基于OpenCV的人脸识别系统

OpenCV作为开源图像处理算法库,也可应用于人脸识别领域。将采集的人脸图片运用高斯平滑、灰度变换等算法进行图像预处理;再采用OpenCV的Haar-like特征匹配法描述算子进行特征匹配,获取人脸特征值;最后利用归一化平方差匹配方法,比对人脸数据库后完成特定人脸的识别。     

铝轮毂背腔字符的多模板匹配分割

从实际工业生产的角度出发,针对铝轮毂背腔字符难以采集,字符背景噪声较大,字符较小等问题,本文提出了一种基于多模板匹配的快速字符提取方法,解决了铝轮毂背腔字符提取困难的问题。首先,采集铸造模板中的标准字符建立模板库;其次,在原有的模板匹配方法的基础上加以改进,既保留了模板匹配快速查找目标的优点又引入多个不同的模板,使其能够同时查找多个目标;然后,对局部区域进行精匹配并且对每个模板做优势评估,以此来进一步优化改进后的字符提取方法;最后,将本文提出的方法与感知哈希方法进行比对,实验证明:本文方法优于感知哈希算法,能够取得很好的字符提取效果。     

基于广义霍夫变换的粘连字符验证码的识别

针对具有粘连字符的验证码,提出了一种基于广义霍夫变换的识别算法。首先,对验证码图片和字符模板进行预处理和骨架化,提取字符模板中目标点的局部特征保存到参考表中;然后,对验证码图片进行逐像素比较,并进行投票,通过投票累加器的极大值定位出字符模板的参考点;最后,对相邻字符之间的干扰进行分析处理,从而提高了字符识别的正确率。提取的局部特征具有平移和旋转的不变性,因而可以对验证码图片中出现的字符部分形变、字符粘连、字符旋转进行有效处理和识别。     

基于UG NX 4.0的液压冲击器主要部件的参数化设计

详细地论述了UGNX4．0的二次开发工具NX4．0／Open API以及具体的开发方法。并且以液压冲击器为研究对象,利用可视化高级编程语言VC＋＋6．0来对NX4．0做二次开发,开发了一个内嵌于UG系统的液压冲击器主要部件参数化设计的软件功能模块。     

桥式起重机运行机构三维参数化设计研究

以SolidWorks为设计平台,对桥式起重机运行机构进行模块划分,以3种方式对系列零件进行参数化建模;根据SolidWorks提供的API进行二次开发,在Visual C＋＋6．0的ATL模板上进行COM编程,实现了桥式起重机运行机构的参数化设计。     

基于文字特征的文档碎纸片拼接软件设计

将图片进行灰度处理,再转化为0-1二值矩阵,利用矩阵行（列）偏差函数,建立基于最小二乘法的拼接模型。针对双向切割碎片全局搜索的局限性,利用文字的行高和行间距的特征,建立相似度函数,并人工拼接出边缘列,再多行并行拼接,然后逐次调整,最后复原;针对双向切割的双面打印碎片,先在碎纸中找出26个字母及各种标点符号的完整字符,制作出模板,再利用该模板进行匹配判定,借助人工拼接边缘列,逐次手动调整,实现复原。     

ETC系统中的车牌识别技术研究

车牌识别技术,识别过程包括车牌定位、字符分割和字符识别3个部分。本文首先根据车牌的水平和垂直投影,找出一个长方形区域,定位出车牌的真实位置;然后将字符二值化为可识别的黑白图像,采用字符间距对车牌号进行字符分割并归一化;最后识别字符,将取出的字符与事先建立的字符模板库做差,为0就表示两者之间完成了匹配。把每一个相减为0的字符保存,也即为所求的车牌。     

浅析数据库访问技术

数据存放于数据库中,并由教据库管理系统进行管理,有很多优点,例如：数据的安全性高,保证数据的完整性,提供并发控制．数据可以恢复。因此,数据库应用日益广泛。本文以VC＋＋6．0为例,探讨数据库访问技术。     

水文信息分析及管理系统的设计

针对水文信息数据量大,更新速度快的特点,研究并设计了水文信息分析及管理系统。该系统利用VC＋＋6．0作为开发工具。结合SQLServer2000数据库以及ADO数据库访问技术,实现了系统的设计要求。     

基于图卷积网络的恶意代码聚类

许多新型恶意代码往往是攻击者在已有的恶意代码基础上修改而来,因此对恶意代码的家族同源性分析有助于研究恶意代码的演化趋势和溯源.本文从恶意代码的API调用图入手,结合图卷积网络(GCN),设计了恶意代码的相似度计算和家族聚类模型.首先,利用反汇编工具提取了恶意代码的API调用,并对API函数进行属性标注.然后,根据API对恶意代码家族的贡献度,选取关键API函数并构建恶意代码API调用图.使用GCN和卷积神经网络(CNN)作为恶意代码的相似度计算模型,以API调用图作为模型输入计算恶意代码之间的相似度.最后,使用DBSCAN聚类算法对恶意代码进行家族聚类.实验结果表明,本文提出的方法可以达到87.3%的聚类准确率,能够有效地对恶意代码进行家族聚类.     

基于嵌入式的实时视频采集与拼接系统的设计

视频拼接在日常生活中有着广泛的应用。提出了一种基于Linux和Open CV的嵌入式实时视频采集和拼接系统设计方案。该系统采用Tiny4412四核处理器,通过两个摄像头实时采集图像数据,然后结合Open CV库利用改进的算法对两幅具有重叠区域的图像进行拼接处理,包括特征匹配和图像融合处理,生成拼接图像,最后把拼接图像在LCD上实时显示。实验结果表明,采取的算法能够适应多种环境,很好的抑制鬼影,并且拼接速度能够达到实时系统的要求。     

基于OpenCV的图像处理

OpenCV是近年来最受欢迎的计算机视觉应用库。在其基础上编写图像处理代码效率得到有效提高。本文旨在对OpenCV进行一个快速全面简介,通过介绍其数据结构、HighGUI库,图像处理函数使读者能快速形成对OpenCV印象。文章详细介绍了2.4.4版本在VS2010中的安装测试说明。读者能够在此基础上架构自己代码。文章最后通过自适应阈值分割实例来介绍OpenCV的具体应用。     

基于OpenCV 的丝印机定位系统研究

现有OpenCV 模板匹配能实现丝印机的定位，但是模版图像不在搜索图中也能得到匹配结果，同时定位执行机构运用传统的直接传值方式运动会造成定位执行机构卡顿。为了解决上述2 个问题，提出了一种基于相似度的模板匹配方法。经验证该方法能解决模版图像不在搜索图中也能得到匹配结果的问题，实验结果表明，基于相似度的模版匹配方法对图片的相似度识别都在91%以上，平均用时低于250 ms，具有匹配稳定和快速的特点。同时还提出了一种速度匹配的运动方式，经验证该方法解决了定位执行机构运行卡顿的问题，实验结果表明，速度匹配的运动方式在250 次运行过程中没有出现一次卡顿现象。     

基于视觉的小型垂直起降UAV降落引导技术

为了使小型无人飞行器在执行任务过程中进行全程自动飞行,提出一种基于快速地面定位目标识别,与多目标尺寸视觉测量,使用Intel公司的开源图像处理库OpenCV进行高速实时图像处理,获取飞行器相对高度等信息以辅助引导小型无人飞行器自动降落的方法.     

基于OpenCV的车辆轮廓检测

为了获得理想的车辆轮廓线,提出了一种基于开源计算机视觉库OpenCV的轮廓检测新方法。首先对图像进行形态学去噪、平滑滤波处理和二值化阈值分割等预处理,获得二值化黑白图像。然后通过轮廓提取和跟踪检测到车辆外轮廓线。在VC++6.0环境下,利用OpenCV编程实现了此方法。由实验结果看出,该方法可以较为理想地获得车身外轮廓线信息,既节省了预处理的时间,也保证了精度。     

几种摄像机标定方法的比较

本文针对摄像机参数标定进行了研究.借助于标定模板,用三种方法予以实现.其一,人工标定;其二,借助于OpenCV的标定,该方法自动确定参照模板上的角点及其坐标值来计算摄像机的参数,提高了精度;其三,基于张正友软件的标定.相较于人工及张正友的标定,基于OpenCV的标定方便、快捷,达到了较好的实用性.     

OpenCV技术在数字图像处理中的应用

O penC V是开发的C源码,基于Intel处理器指令集开发的优化代码,具有统一的结构、功能定义、强大的矩阵计算能力以及方便灵活的接口等特点,实现了实时的图像处理和计算机视觉方面的通用算法。O penC V包括C V模块、C VAU X模块、C X C O R E模块、M L模块和H IG H G U I模块,有间接存取、直接存取和带指针直接存取三种存取方式。     

基于视觉定位的七轴机械臂目标抓取研究

针对机器人结合机器视觉在面对特定物体进行抓取任务时,系统设计工作量大、可移植性差的问题,提出基于机器人操作系统(ROS),结合手眼的七轴机械臂目标抓取方法,在ROS框架下利用协作机器人FRANKA PANDA结合RGBD摄像头进行目标抓取。创建了RGBD摄像头的xacro机器人模型,利用RViz进行三维模型的可视化操作;应用MoveIt!软件对RViz和Dazebo进行联合仿真;将ROS获取的图像信息发送给OpenCV库进行图像处理及物体定位,然后将物体坐标信息发还给ROS进行机械臂抓取任务。结果表明,该方法简单有效,以ROS为基础设计的抓取方法可移植性强,解决了面对复杂多样的物体,机器人系统需进行大规模控制改动的问题。     

基于OPenCV哈密瓜纹理特征的提取

采用400~1000 nm高光谱成像仪获取哈密瓜高光谱图像,并选取哈密瓜纹理特征图像,在VC++6.0环境下利用开源计算机视觉库OpenCV进行编程,通过对图像的形态学去噪、平滑处理、消除背景以及二值化处理,获取哈密瓜纹理的二值化图像,实现了对哈密瓜高光谱图像纹理特征的提取。实验结果表明:该方法可以快速有效地实现哈密瓜纹理特征提取。     

基于迁移学习的全岩光片有机显微组分识别与定量——以皖泾地1井下三叠统殷坑组烃源岩为例

烃源岩有机显微组分的识别、分类及定量在油气勘探和评价中是重要的研究内容之一。传统的全岩光片有机显微组分鉴定与定量仍采用人工识别与数点计数结合的方式,存在主观性强、人工定量工作强度大、效率低等问题。针对上述问题,本文以皖泾地1井下三叠统殷坑组烃源岩为例,借助于机器学习及图像处理技术,尝试建立了一个基于迁移学习的全岩光片显微组分图像识别与分类模型,并通过OpenCV图像处理库对模型的分类结果图像进行定量统计。结果显示,模型对研究区数据集的整体分类识别准确率可达84.32%,且通过OpenCV图像处理库对各显微组分定量的结果与人工数点法统计定量结果相近,表明该方法可以较客观快速地对大量同类型的烃源岩显微组分图片进行识别和定量,显著提高了全岩光片有机显微组分鉴定及统计效率。