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。     

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。     

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。     

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。     

一种自动读取指针式仪表读数的方法

介绍一种基于机器学习和图像处理算法,针对自然场景中的指针仪表图片进行仪表检测和读数识别.首先,检测并提取出图像中恰好包含仪表的部分,再针对不同的图像中仪表存在大小的多尺度特点,使用图像金字塔方法对原图进行多次的缩小和放大操作.再使用固定大小的滑动窗口对缩放后的图像进行遍历,提取每个窗口图像HOG(Histogram of Oriented Gradient)特征,使用线性SVM(Support Vector Machine)分类器对窗口是否含有仪表进行判断.然后对检测得到的仪表图像,通过图像处理的方法进行图像预处理,减少阴影的干扰,获取梯度、边缘等信息,再结合改进的霍夫变换,结合仪表图像的灰度信息检测指针的位置,以计算指针的角度.最后,根据指针的角度以及量程信息,计算当前指针的读数.实验证明,该方法具有较好的稳定性与准确性.     

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。     

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.     

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。     

一种七段数码管式医用仪表的自动识别方法

提出了计算机实现七段数码管式医用仪表自动读数的一种新方法.根据仪表数字显示区域图像中的字符特点,利用投影的方法进行字符区域的定位和单个字符的分割.利用穿线法进行数字字符识别,有效降低了误识率.实验结果表明,该方法识别效果好,快速简单,满足实时性要求,是一种高效的新方法.     

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.     

基于假设检验的SAR图像机场跑道自动识别

针对复杂条件下合成孔径雷达图像中机场目标自动检测识别问题,提出了一种基于假设检验的机场跑道自动识别算法,利用雷达图像中跑道灰度特性和结构知识,通过迭代分割和形态学滤波提取感兴趣区域,抑制具有类似灰度特性的水域对跑道线检测的影响,并结合Hough变换和线段跟踪连接提取候选跑道,最后采用假设检验方法对机场跑道进行识别.试验结果表明该方法可快速有效地检测识别复杂背景下低分辨率、低信噪比合成孔径雷达(SAR)图像中的机场跑道.     

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.     

基于多尺寸特征叠加的SAR舰船目标检测方法

针对SAR图像中舰船目标的检测问题,单纯基于深度学习的图像处理技术难以达到检测准确性和实时性要求.SAR图像中目标尺寸较小,且易受噪声、光斑干扰,传统方法难以提取精细特征并克服复杂条件下的背景干扰.针对以上问题,设计基于YOLOv3检测框架的端到端检测模型,借鉴了残差模块结构来避免网络退化问题.同时结合深层与浅层的不同尺寸特征图检测,使用目标基础特征提取网络参数来避免重复训练初始化过程.针对SAR图像中海上舰船成像小目标的特点改进优化了神经网络结构,实现SAR海面广域舰船目标识别分类算法,并对检测模型进行轻量化压缩处理.构建SAR图像舰船目标数据集并进行了多次目标检测识别分类实验,体现了提出的检测方法在复杂场景下有可靠的抗干扰能力和准确的目标检测识别性能.     

背景移动补偿技术的研究

研究利用背景移动补偿方法消除运动图像相邻帧相减造成的背景杂波,从而把复杂背景下运动目标的识别问题转化为简单背景下的目标识别问题。利用背景中特征较为明显的区域进行模板匹配,得到背景的运动数据,依据此数据将相邻帧图像错位相减。将差分图像中的背景杂波去掉,只剩下运动物体的边缘和高梯度区域,有利于目标的识别。背景移动补偿实验结果表明该方法是行之有效的。     

星际争霸图像序列的群体行为识别研究

以星际争霸游戏图像数据的群体目标行为识别为研究目标,构建游戏中群体目标典型行为的数据集,并应用当前主流的行为识别方法对游戏图像序列进行了群体行为识别.群体目标典型行为的数据集共包含战斗、移动、静止这3类典型行为,每个行为样本中包含不同数量、不同背景和不同行为表示形式的目标单元,充分保证了数据样本的多样性.分别使用时间段...     

合成孔径雷达图像中机场跑道的自动识别

为解决雷达图像中的机场跑道识别问题 ,提出了一种合成孔径雷达图像中机场跑道的自动识别方法 .首先 ,对原始图像滤波并提取图像轮廓 ,其次对轮廓图作Radon变换 ,保留最大的几个Radon变换系数 ,将其余系数置 0 ,并对Radon逆变换得到的图像进行二值处理 ,从而过滤掉大部分干扰线条 ,仅保留图像中的主要直线条 ,最后利用直线模板滤除残余干扰线条 ,并根据阈值检测出机场跑道 .实验结果表明 ,所提方法能够准确地识别出复杂背景下的水平、垂直和倾斜的机场跑道     

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。     

复杂背景下的纤维识别研究

对在复杂背景下的纤维识别进行了研究.由于图像中纤维交错分布,相互遮挡,很难用现成的方法完成识别.本文作者提出的识别方法包括3部分:边缘检测,边缘细化与边缘修复.试验结果表明,本方法可避免纤维交叉,纤维弯曲等影响,并能较为准确地识别出每条纤维.