏向量，调整稀疏向量的各特征描述值得到调整后的图像块，通过分析调整后的图像块与原图像块的差值图像块向量计算各图像块（即图像各区域）所需增强程度，利用K‑SVD算法作为基础进行图像分析得到的各图像块的所需增强程度更精确，并且误差非常小。

附图说明

[0048] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

[0049] 图1为本发明实施例1液化石油气标签图形识别系统提供的系统框图；

[0050] 图2为本发明实施例2液化石油气标签图形识别系统提供的方法流程图。

具体实施方式

[0051] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0052] 以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

[0053] 术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。

[0054] 实施例1

[0055] 本发明实施例提供了液化石油气标签图形识别系统，如图1所示，具体内容包括：

[0056] 本实施例包括图像采集单元、图像处理单元、数据处理单元、图像增强单元和图像识别单元。通过图像采集单元采集实施例中所需要的标签图像，将图像采集单元所采集的图像传输至图像处理单元对标签图像进行图像处理，并提取每次处理后的图像中的图像信息，利用数据处理单元接收图像处理单元提取的图像信息，在数据处理单元中对图像处理单元提取的图像信息进行分析处理，根据数据处理单元分析处理的数据得到标签图像增强后每个图像块中每个像素点增强后的灰度值，将得到的每个图像块中每个像素点增强后的灰度值传输至图像增强单元输出增强后的标签图像，并将增强后的标签图像传输至图像识别单元进行图形识别。具体包括以下内容：

[0057] 图像采集单元：利用相机采集液化石油气罐上的标签图像；

[0058] 图像处理单元：用于将图像采集单元采集的标签图像转化为HSV颜色空间图像，并均匀分割得到多个图像块，获取每个图像块的向量；

[0059] 数据处理单元：用于将图像处理单元得到的所有图像块向量输入K‑SVD网络中，得到字典矩阵和每个图像块对应的每个第一稀疏向量；

[0060] 对第一稀疏向量中的每个特征描述值进行调整，得到每个图像块在每次调整后的稀疏向量，并获取每个图像块在经过多次调整后的稀疏向量的特征描述值序列；

[0061] 将每个图像块在每次调整后的稀疏向量与第一稀疏向量的差向量作为每个图像块在每次调整下的差值图像块向量，并计算每个图像块在每次调整下的差值图像块向量中三个通道向量的模长，得到每个差值图像块的三个通道的模长序列；

[0062] 利用每个图像块的特征描述值序列，与该图像块的差值图像块向量的三个通道的模长序列获得每个图像块中每个特征描述值的三个皮尔逊相关系数；

[0063] 利用每个图像块中每个特征描述值的三个皮尔逊相关系数计算每个图像块中每个特征描述值的反光特征符合程度，确定出每个图像块的所有反光特征；

[0064] 根据每个图像块的稀疏向量的每个特征描述值及其对应的特征描述值的反光特征符合程度计算每个图像块的所需增强程度；

[0065] 利用每个图像块的所有反光特征对该图像块进行调整，并结合字典矩阵得到调整图像块，对每个图像块与对应的调整图像块作差得到调整差值图像块，计算每个调整差值图像块中每个像素点的对比度；

[0066] 根据每个调整差值图像块中每个像素点的对比度计算每个像素点的反光纹理符合程度；

[0067] 根据每个图像块的所需增强程度和每个图像块中每个像素点的反光纹理符合程度得到每个图像块中每个像素点的增强系数；

[0068] 图像增强单元：利用数据处理单元得到的每个图像块中每个像素点的增强系数对液化石油气的标签图像进行增强，得到液化石油气增强后的标签图像；

[0069] 图像识别单元：用于对图像增强单元得到的液化石油气增强后的标签图像进行标签信息识别。

[0070] 实施例2

[0071] 本发明实施例提供了液化石油气标签图形识别系统，如图2所示，具体内容包括：

[0072] S101、获取标签图像的HSV颜色空间图像：

[0073] 本实施例是通过对液化石油气瓶身上的标签图像进行标签信息识别，因此需要首先获取液化石油气的标签图像，但是由于正常情况下液化石油气标签张贴在弧面的液化石油灌上容易产生反光，造成采集的液化石油气标签图像部分区域清晰度较低，因而需对液化石油气标签图像增强处理，而存在反光的图像和亮度有较大的关系，因此需要将得到的标签图像转化为HSV颜色空间图像进行分析。

[0074] 将相机布置在液化石油气罐的正上方采集液化石油气瓶身上的标签图像，将采集到的标签图像进行颜色空间转换得到标签图像的HSV颜色空间图像。

[0075] S102、对每个图像块进行字典训练：

[0076] 反光产生的原因是各区域反射到相机的光线量不同，有些区域反射到相机的光线量较大，因而该区域呈现的亮度较大，因此本实施例对标签图像的HSV颜色空间图像进行分割，得到多个图像块，通过对每个图像块的亮度情况进行分析，将反光程度不同的图像块进行不同程度的增强。

[0077] 1.获取标签图像的HSV颜色空间图像的多个图像块。

[0078] 将标签图像的HSV颜色空间图像均匀分割成a*a像素大小的 个图像块，本实施例中将 设置为100，将第 个图像块记为 ，将所有图像块组成的图像块集合记为。

[0079] 2.对每个图像块进行字典训练。

[0080] 获取所有图像块的向量组成图像块向量集合  ，将所有图像块的向量组成图像块向量集合作为K‑SVD（一种字典训练算法）网络的输入，输出为字典矩阵 和每个图像块的第一稀疏向量，将每个图像块的第一稀疏向量按照图像块集合中的顺序组合得到第一稀疏向量集合，记为 。其中，第 个图像块的第一稀疏向量
记为  ，第  个图像块可以表示为 ，其中，字典矩阵是由 个字典响亮组成的，将第  个字典向量记为  。

[0081] 所述图像块向量集合是通过将每个图像块的H通道、S通道和V通道的像素值展开得到的，根据本实施例设置的图像块的大小可知，其中 维为图像块H通道展开得到的向量， 维为图像块S通道展开得到的向量， 维为图像块V通道展开得到的向量。

[0082] S103、计算每个特征的反光符合程度：

[0083] 因为液化石油气罐上的标签图像主要是由于反光的情况导致的不清晰，从而影响标签图像的识别，因此我们需要对反光的部分进行更高强度的增强处理，所以首先计算图像块中所有特征的反光符合程度，根据所有特征的反光符合程度确定出反光特征，根据每个图像块中反光特征的特征描述值确定每个图像块所需增强程度，因此该步骤对每个特征的反光符合程度进行计算。

[0084] 为了便于描述，将各字典向量记为一个特征，将各字典向量对应的第一稀疏向量的向量值记为各特征的特征描述值，但是特征较多，并不是所有的特征都描述的是反光的情况，因此通过调整每个特征的特征描述值，根据调整后图像块中的变化情况来分析各特征为反光特征的符合程度，具体过程如下：

[0085] 对于液化石油气罐上的标签图像的HSV颜色空间图像中的每个图像块做以下分析处理：

[0086] 1.获取每次调整后的差值图像块向量中各颜色通道向量的模长。

[0087] 将第  个图像块的第一稀疏向量的第（字典向量和对应的第一稀疏向量的序号）个特征描述值 调整为 ，保持第 个图像块的第一稀疏向量其他特征描述值（除第 个特征描述）不变，得到第一次调整后的稀疏向量  ，则第一次调整后的第个图像块表示为  ，得到第一次调整后的第个图像块；

[0088] 将第一次调整后的第 个图像块 的图像块向量 与调整前的图像块（这里指没调整过的第  个原图像块  ）的图像块向量 各通道的像素值对应相减，得到差值图像块向量 ；

[0089] 获取差值图像块向量中H（色调）通道向量（  维数据），计算H（色调）通道向量的模长 ，获取差值图像块向量中S（饱和度）通道向量（  维数据），计算S（饱和度）通道向量的模长 ，获取差值图像块向量中V（亮度）通道向量（ 维数据），计算V（亮度）通道向量的模长 ；

[0090] 将第  个图像块的第一稀疏向量的第  （字典向量和对应的第一稀疏向量的序号）个特征描述值 调整为 ，保持第 个图像块的第一次调整后的稀疏向量其他特征描述值（除第  个特征描述）不变，得到第二次调整后的稀疏向量  ，则第二次调整后的第  个图像块表示为  ，得到第二次调整后的第个图像块；

[0091] 将第二次调整后的第  个图像块  的图像块向量 与调整前的图像块（这里指经过第一次调整的第 个图像块  ）的图像块向量 各通道的像素值对应相减，得到差值图像块向量  ；

[0092] 获取差值图像块向量中H（色调）通道向量（  维数据），计算H（色调）通道向量的模长  ，获取差值图像块向量中S（饱和度）通道向量（ 维数据），计算S（饱和度）通道向量的模长 ，获取差值图像块向量中V（亮度）通道向量（维数据），计算V（亮度）通道向量的模长 ；

[0093] 根据S103中获取每次调整后的差值图像块向量中各颜色通道向量的模长的方法，对图像块进行调整，调整方法为对原始的特征描述值在上一次调整后的基础上加1，并设置调整次数，本实施例设置为20（即最终调整后的图像块表示为 ），并得到调整后差值图像块向量  在H（色调）通道向量的模长 ，在S（饱和度）通道向量的模长  ，以及在V（亮度）通道向量的模长  ；

[0094] 根据S103获取每次调整后的差值图像块向量中各颜色通道向量的模长的方法，对其他特征的特征描述值进行调整，完成对第 个图像块的第一稀疏向量集合中第一稀疏向量中的每个特征描述值进行多次调整；

[0095] 2. 计算每个特征描述值对应的特征在每个通道下的相关系数。

[0096] 根据S103中步骤1可得到第 个图像块的第一稀疏向量的第  个特征描述值经过20次调整后的每个颜色通道向量的模长序列，即在H（色调）通道向量的模长序列，在S（饱和度）通道向量的模长序列  ，以及在V（亮
度）通道向量的模长序列  ，并得到第 个图像块的第一稀疏向量的第
个特征描述值经过20次调整后的特征描述值序列  ；

[0097] 计算第 个图像块的第一稀疏向量的第  个特征描述值经过20次调整后的特征描述值序列分别与H（色调）通道向量的模长序列、S（饱和度）通道向量的模长序列和V（亮度）通道向量的模长序列的皮尔逊相关系数，该技术为公知常识，用于衡量两个向量之间的相似度，在本实施例中不做过多解释，得到第 个图像块的第一稀疏向量的第 个特征描述值对应的特征在H（色调）通道的相关系数 、在S（饱和度）通道的相关系数  和V（亮度）通道的相关系数 ；

[0098] 根据S103中步骤2的方法得到每个图像块的第一稀疏向量的每个特征描述值对应的特征在三个颜色通道上的相关系数；

[0099] 3. 计算每个特征的反光符合程度。

[0100] 获取上一步骤得到的每个图像块的第一稀疏向量对应序号的特征描述值对应的特征在三个颜色通道上的相关系数，以第 个特征描述值对应的特征为例：

[0101] 计算每个图像块的第  个特征描述值对应的特征在H（色调）通道的相关系数的均值，将该均值作为第 个特征描述值对应的特征的H（色调）通道相关系数 ，计算每个图像块的第  个特征描述值对应的特征在S（色调）通道的相关系数的均值，将该均值作为第 个特征描述值对应的特征的S（色调）通道相关系数  ，计算每个图像块的第  个特征描述值对应的特征在V（色调）通道的相关系数的均值，将该均值作为第 个特征描述值对应的特征的V（色调）通道相关系数  ；

[0102] 每个特征的反光符合程度的计算公式如下：

[0103]

[0104] 式中：  表示第 个特征描述值对应的特征的反光符合程度，  为第  个特征描述值对应的特征的V（色调）通道相关系数，  为第  个特征描述值对应的特征的S（色调）通道相关系数，  为第  个特征描述值对应的特征的H（色调）通道相关系数，  为防零系数；反光特征应该具有反光特征的变化只会造成图像的明度发生变化，不会造成饱和度和色度发生变化，当  越大时，说明该特征描述值变化会造成明度通道的像素进行相关变化，而不会造成色度通道和饱和度像通道素不会发生相关变化，因而  符合反光特征的程度较大。当 越小时，说明该特征描述值变化不会造成名都通道的像素进行相关变化，可会造成色度通道和饱和度通道像素会发生相关变化。

[0105] S104、计算每个图像块的所需增强程度：

[0106] 对于每个图像块，图像块中的反光特征所占比例越大，则该图像块所需增强程度就越大，图像块中的反光特征所占比例越小，则该图像块所需增强程度就越小，因此根据S103步骤中得到的反光特征计算每个图像块的所需增强程度，将每个图像块的所需增强程度作为该图像块中每个像素点的基础，通过后续的处理确定每个像素点的增强系数完成对标签图像的增强处理。

[0107] 图像块的所需增强程度的计算公式如下：

[0108]

[0109] 式中：  表示第  个图像块的所需增强程度，  表示第  个特征描述值对应的特征的反光符合程度，  表示第  个图像块中的第  个特征描述值，  表示特征描述值的序号，  表示特征描述值的数量；因为对一个图像块中进行增强时，如果该图像块的反光程度比较低，则需要增强的程度就比较低，因此根据每个图像块中的反光特征的反光符合程度和该特征的特征描述值来计算该图像块所需增强程度，当反光符合程度低且特征描述值小时，该图像块需要增强的程度就低，相反则需要较高的增强程度。

[0110] S105、计算反光纹理的修正系数：

[0111] 由于反光纹理一般存在反光差别较大的像素处，即该像素与周围的像素存在较大的反光差异，因而就会造成两个像素之间存在较大的像素值差异，所以本实施例通过计算反光纹理的修正系数对图像块中各像素点的增强系数进行计算，通过每个像素点与邻域像素点的对比度计算图像块中各像素点的增强系数，根据各像素点的增强系数对各像素点进行增强，因此本步骤先计算反光纹理的修正系数。

[0112] 首先，获取每个图像块中的反光特征，本实施例设置反光阈值  ，当时，该特征描述值对应的特征为反光特征，  时，该特征描述值对应的特征为非反光特征，根据该判断方法得到每个图像块中的所有反光特征；

[0113] 将每个图像块的第一稀疏向量中所有反光特征的特征描述值置零处理得到第二稀疏向量，将每个图像块的第二稀疏向量和字典矩阵相乘每个图像块进行调整，得到每个图像块调整后的调整图像块以及调整图像块向量。以第 个图像块为例：得到每个图像块调整后的调整图像块  以及调整图像块向量 ，其中  ，将原图像块 与调整图像块对应的像素作差得到调整差值图像块 ，调整差值图像块中各像素值反映了反光特征去除后对各像素值变化情况，只有反光像素处的反光特征去除后其像素值才会发生较大变化，对于非反光像素处的反光特征去除后其像素值不会发生较大变化。

[0114] 由于反光纹理一般存在反光差别较大的像素点处，即该像素点与周围的像素点存在较大的反光差异，因而就会造成两个像素点之间存在较大的像素值差异，同理计算得到其他图像块的调整差值图像块，获取调整差值图像块中各像素的对比度值，具体对比度值计算方法如下：将调整差值图像块中每个像素点与其八邻域像素点的灰度值的方差作为该像素点的对比度，得到调整差值图像块中每个像素点的对比度；

[0115] 对调整差值图像块中每个像素点的对比度进行类别为2的聚类，获取两个类别中对比度的均值，将均值最大的类别中最小的对比度作为反光纹理基础值  ，将每个调整差值图像块中每个像素点与反光纹理基础值的比值作为该调整差值图像块中该像素点的反光纹理符合程度，调整差值图像块中各像素点的反光纹理符合程度计算公式如下：

[0116]

[0117] 式中：  表示第 个图像块中第  个像素点的反光纹理符合程度，  表示第 个图像块中第  个像素点的对比度，  为反光纹理基础值；  越大说明该像素点为反光像素点与非反光像素点的交界处，则该像素点存在反光纹理的可能性较大。

[0118] S106、对标签图像进行图像增强：

[0119] 为了保障标签识别的准确性，需要对采集的液化石油气罐上的标签图像进行自适应的增强处理，因此根据不同反光程度计算每个像素点的增强系数对每个像素点进行增强，以达到对液化石油气罐上的标签图像自适应增强的目的，使液化石油气罐上增强后的标签图像达到更好的增强效果，确保标签识别的准确性。

[0120] 1.计算每个图像块中每个像素点的增强系数。

[0121] 首先根据每个图像块中每个像素点的反光纹理符合程度得到每个图像块中每个像素点的反光纹理修正系数，如下：

[0122]

[0123] 其中：  表示第  个图像块中第  个像素点的反光纹理修正系数，  表示第 个图像块中第 个像素点的反光纹理符合程度；当一个像素点的反光纹理符合程度越大时，则该像素点存在反光纹理的可能性越大，对反光纹理处的像素点基本上不需要增强处理，因为反光纹理不是图像纹理，对反光纹理进行增强后只会干扰图像其他信息，因此反光纹理修正系数值就较小。

[0124] 计算每个图像块中每个像素点的反光纹理修正系数与反光增强程度的乘积，将该乘积进行归一化处理作为该图像块中该像素点的增强系数，像素点的增强系数的计算公式如下：

[0125]

[0126] 式中：  表示第  个图像块中第  个像素点的增强系数，  表示第 个图像块中第 个像素点的反光纹理修正系数， 表示第  个图像块的所需增强程度， 表示双曲正切函数，本实施例利用双曲正切函数对像素点的增强系数进行归一化处理，根据每个图像块的所需增强程度和每个像素点的反光纹理修正系数共同决定该像素点的增强系数，并进行归一化处理，使结果处于（0，1）之间，减小计算量。

[0127] 2.对标签图像进行图像增强。

[0128] 根据每个图像块中每个像素点的灰度值以及增强系数对每个像素点进行自适应增强，增强后的标签图像中每个图像块中每个像素点的灰度值的计算公式如下：

[0129]

[0130] 式中：  为增强后的标签图像中第  个图像块中第  个像素点的灰度值， 为标签图像中第 个图像块中第 个像素点的灰度值，  表示第  个图像块中第  个像素点的增强系数， 表示最小值，  表示最大值，  为每个图像块包含的像素点的数量，利用灰度拉伸修改灰度值从而达到对图像增强的目的是本领与技术人员的常规技术手段，  为灰度拉伸的算法，本实施例在此基础上增加了一个增强系数计算每个像素点进行灰度值变化后的灰度值（即图像增强后像素点的灰度值）。

[0131] 根据S106的方法计算得到每个图像块中每个像素点经过灰度拉伸后的增强后的标签图像中每个图像块中每个像素点的灰度值，完成对标签图像的增强处理，得到液化石油气的标签图像增强后的标签图像。

[0132] S107、进行标签信息识别：

[0133] 将增强后标签图像和数据库中的标准标签图像进行模板匹配，将数据库中与增强后标签图像匹配度最大的标准标签图像的模板类别作为标签信息类别，根据标签信息类别完成对液化石油气的标签进行识别的过程，获取标签上的文字内容，对液化石油气罐进行相应的运输和存储，保证对液化石油气罐的安全管理。

[0134] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。