指针式仪表自动识别装置的设计

针对指针式仪表人眼读数效率低,不能转化成数字信号输入计算机,提出一种基于Hough变换的指针式仪表自动判读方法.该方法运用图像减影技术,通过调节图像分辨率实现指针的检出,再利用Hough变换做峰值检测、线检测和链接,通过转换偏转角度的基线位置,确定出仪表指针的读数.实验表明,该方法能快速有效地完成指针式仪表的自动判读,且最大不确定度明显优于人眼的识别,具有较高的精度.     

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.     

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。     

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。     

基于快速区域卷积神经网络识别变形仪表图像的二次矫正方法

为解决工业中摄像头在俯视、仰视等角度拍摄仪表时导致表盘变形影响读数的问题,提出一种基于Faster R-CNN识别变形仪表图像的二次矫正方法。利用ResNeXt50作为Faster R-CNN的主干网络,结合特征金字塔FPN(Feature Pyramid Network)生成特征层,并融合SENet(Squeeze and Excitation Networks)模块将仪表特征更为突出,便于定位仪表区域并裁减,再由Harris角点检测找到表盘的四个顶点;利用二次矫正方法对变形仪表还原成正视角度仪表;最后计算示数。实验结果表明：该方法使得mAP值由基本模型的75.51%提升至94.45%,且仪表在变形情况下,仍能得到比较好的读数结果,误差率为0.83%。     

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...     

基于融合特征及改进二值化规范梯度特征技术的车辆识别算法

针对高速公路视频监控中基于单一形状特征的车辆检测算法出现较多的误检,且运用支持向量机(SVM)滑动窗口检测存在耗时大的问题,提出一种基于快速提取物体目标候选窗口的融合HOG-LBP特征的车辆检测方法。首先基于二值化规范梯度特征(BING)方法及背景差分快速提取车辆候选窗口,再计算候选窗口图像的方向梯度直方图(HOG)特征和局部二值模式(LBP)特征并进行特征融合,结合SVM分类器进行车辆检测。实验结果表明,融合形状和纹理特征能够有效提高车辆检测性能,而通过快速提取候选窗口可以将SVM检测速度提升8倍左右,满足工程实时性要求。     

改进的Faster R-CNN文本检测算法

复杂自然场景中准确提取和检测文本信息是文本识别的基础和前提,它受到文本尺寸、摆放角度甚至是姿态的影响.针对传统算法中滑动窗口都是固定大小,一些自然场景图像中的文本检测难,图像边界呈现冗余,运算量增大,运算时间长等问题,通过改进滑动窗口区域生成网络(Region Proposal Network,RPN)策略,提出一种改进的RPN(Improved RPN)网络模型,运用共享的目标检测和回归检测算法提取其中的网络结构,最终得到一种改进的Faster R-CNN文本检测算法.在数据集中分别选取对比度高、对比度低和任意对比度进行不同算法的文本检测结果对比,实验结果表明,本文算法具有较好的检测效果.     

基于改进的快速鲁棒特征算法的人脸检测研究

针对快速鲁棒特征(SURF)算法冗余信息多且计算速度慢的缺点,该文对SURF算法进行改进,用于人脸检测。计算特征点邻域的图像熵,并使用非极大值抑制提取图像熵高的特征点,通过减少区域描述减少冗余信息。使用扇形窗口遍历各特征点邻域,通过计算窗口内哈尔小波响应构建该点的特征描述子,从而加快计算速度。使用费舍尔矢量核将各特征描述子映射到高维空间进行人脸检测。仿真实验表明,在应用于人脸检测数据集和基准(FDDB)数据集时,与SURF算法相比,该文算法检测率提高了7.9%,特征计算时间减少了53.1%,特征点数减少了59.7%。     

一种新的基于互信息的图像配准方法

针对目前基于互信息图像配准方法中存在的不足,提出结合图像二维信息(如轮廓和边缘)与互信息的图像配准算法.它首先利用小波多尺度积提取两幅图像的特征点及其角度信息,再根据得到的特征点和角度信息,定义了特征点对互信息匹配准则,得到相应的匹配点对.最后进行了仿真实验,并将结果与由相关度、对齐度准则得到的结果进行比较,所提出的算法匹配误差最小.结果表明该算法具有匹配精确、鲁棒性好和效率高等优点.     

基于窗口的 Surf 目标跟踪

为解决Sift在目标跟踪中实时性不高的问题,提出了基于窗口的Surf目标跟踪方法.相比Sift目标跟踪,快速鲁棒尺度不变Surf在速度上有了一定的提高.为进一步提高算法的实时性,只对视频图像中包含目标的局部窗口提取Surf特征点.利用特征点之间的相对信息,采用仿射变换方法计算跟踪目标窗口的大小,并获得目标的大致位置信息,最后使用Kalman滤波器对窗口大小和位置信息平滑处理.实验结果表明,该方法在提升速度的同时,对目标发生尺寸变化及旋转等情况时能准确地跟踪物体.     

基于双目立体视觉的目标空间坐标计算及姿态估计

基于双目立体视觉的目标空间坐标计算及姿态估计方法、双目立体视觉系统标定和双目视觉系统校准技术,构建了三维场景中目标的空间坐标与图像中点像素坐标的对应方法.通过双目立体视觉系统采集目标图像,采用基于半全局立体匹配(SGBM)方法,实现了目标中心点三维坐标的计算,并通过背景差分的手段获得目标轮廓,获取目标在水平面的旋转角度,配合焦点所处的坐标位置标示,即可提取目标姿态信息.采用以上方法对电力仪表的姿态进行估计和验证,结果表明:设计的方法可以完成电力仪表的空间坐标计算以及姿态估计,可实现对电力仪表的准确抓取,为机器人在电力系统人工智能领域的应用提供参考.     

一种融合分割和消失点提取的车道线检测方法

针对路面干扰时车道线检测鲁棒性差和消失点检测误差大的问题,提出了一种基于融合分割和消失点提取的车道线检测方法.对获取视频帧图像进行灰度化和高斯滤波处理之后,利用Canny边缘检测算法对图像进行边缘提取.以边缘点最多的一行作为上界划分预处理图像的动态感兴趣区域(ROI),结合大津算法(OTSU)分割出预处理图像的车道线背景,提取车道线信息.采用直线段检测(LSD)算法对ROI区域内车道线标志进行提取,并结合改进的消失点检测方法快速提取车道线.实验结果表明:所提出的方法对多场景下离线照片的平均正检率为97.16％,识别速度为34 ms/帧,能够很好地对多场景下车道线进行快速检测.     

利用多种投票策略的水表读数字符分割与识别

基于安卓平台提出了一种对水表图像读数进行自动识别的新方法。水表读数字符分割和识别算法主要包括三部分:(1)利用霍夫变换和一种投票策略检测出水表的外部轮廓,然后基于模板影像和水表中四个红色指针位置,利用仿射变换技术对水表字符区域进行定位;(2)对图像进行预处理和连通区检测,提出一种基于投票策略的方法进行字符分割;(3)在考虑数字字符可能出现粘连噪声和缺失的情况下,使用改进的Tesseract OCR识别引擎对字符进行识别。最终通过NDK编译平台将实现的C++程序移植到Android环境中。经过对100组数据进行系统功能测试,结果表明,水表智能识别系统取得了一定效果,能对水表读数进行比较准确和快速的读取。     

基于双窗口区域激励的边缘提取算法

针对常用的边缘提取算法如Sobel、Lo G及Canny在实际使用过程中存在的一些问题,提出了一种对噪声和光照更加鲁棒的边缘提取算法.通过提取双窗口区域的加权灰度比值到预先设置的对比函数中,结合Sigmoid函数生成边缘图像的激励值,从而削弱了噪声和光照对边缘检测的影响.为了进一步提高边缘图像的对比度,通过引入对比度增强算法如自适应直方图均衡化来提高图像对比度.实验结果表明:采用此方法能够更好地提取出图像中的边缘信息,有效缓解了Sobel算法存在的局部细节丢失以及Lo G和Canny算法易受光照干扰产生伪边缘等问题.     

混合高斯噪声下的医学荧光染色图像去噪

中值滤波是比较常见的去噪方法,但如何选择最优滤波窗口则是决定图像去噪效果的关键性因素,尤其是针对无法获知无噪声的真实图像的医学图像,通过估计平滑后的误差来选择滤波窗口变得更加困难。本文通过Pilot估计针对医学荧光染色图像中的混合高斯噪声进行了估计,再通过广义SURE方法计算不同窗口下的估计误差,从而得到中值滤波的最优窗口大小,使得图像在尽可能保留纹理信息的情况下最大可能的去除了图像噪声。     

动态方向加权二维多级中值滤波的图像处理

在图像解译和识别过程中,经常需要对图像进行增强处理,以提取重要的信息。结合机器视觉、图像处理等图像增强方法,根据二维多级中值滤波原理,改进该算法,由于二维多级中值滤波在图象处理中是对图像进行固定的中值滤波处理,不能随着图像的复杂性进行变化处理,方向性不强,窗口大小不变,利用动态方向加权二维多级中值滤波方法进行图像增强处理,根据图像复杂的变化动态调整窗口大小和权值,该动态加权处理增强方法突出了视觉处理目的,达到了满意的视觉增强效果。图像处理前后的相似系数达到0.868 3,在原始图像比较复杂的情况下,可以改善后期图像处理过程,提高图像分析(解译)的正确性和有效性。     

基于前瞻窗口的单线激光雷达特征提取方法研究

针对单线激光雷达进行特征提取时存在对噪声敏感和稳定性差等问题,提出一种基于前瞻窗口的单线激光雷达特征提取方法.该方法首先使用双边滤波滤除噪声,保留了激光点云边缘特征信息;使用哈里斯(Harris)角点检测提取特征角点;并通过带有前瞻窗口的区域搜索方法完成聚类.最后将方法应用到实际的基于机器人操作系统(Robot Operation System,ROS)的移动机器人环境特征提取实验中,实验结果表明,该方法能有效提取环境特征,且有较好的稳定性和准确性.