基于颜色特征的数字式仪表读数定位方法

利用颜色特征提出一种数字式仪表读数定位方法,先对仪表彩色图像进行颜色特征转换,将仪表中的液晶屏区域分割出来,然后对液晶屏图像进行二值化,最后利用读数字符串的投影特征对字符串进行精确定位。利用现场实际采集的仪表图像进行实验,实验结果表明该算法对光照不均以及复杂背景具有较好的适应能力,有效地解决了静态图像和复杂背景下数字式仪表图像中的读数定位问题,且定位准确度较高。     

工业线性指针仪表识别改进方法

为解决工业现场指针式仪表识别工作量繁重,人为误差较大的问题,提出了一种运用透视变换与Hough变换相结合的工业线性指针式仪表识别的方法。通过对采集的图像进行去噪、透视变换后,利用Hough 变换检测仪表指针的图像特征,并以该图像特征模拟出实际指针的偏转角度,利用该角度值计算最终读数,完成对工 业线性指针式仪表的识别工作。该方法在面临工业现场无法良好采集正视图像时,通过一定技术手段准确地识别出工业线性指针式仪表图像的读数。为新形势下,人工智能在工业现场的实际应用提供了一种新思路。     

基于HSI的彩色图像二值化技术研究

当今的工业应用中存在着大量没有输出接口的数字仪表。要想自动读取仪表中的数据,只能通过识别技术。数字仪表识别的关键在于图像的二值化处理。在工业环境中实时采集的图像多为彩色图像,由于现场光线以及仪表位置等因素,应用传统的二值化技术存在处理速度慢、清晰度不高等缺点。给出一种基于HSI空间上彩色图像二值化方法。这种方法不需要对图像进行灰度处理而是直接对彩色图像进行处理,不仅能够提高处理速度,而且对较模糊的图像也能获得较好的处理效果。     

汽车仪表指针识别方法研究

利用减影法和Hough变换对指针式汽车仪表指针的识别进行研究。PCI-6024E数据采集卡发出标准信号驱动汽车仪表,由CCD摄像机获取汽车仪表图像传输至计算机,应用中值滤波、二值化和细化对仪表图像进行预处理。然后根据减影法、Hough变换提取目标信息,确定仪表读数。实验结果表明,该方法简便、精度高。     

基于深度学习的工业数字仪表识别算法研究

仪表读数的检测与识别被广泛应用在工业中,然而工程领域中复杂的背景环境为获取仪表信息带来了困难.为了解决光照不均、背景复杂、图像模糊、仪表倾斜以及遮挡等多种干扰问题,本文设计了一种基于深度学习的数字仪表读数算法.首先使用图像增广方法丰富数字仪表检测数据集,并利用数据合成的方法构建了数字仪表文本识别数据集;然后通过可微分二...     

基于Hough变换的视觉识别方法在仪表自动检测中的应用研究

利用图像形态骨架细化方法和Hough变换对指针式仪表表头读数的识别进行研究。将仪表表头图像预处理后,进行形态骨架细化,然后用Hough变换检测表头图像的所有刻度线和指针。在此基础上提出一个识别表头读数值的算法。实验表明该方法的有效性,在指针式仪表的自动检测中有一定的实用意义。     

基于计算机视觉的座舱仪表识别检测方法

在简要介绍座舱仪表及其常用识别检测方法的基础上,提出一种基于计算机视觉的座舱仪表识别检测的方法。阐述过程中的几个关键环节及所用到的图像处理算法。采用同态滤波和自适应中值滤波相结合的方法来改善图像效果,然后用改进的类间方差法(Otsu)获取仪表的二值图像。利用改进后交叉皮质视觉模型对仪表的边缘进行提取,并结合骨架来提取指针,最终通过最大梯度下降法得到指针的准确读数。实验结果表明:该方法可快速获取仪表指针读数,且能并行处理多个仪表。与传统的Hough变换、最小二乘法等相比,该算法在保证精度准度的基础上,大幅提高了处理运算的速率。     

基于Hough变换的指针仪表读数识别方法

针对广州市宇泰仪表电器有限公司85C1系列仪表的读数识别问题,提出一种基于Hough变换的图像处理方法.该方法采用彩色相机拍摄仪表图像.首先,通过指针的红色特征提取图像中的指针样本点,并应用最小二乘法获取指针的直线方程;其次,由表盘上的圆弧特征之圆心位于指针直线上的假设,利用Hough变换的原理提取出表盘上的圆弧特征;最后,通过图像变换将刻度部分的圆弧线变换成直线,实现了刻度线两端点位置的提取,并完成仪表读数识别.实验表明,该方法能够准确识别仪表读数,具有较高的鲁棒性.     

指针式仪表图像高斯同态滤波增强算法研究

分析了指针式仪表图像的特征,探讨了指针式仪表图像高斯同态滤波增强算法.介绍了同态滤波的基本原理,利用高斯同态滤波算法对指针式仪表图像进行预处理,以增强图像的对比度,并提出了滤波器参数的选取方法.最后对增强后的图像进行最大类间方差二值化,为仪表图像的后续处理和后续识别工作奠定了基础.     

金相组织自动识别技术的研究

对标准金相组织图像二值化，建立金相组织二值化标准图谱，将采集来的金相组织图像与金相组织二值化标准图谱进行图像匹配，自动识别采集来的金相组织图像显微组织。     

快速和尺度稳健的纹理图像识别

传统的纹理图像识别方法很难同时获得较好的识别精度、实时性和尺度稳健性,不利于实际的工程应用.因此,提出一种快速和尺度稳健的纹理图像识别方法.该方法首先利用高斯滤波构造一个纹理图像的多尺度空间,然后利用完备的局部二值计数(Completed Local Binary Count,CLBC)算法对多尺度空间中的每个图像提取局部二值特征,并跨尺度提取局部二值特征的最大值,再将多个分辨率的特征相结合作为纹理图像的最终特征描述,最后利用最近子空间分类器(Nearest Subspace Classifier,NSC)判定纹理图像的类别.在基准纹理图像数据库上的实验表明,该方法在识别精度、实时性和尺度稳健性方面获得了很好的综合性能,有利于实际的工程应用.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

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;     

基于数学形态学的铁谱磨粒图像分割研究

铁谱磨粒图像识别中,由于磨粒与磨粒的相互粘连,造成磨粒图像二值化后,边缘提取不能体现其原有形状。该文将数学形态学的腐蚀和膨胀算法引入铁谱磨粒图像的分割中,通过对二值化后的磨粒图像实施先腐蚀后膨胀的运算,成功地完成了磨粒图像的分割,并且结合拉普拉斯算子,有效地提取出单个铁谱磨粒的形状,有助于实现铁谱磨粒的自动识别。     

一种基于LBPV(局部二值模式方差)的指纹分类算法

在指纹数据库规模不断增大的情况下,指纹分类对于提高指纹识别的速度和准确率十分重要.本文提出一种利用指纹纹理信息的方法将指纹分为五大类.该方法利用指纹的中心点将指纹模式区分为四个部分并求取每一部分的局部二值模式方差,然后利用K近邻分类器进行分类.实验证明该方法具有良好的分类性能.     

局部二值模式在连铸坯表面缺陷识别中的应用

为了解决传统的图像识别算法无法准确识别铸坯表面缺陷的问题,提出一种考虑图像相邻像素影响的改进的多块局部二进制算法(MB-LBP).该算法将原始图像分成多个小区域,每个小区域再做等分,并计算平均灰度值,再运用局部二进制模式算法进行计算.对现场采集到的连铸坯表面裂纹、划伤、压痕、凹坑和无缺陷共五类1697个样本进行实验,整体识别率达到94.9％,而传统局部二进制模式算法的识别率为89.1％,说明本文算法具有更好的鲁棒性和抗噪能力.     

模糊模式的手写数字识别技术研究与实现

通过对CCD传感器获得的邮政编码的24位bmp图像进行仿真和数字识别,提出了一种基于色素的二值化方法,分别提取了邮政编码框格线的二值图像和邮件字符的二值图像;对图像处理的过程进行了分析,它包括邮编框边缘检测和分离、图像的二值化、平滑去噪、倾斜矫正、邮编数字的提取、位置归一化处理、数字图像的细化、字符识别特征提取等。首先对图像识别的预处理过程进行了阐述,然后再对预处理过的图像进行特征字符提取,并对邮件编码框格和字符进行角度修正,最后判断识别结果;在此方法中避免了框格线和编码字符线分割的困难;为了提高识别率,研究使用了手写数字多种方法的复合,使邮件编码的识别率得到了提高;实验表明:该方法可以获得较高的识别率,为邮政系统中分拣识别技术提供了参考。     

月面自主精确软着陆的景象匹配方法研究

为提高月球探测器自主软着陆的落点精度,利用绕月飞行器和着陆探测器下落图像,提出一种基于尺度信息的多模板递阶景象匹配方法.在月面图像尺度空间上快速提取FAST角点,并确定特征点精确尺度、位置和方向.在特征点邻域建立图像块采样模式,通过图像块像素比较形成二进制串特征描述子,利用海明距离(Hamming distance)进行特征匹配.实验结果表明,目标在尺度缩放、旋转和光照变化等极端条件下,该算法能够实时完成月面着陆目标区域的准确识别和稳定跟踪,实现月球探测器的远距离、高精度自主导引着陆.      

基于BP神经网络的行人和自行车交通识别方法

研究了基于BP神经网络的行人和自行车识别方法.首先对图像提取4个特征,形成特征向量作为BP神经网络的输入;然后设计BP神经网络的结构,网络输出为对行人和自行车的识别;为了确定BP神经网络合理的隐层神经元数目,分别对不同隐层神经元数目的神经网络进行了实验分析.最后利用实测的数据对BP神经网络进行训练、仿真实验,并对实验结果进行分析;结果表明:最佳网络的正确识别率为84%,行人和自行车的正确识别率分别为89%和71%.