張明濤，劉恒超，徐兵峰，楊超然，高 天

(中鐵高新工業(yè)股份有限公司，北京 100070)

隨著CAD技術(shù)的廣泛應(yīng)用，電子圖紙已成為主要的存檔和瀏覽形式。為避免圖紙?jiān)诹鬓D(zhuǎn)中出現(xiàn)非許可修改，通常以像素圖像形式傳閱。由于在工程使用中從像素圖紙獲取準(zhǔn)確尺寸標(biāo)注信息非常困難，因此出現(xiàn)了大量圖像識(shí)別方法以及轉(zhuǎn)化應(yīng)用軟件，以實(shí)現(xiàn)從像素圖像到矢量圖形的轉(zhuǎn)化。然而在轉(zhuǎn)化后的矢量圖紙中，字符同樣被矢量化為圖形元素，失去了其字符屬性，這給圖紙的自動(dòng)化處理造成了很大阻礙。

目前，針對(duì)字符的識(shí)別主要是光學(xué)字符識(shí)別，方法分為統(tǒng)計(jì)特征字符識(shí)別、結(jié)構(gòu)字符特征識(shí)別、人工神經(jīng)網(wǎng)絡(luò)識(shí)別[1]?；诮y(tǒng)計(jì)特征字符識(shí)別雖能快速匹配，但對(duì)字符方向改變等變形字體無能為力，且對(duì)形近字區(qū)分能力較弱，通常用于字符的粗分類。結(jié)構(gòu)字符特征識(shí)別具有識(shí)別方便、對(duì)圖像畸變抗干擾能力強(qiáng)的特點(diǎn)，但其需要較強(qiáng)的圖像分辨率，占用了大量的系統(tǒng)資源，從而影響了識(shí)別速度。人工神經(jīng)網(wǎng)絡(luò)的識(shí)別能有效地對(duì)各種模糊字符進(jìn)行正確判斷，但其學(xué)習(xí)速度慢，泛化能力很弱。針對(duì)矢量圖形識(shí)別的方法大致分為3類：基于統(tǒng)計(jì)的識(shí)別方法、基于結(jié)構(gòu)的識(shí)別方法、基于統(tǒng)計(jì)與結(jié)構(gòu)混合的識(shí)別方法?；诮y(tǒng)計(jì)的識(shí)別方法可直接應(yīng)用于矢量圖紙，但待識(shí)別圖紙中只能有一個(gè)符號(hào)，局限性很大。基于結(jié)構(gòu)的識(shí)別方法能有效表達(dá)出符號(hào)特征，識(shí)別準(zhǔn)確度高，但通常計(jì)算量較大，識(shí)別效率較低?；诮y(tǒng)計(jì)與結(jié)構(gòu)混合的識(shí)別方法，繼承了統(tǒng)計(jì)和結(jié)構(gòu)兩類方法的優(yōu)點(diǎn)，但由于快速篩選的矢量簽名容易受到噪聲和變形等的影響，可能漏掉一些目標(biāo)符號(hào)[2]。本文采用樹與鏈碼相結(jié)合的描述方式，在提高識(shí)別效率的同時(shí)也提高了識(shí)別的準(zhǔn)確率。

搜索策略是影響識(shí)別方法搜索效率的重要因素?，F(xiàn)有許多方法都是通過反復(fù)遍歷圖紙查找特征元素，搜索時(shí)間復(fù)雜度極高。文獻(xiàn)[3]～[6]都提到了關(guān)鍵圖元概念，其基本思想是：將符號(hào)某個(gè)組元作為關(guān)鍵圖元，識(shí)別時(shí)首先在目標(biāo)圖紙中快速定位關(guān)鍵圖元，再從關(guān)鍵圖元周圍區(qū)域逐個(gè)尋找符號(hào)的其他組元。對(duì)于矢量圖紙中數(shù)字字符通常為1～2個(gè)組元的情況則無法使用。

因此，本文采用基于伴隨圖元的漸進(jìn)搜索方法。工程圖中數(shù)字通常伴隨尺寸、標(biāo)注引線或表格存在，通過位置及屬性特征可快速搜索定位尺寸、標(biāo)注引線或表格，再從伴隨圖元周圍區(qū)域搜索數(shù)字圖元，能有效縮小搜索范圍，提高搜索效率。

1 矢量圖形數(shù)字分析

目前像素圖紙轉(zhuǎn)換得到的工程圖紙中，字符通常為線段的集合。整理、總結(jié)多種轉(zhuǎn)化后工程圖紙中數(shù)字字符樣式，得到矢量數(shù)字字符線段形式有圖1所示幾種形式。每個(gè)數(shù)字字符由1～2條多段線組成。

圖1 數(shù)字字符樣式

以數(shù)字“2”為例，其由一條具有14個(gè)點(diǎn)的多段線l組成，用Pi(i=0,1,2,…,13)表示第i個(gè)點(diǎn)，如圖2所示。由組成數(shù)字字符的多段線個(gè)數(shù)及屬性特點(diǎn)，可知10個(gè)阿拉伯?dāng)?shù)字字符應(yīng)具有兩個(gè)屬性：線段條數(shù)Lnum，是否閉合Clbl。根據(jù)屬性特點(diǎn)分類如下。

圖2 數(shù)字“2”多段線 圖3 數(shù)字“1”

單條、非閉合：1 (圖3(a))、2、3、5、6、7、9。

多條、非閉合：1 (圖3(b))、4。

單條、閉合：8、0。

圖紙中的數(shù)字字符主要集中在尺寸標(biāo)注線、引線標(biāo)注線上和材料零件明細(xì)表中，如圖4、圖5所示。尺寸標(biāo)注線上的數(shù)字字符在尺寸線的中心位置，引線標(biāo)注線上的字符在引線的水平線上，材料零件明細(xì)表中的字符則在每個(gè)單元格中。

圖4 尺寸標(biāo)注線和引線標(biāo)注線

圖5 材料明細(xì)表

2 數(shù)字字符特征模型

根據(jù)數(shù)字字符樣式特點(diǎn)，用y=f(xi)表示數(shù)字多段線的線段方程，其中xi為字符多段線上第i點(diǎn)的x坐標(biāo)，i=0,1,2,…。對(duì)字符多段線f(xi)計(jì)算其一階微分(式(1))得到圖形變化趨勢，進(jìn)而求得數(shù)字字符圖形的關(guān)鍵點(diǎn)。

(1)

式中：dy為點(diǎn)(i+1)與點(diǎn)i的y方向增量；dx為點(diǎn)(i+1)與點(diǎn)i的x方向增量。多段線f(xi)方向發(fā)生改變的點(diǎn)即為關(guān)鍵點(diǎn)。以數(shù)字“2”為例，如圖2所示，其多段線各點(diǎn)微分值見表1，可知數(shù)字“2”有5個(gè)關(guān)鍵點(diǎn)，分別為P0，P5，P9，P12，P13。

表1 關(guān)鍵點(diǎn)計(jì)算

單條、非閉合多段線組成的數(shù)字“1”和“7”，以及多條、非閉合多段線組成的數(shù)字“1”和“4”，由于組成這4個(gè)數(shù)字的多段線點(diǎn)集個(gè)數(shù)有限，因此將多段線上全部點(diǎn)都作為關(guān)鍵點(diǎn)。其他數(shù)字關(guān)鍵點(diǎn)統(tǒng)計(jì)見表2。

表2 關(guān)鍵點(diǎn)統(tǒng)計(jì)

將組成數(shù)字字符多段線的關(guān)鍵點(diǎn)作為父節(jié)點(diǎn)，與其相鄰的節(jié)點(diǎn)根據(jù)前后順序分別以鏈碼的形式作為子節(jié)點(diǎn)，形成樹形鏈碼，描述如式(2)：

(2)

式中：S為一條多段線；kpi為第i個(gè)父節(jié)點(diǎn)；lf,lb分別為每個(gè)父節(jié)點(diǎn)下有兩個(gè)子節(jié)點(diǎn)的鏈碼。

由上述樹形鏈碼描述的多段線S，進(jìn)一步添加線段個(gè)數(shù)、線段屬性、關(guān)鍵點(diǎn)相對(duì)關(guān)系3個(gè)屬性，建立矢量數(shù)字字符特征模型N如下：

(3)

式中：S1,S2為組成數(shù)字字符的多段線；isClosed表示多段線是否閉合；KeyAngle表示關(guān)鍵點(diǎn)相對(duì)位置關(guān)系；Number表示組成數(shù)字字符的多段線個(gè)數(shù)。仍以數(shù)字“2”為例，其特征模型表示為：

(4)

由于是基于圖元自身特征信息及相對(duì)位置關(guān)系建立特征模型，因此該特征模型不受字符方向限制。無論數(shù)字在圖紙中書寫方向如何，均不會(huì)影響數(shù)字字符特征的識(shí)別，免去了字符方向判斷和使用空間變換矩陣進(jìn)行轉(zhuǎn)換的過程，在提高效率的同時(shí)也避免了由轉(zhuǎn)換引起的識(shí)別誤差。

3 數(shù)字識(shí)別

根據(jù)圖紙中數(shù)字字符位置特點(diǎn)，提取圖紙中標(biāo)注引線、尺寸界線、材料零件明細(xì)表單元格圖元。在圖元周圍搜索多段線圖元特征，并利用基于樹形鏈碼建立的數(shù)字字符特征模型，對(duì)多段線進(jìn)行匹配。首先建立多段線的樹形鏈碼模型，將樹形鏈碼中父節(jié)點(diǎn)與數(shù)字字符特征模型中的父節(jié)點(diǎn)進(jìn)行匹配，匹配合格后，再根據(jù)其他屬性特征進(jìn)一步確定識(shí)別結(jié)果，具體識(shí)別流程如圖6所示。

圖6 識(shí)別流程

將本方法應(yīng)用于轉(zhuǎn)化后的工程圖零件材料用量統(tǒng)計(jì)中，能快速高效地自動(dòng)統(tǒng)計(jì)出圖紙中零部件的尺寸信息。以圖7為例進(jìn)行圖紙信息提取，通過上述數(shù)字識(shí)別方法，能夠?qū)⒈砀裰谐叽纭⑿吞?hào)、數(shù)量、單重、總重中的數(shù)字字符準(zhǔn)確提取，結(jié)果見表3，分析可知計(jì)算速度與電腦性能呈正相關(guān)，準(zhǔn)確率隨識(shí)別字符數(shù)量的增加略有降低。

表3 結(jié)果統(tǒng)計(jì)

圖7 算法應(yīng)用

查找未識(shí)別的原因有：轉(zhuǎn)化后的數(shù)字的矢量圖形線段組中存在多余或重合的多個(gè)線段，導(dǎo)致識(shí)別錯(cuò)誤或無法識(shí)別。

4 結(jié)束語

本文通過對(duì)轉(zhuǎn)換后矢量圖紙中數(shù)字字符圖形特征進(jìn)行分析，基于樹形鏈碼建立矢量數(shù)字字符特征模型，采用伴隨圖元的漸進(jìn)搜索策略，實(shí)現(xiàn)矢量圖形數(shù)字字符的識(shí)別。該方法能夠快速定位初選數(shù)字字符集，實(shí)現(xiàn)精準(zhǔn)、高效的識(shí)別，為工程圖紙信息提取、材料用量自動(dòng)統(tǒng)計(jì)等工作提供了高效、便捷的實(shí)用方法。