仪表图像二值化技术研究

仪表读数识别是智能抄表系统的重要组成部分，而仪表图像二值化是实现仪表读数识别的前提与基础。由于仪表图像在采集时，受工作环境和采集条件影响，采集质量较差。通过对采集图像处理与分析，找到了适合的二值化方法，提高了二值化效果。     

字轮电能表读数系统的数字识别算法

提出了字轮电能表读数系统字轮区域图像定位、数字图像区域定位和数字区域图像信息增强3方面的算法,并对它们进行了适当的融合.经过试验表明,基于这些算法的数字识别结果准确率较高.     

基于改进卷积神经网络的变电站异物入侵识别

针对无人值守变电站异物如鸟巢、风飘物入侵的情况,提出一种基于改进卷积神经网络的异物图像识别方法,利用K-means算法对异物图像尺寸聚类以设定锚框尺寸,增添上采样模块以加强特征融合,采用深度可分离卷积方式以减少计算量,同时修正损失函数以提升对重叠目标的识别能力.最后对福建某变电站的监控图像进行异物识别,准确率为91.9...     

无线抄表系统低功耗控制电路的设计与实现

智能小区无线抄表系统可以提高燃气抄表系统的自动化程度,简化抄表流程,在我国还处于起步阶段.文章利用新型的单片机芯片及无线收发方式提出了全无线燃气抄表控制系统的方案,从低功耗角度自行设计了无线燃气表控制电路、软件编程和终端间无线网络协议及算法.系统性能稳定,各项指标符合要求.     

基于图像识别条形码模块硬件实现

针对条形码激光识别装置价格昂贵问题,设计一种基于图像识别的条形码模块。外部采用OV7670的图像采集,能快速定位、识别出图像中的EAN-13商品码。硬件实现对常见图像识别定位算法进行优化,使用数据组合和逆序读写提高工作速度,设置多档阈值和使用反向映射提高译码精度,第二次扫描使用逆向读取对定位算法优化,优化连通域定位算法减少寄存器数量,顺序执行共用寄存器和存储器单元,算法优化后在UMC 55n1P6M工艺库下标准单元面积仅为优化前的1/3。在FPGA验证过程中,工作频率为40 MHz,采集并识别640×480图像的处理帧率为11.4 fps,图像识别率为98.7%。     

图像识别神经网络处理系统

目的　研制用于二值图像实时识别的神经网络处理器; 方法　采用数字电路实现的图像识别神经网络系统有３ 大模块：边缘提取模块以二值图像序列作为输入,用平面建筑物原理和８ 邻域原理提取图像的边缘特征;特征提取模块在边缘特征的基础上提取具有不变性的角特性和组块特征;模式分类模块采用４ 层特征映射神经网络实现图像模式识别; 结果　通过对图像信号发生器送出的二值飞机图像识别说明,训练样本数越多系统识别率越高; 结论　该系统能够快速、正确地实时识别二值图像序列;     

基于半监督聚类的MQAM信号盲识别算法研究

传统的聚类算法用在MQAM(multilevel quadrature amplitude modulation,多进制正交幅度调制)信号的调制识别中,算法的迭代次数多,特别对高阶调制信号运算时间长。针对此问题,提出了一种半监督聚类重构星座图的方法,由自适应减法聚类确定初始聚类中心,在其周围标记部分样本点并赋予初始隶属度值fik,根据标记的样本点数目确定可信度参数α的值。用fik和α来监督隶属度和聚类中心的更新,误差平方和函数迭代次数减少1/2。接收端识别时,提出基于星座图圆半径的调制识别方式,该方法能很好应对初始聚类中心数目不准确的情况,不需要进行聚类中心的合并与分裂。通过提取接收端星座图的特征参数R并与标准参数Rs进行比较,实现对MQAM信号调制方式的识别。仿真结果表明运算时间是传统聚类算法的1/3,对4~256QAM信号的调制方式识别率在93%以上。     

一种基于NGB的无线自动抄表系统

本文提出了一种基于NGB(下一代广播电视网)的无线自动抄表系统及其控制方法。该系统包括信息采集、信息收发和信息处理三个模块。信息采集模块用于采集三表(水表,电表,燃气表)信息,并将采集的三表信息发送给信息收发模块,信息收发模块将接收到的三表信息通过广电有线双向网络传输给信息处理模块,信息处理模块将接收到的三表信息传送给网络中的信息处理中心,信息处理中心通过广电有线双向网络与信息收发模块进行双向通信并控制三表的数据采集和发送等操作。该系统采用机顶盒或数字电视的现有接口接入无线收发模块,用户操作界面将沿用现有的电视互动平台,用户可通过电视机查询三表、缴费和账单等信息。     

图像微观特征识别方法

提出了一种微观图像的特征识别方法。该方法基于图像微观特征的随机性和唯一性,分为微观图像的特征提取和图像识别两部分,主要包括对宏观图像的放大、微观图像的数据采集、数字图像二值化、图像特征信息的提取、数据的归一化处理、特征模板的保存和比较识别。文中介绍了各部分的步骤、特征提取的算法以及图像识别的最大误差限准则。提出的算法能有效地提取所处理图像的微观特征并加以识别。图像识别实验表明,该方法的识别率达到100%,可用于文件的真伪性辨别及防伪。     

基于改进GA算法优化RBF网络的航空发动机叶片损伤图像识别

通过对航空发动机叶片损伤图像进行识别,可以快速准确的发现叶片损伤状况,有利于对故障进行及时有效的预测。本文对损伤图像进行分割,提取损伤图像特征参数,采用改进GA算法优化RBF网络参数的方法建立航空发动机叶片损伤图像识别模型,对损伤图像特征参数样本进行仿真实验,识别正确率为93.33%,同时与单一RBF网络模型识别结果进行对比分析,结果表明该方法更加优越有效。     

基于特征脸的人脸识别系统

提出了一种快速有效的人脸识别系统．针对特征脸方法只能识别标准正面人脸的局限性，设计了前端处理模块，首先计算待识别图像中人脸的倾斜角度，进行相应角度的旋转，然后剪切出人脸图像，进行尺寸调整，经过此处理后再进行特征脸识别．利用ORL人脸库和自建人脸库进行仿真实验，实验结果表明，本识别系统速度快，误识率低，具有实用性．     

基于信息熵的局部二值模式手指静脉识别

为进一步提升手指静脉识别算法的识别率与识别速度,在图像处理阶段,提取出手指图像的感兴趣区域(region of Interest, ROI),减少手指周围区域的干扰。为提升识别率,在局部二值模式 (local binary patterns, LBP)的基础上,引入像素邻域之间的关系,增强LBP的识别性能;然后将信息熵与改进型LBP结合得到新的ELBP特征,最后采用主成分分析(principal component analysis,PCA)降维,以减少识别时间,去除冗余特征。通过对比欧氏距离与曼哈顿距离构建的分类器,与其他主流特征比较,验证算法的识别性能。在SDUMLA数据库与天津市智能实验室采集指静脉图像数据库上,保证了算法的识别速度前提下,分别取得了99.53%、99.84%的识别率,与其他识别算法相比识别率有明显的提高。     

基于改进YOLOv4网络的水表读数识别方法

在远程水表读数自动识别系统中,为减少网络模型参数量,改善受雾化、抖动等干扰的水表复杂场景图像读数识别精度及半字识别问题,提出了一种基于改进YOLOv4网络的水表读数识别方法?该方法利用深度可分离卷积与引入压缩与激发(squeeze-and-excitation, SE)注意力机制的MobileNetv2瓶颈结构,分别替代YOLOv4网络原有的标准卷积和主干网络,并利用加权平均非极大值抑制算法改进预测输出头,形成了一种网络模型参数量明显降低但检测精度不下降的改进YOLOv4网络,同时有效改善了对水表读数“半字”识别的漏检和错检问题;最后基于字符边框定位的水表读数提取方法,实现“半字”准确提取问题?实验结果表明,本文方法与多种网络学习方法相比,模型参数量压缩14.4%以上,读数识别的准确率和召回率对普通场景水表图像分别提升了0.04%和0.05%以上,对受雾化、抖动等干扰的复杂场景水表图像分别提升了0.11%和0.37%以上.     

一种基于模糊聚类的视频帧内差错掩盖

当视频传输中出现不能恢复的误码或丢包时,在接收端就要使用误码掩盖技术对损坏的视频进行掩藏。文中提出了一种基于模糊聚类的多特征量软判决误码掩盖方法,使得错误恢复效果提高。提出的算法主要分两个步骤:首先通过选择特征量对丢失块和周围相邻的块进行聚类分析,找出和丢失块相似的块,然后根据相似块的分布情况对丢失块进行掩盖。     

基于图像的电表读数系统

运用图像处理技术,设计了基于图像的电表读数系统.首先应用中值滤波和最大类间方差法对电表图像进行预处理,通过数学形态学对图像进行处理,再根据表盘区域的几何特征对其进行定位,最后用模板匹配法实现字符识别.实验结果表明,该检测系统有效、算法操作简单,为实际电表收费管理提供了依据.     

多视图几何轻量级三维重建算法

针对现有深度学习三维重建网络内存消耗严重、效率低下的问题，提出了高效的多视图几何三维重建网络(high efficiency multi-view stereo network,H-MVSNet)模型，将原始图片序列和预测的粗略深度图融合，进一步提高最终深度图的质量;构建轻量级的特征提取模块和正则化模块，减少提取冗余度;采用由粗到精的策略，建立高效的深度图细化模块，减少计算量。实验表明，H-MVSNet模型在DTU数据集中的精度误差可达0.327mm，计算一张分辨率为640×480的深度图仅需0.44s，内存消耗可低至2.46GB，显著提高了三维重建的精度和准确度。     

改进遗传算法优化模糊均值聚类中心的图像分割

针对传统模糊均值聚类算法存在的问题, 提出一种改进遗传算法优化模糊均值聚类中心的图像分割算法. 首先在标准遗传算法的交叉操作中引入方向因子, 使参与交叉的个体向最佳个体靠近, 加快算法的收敛速度, 并通过增强群体间的信息共享机制提高算法的全局搜索能力, 避免了早熟收敛, 改善了全局解的精度; 然后采用改进遗传算法选择模糊均值聚类算法的初始聚类中心, 实现图像分割; 最后采用仿真实验测试算法性能. 实验结果表明, 相对于传统模糊均值聚类算法及其他图像分割算法, 本文算法在分割正确率、 分割速度及鲁棒性上均更优.     

Research and Implementation of the Enterprise Evaluation Based on a Fusion Clustering Model of AHP-FCM

Traditional clustering method is easy to slow convergence speed because of high data dimension and setting random initial clustering center. To improve these problems, a novel method combining subtractive clustering with fuzzy C-means （FCM） clustering will be advanced. In the method, the initial cluster number and cluster center can be obtained using subtractive clustering. On this basis, clustering result will be further optimized with FCM. In addition, the data dimension will be reduced through the analytic hierarchy process （AHP） before clustering calculating. In order to verify the effectiveness of fusion algorithm, an example about enterprise credit evaluation will be carried out. The results show that the fusion clustering algorithm is suitable for classifying high-dimension data, and the algorithm also does well in running up processing speed and improving visibility of result. So the method is suitable to promote the use.     

基于Halcon的蒸汽发生器堵板操作机器人视觉定位算法

蒸汽发生器的工作环境复杂、危险,施工人员在完成堵板螺栓紧固时存在一定的风险。介绍了一种基于图像识别的螺栓紧固方法。机器人自主作业平台主要包括机器人系统和图像采集系统两个部分,采用图像处理软件Halcon,实现基于灰度值的图像阈值分割,利用圆形曲线算法得到圆后,最终得到圆的几何中心。此外,还显示了采用扭矩和时间控制方法的紧固螺栓方法。最后通过螺栓实验和精度验证了图像识别和螺栓紧固的过程。结果表明针对堵板机器人螺栓定位问题采用的基于阈值分割的定位算法识别率为100%,定位最大误差为1.10mm,最小误差为0.92mm,满足堵板机器人螺栓自主定位的精度要求。     

基于CCD摄像技术的公交车跟车距离监测系统研究

为了实时有效地控制公交车行驶时的安全测距,以Matlab工具箱函数为基础,运用图像灰度化处理、图像去噪、图像二值化,从处理后的图像中提取出具有表征意义的统计特征。依据预先设定的图像模板,通过比对所提取的图像特征和模板图像的特征,利用图像匹配技术进行图像识别。在此基础上建立公交车跟车距离识别模型。采用实车实验数据对模型进行验证,结果表明:在静态情况下识别距离与真实距离之间的误差总体上随着距离的增加而逐渐加大,平均误差为5%,绝大部分偏差在6%以下。动态情况下验证误差较静态大,均值为7.68%,标准偏差为0.012 56,且随着车速的增加,真实值与识别值之间的绝对误差相应变大。