基于不变矩和神经网络的常用电气符号自动识别方法研究

工程图纸中电气符号的自动识别是实现电气工程图纸矢量化的基础。提出了提取工程图纸中电气符号的不变特征。把不变特征值输入神经网络进行训练，得到神经网络模型识别旋转、平移、缩放电气元件图元的方法。实验结果表明：所建立的网络模型具有较好的性能。将此方法用于工程图纸的矢量化处理过程，只需识别出电力工程图纸中各个符号的类型，避免了图纸矢量化过程中的跟踪和拟合的过程，因此优化了矢量化流程。     

基于Freeman链码的直线识别方法

直线是工程图纸中出现频率最多的图元，许多更高层次的图元都是以直线段为基础而得到的，因此直线段的识别在图纸矢量化研究中占有重要地位。针对细化后的扫描图，该文将Freeman针对直线编码提出的3个约束条件应用到直线的识别之中，取得了较好的效果通过两次直线段的合并操作较好地解决了短线段过多的问题，并且恢复了在图纸中占有重要地位的线宽信息。     

一种基于Faster RCNN的电网图元识别方法

电网工程图纸矢量化识别是实现电网领域基础图纸数字化的一种重要技术途径。由于电网中的电气元件类别多,其中部分图像背景模糊,电气元件的旋转角度不一致,从而对图纸中的电气元件的识别造成一定挑战。本文提出一种基于深度学习中Faster RCNN网络架构的电气元件识别和训练方法,将需要训练的样本数据进行预处理和特征提取,在预处理过程进行平滑去噪、二值化、分割等操作,在特征提取过程采用VGG16网络,利用深度学习方法对电网图元进行识别。在包含9类电网图元的真实数据集上的实验结果表明,本文方法对电网工程图纸中的电气元件的识别和检测具有较好的效果。     

建筑平面图纸理解中关于符号识别的新方法

实现计算机图纸理解的关键在于对图纸中符号的识别,该文提出了一种建筑平面CAD图纸中符号识别的新方法,该方法首先由建筑符号中的几何图元构造出一种矩形网格结构,并用图元与网格之间的约束替换几何图元之间的约束来建立符号的几何特征描述。基于这种描述提出了一个统一的识别方法,最后给出了应用实例,取得了满意的识别效果。     

栅格图像自动矢量化系统的研究与实现

研究了自动矢量化地图所需的理论,并基于.NET平台进行了算法实现。以实现自动矢量化为目标,按照传统获取矢量化数据的流程进行探索。从数字图像处理和数学形态学的相应理论角度出发,分析了自动矢量化系统的功能;讨论了扫描电子地图二值化的实现、腐蚀膨胀和开闭运算理论在电子地图去噪中的应用、基于模式识别技术的图元细化与识别等难点技术。针对上述技术,在.NET平台上,基于GDI+技术,通过实例验证了自动矢量化系统的可行性及有效性。     

基于语义解析的印刷图矢量化系统

印刷机通过解析矢量图来完成印刷,但是其逆向过程难以实现,即通过印刷图恢复出原始矢量图以供编辑和再利用。印刷过程中颜料的堆叠、纸质的凹凸性、扫描的曝光等多种因素导致获取的位图大幅失真,利用现有的矢量化软件无法完成高精度的矢量图还原。对于图元的精确分离是一大核心问题,提出了基于语义解析的矢量化系统,利用深度学习语义分割对图元结构进行解析分类,再结合图元类型分别采用基于连通域跟踪以及基于线条骨架跟踪的矢量化算法完成矢量化。     

基于对象图例及其拓扑关系识别的二维工程CAD图纸矢量化方法

为实现二维工程CAD图纸矢量化,提出一种基于对象图例及其拓扑关系识别的矢量化方法。该方法首先针对对象图例的几何属性,提出基于HOG(Histogram of Gradient)和SVM(Support Vector Machine)的多类对象图例分类方法,然后通过提取对象的环形分割特征识别子类对象图例,接着利用基于连通域标记方法实现对象图例拓扑关系的识别。结果表明,本文算法能够有效识别图纸中的对象及其拓扑关系,对于图纸中常见的图例线条断裂、模糊等问题具有鲁棒性。基于本文算法提取的对象几何和拓扑信息可以为后续的图纸矢量化奠定基础,相关关键技术的探索性研究对后续工程图纸矢量化研究具有一定启发性。     

矢量化软件的现状及发展趋势

由于CAD技术在我国的应用不断深化发展,人们对传统的图形输入方法即借助鼠标、键盘或数字化仪一点一划地进行图形输入感到越来越不能满足要求,因此提出了通过工程扫描仪将图纸一次自动输入到计算机中,再经过一定的软件转换处理,使其变成CAD格式,从而使用纸的输入、修改和存储变得非常方便。 工程图识别技术是一门综合技术,涉及到模式识别、人工智能、数字图像处理、CAD技术等。因此它的发展受到制约也较多,只是最近几年才发展较快。 工程图识别技术有点阵识别和矢量化识别,本期专题介绍的是矢量化软件、工程计算图纸的管理及点阵软件的测试。共有5篇文章。     

图纸图像上线条的交互拾取

目前图纸的处理技术可以分为两类：矢量经处理和图像级处理。两者都 存在各自很 难解决的问题：矢量化的准确度不高，图像级的交互操作又不方便。本文提出在图纸图像上直接拾取直线的思想来源于两者的有要结合，极大地方便了图像级的交互操作。它的基本思想是：从直线上一点开始，连续扫描跟踪直线的走向，在跟踪的过程中，不断用抽样点校正直线方程；在直线地其它图元的交叉点处，删除该线后进行专门的交叉点恢复，以使其它图元的     

基于直线段跟踪的手绘图元离线识别方法*

手绘图形是人类思维外化和表达意图的一种有效方式,如何有效地提取手绘在图纸上的图形元素是理解绘图者意图的关键问题。鉴于手绘图形是由基本图元组合构成,采用层次结构逐步实现图元提取的思想,提出了一种手绘基本图元（线段、弧、圆和椭圆）的离线识别方法。在提取图形笔画骨架像素的基础上,跟踪骨架像素得到图形的直线段描述;通过对直线段序列的分析,进行直线段序列的断开和连接处理,形成图元的曲线段描述,通过对图元曲线段描述的分析得出图元的几何参数。实验表明,该方法能够以高精确度快速识别出图像中包含的手绘图元,具有良好的稳定性     

工程扫描图象的直线整体识别算法

利用工程图纸的整体形状特性，提出了对扫描图象的直线整体识别算法，该算法对图象线条轮廓上的关键点进行了精确记录，并对它们进行了分析和处理。该算法不必单独处理线的交叉问题，但交叉点处的效果明显。它的基本思想是：首先检测原图象线宽，然后依据原图象线条的不同线宽，把原图象转化为一些由梯形块组成的条块图，并对不同的条块图分别进行整体识别     

一种工程图中圆的整体识别方法

1 引言工程图的识别仍是未解决的技术之一。利用现有的设备,可以把设计好的工程扫描输入计算机,对图像进行处理后,如何对工程图像进行存档和重新绘制是一个非常重要的课题。由于图像的信息量大,需占用大量的存储空间。因此,将图像转换为其它形式的信息加以存储,例如把图形的信息转换为矢量信息进行存储,即对工程图的图像进行识别具有重要的意义。     

磁瓦表面图像的自适应形态学滤波缺陷提取方法

结合磁瓦表面机器视觉自动识别系统的需求,提出一种基于自适应形态学滤波的缺陷提取方法.针对磁瓦表面缺陷对比度低、图像中存在磨痕纹理背景和整体的亮度不均匀等难点,设计了一种新的自适应形态学滤波器;根据磁瓦表面图像不同区域内的灰度变化进行分区域逐行扫描,估算每行缺陷最大尺寸,使滤波器的一维棒状结构元素随着缺陷尺寸自动调整;通过逐行自适应形态学滤波滤除或弱化缺陷,模拟出背景图像(阈值曲线),用原始图像与背景图像相比较即可提取出磁瓦表面的缺陷.实验结果表明,该方法能准确、快速地提取出磁瓦表面图像各区域的缺陷,通用性好,可用于磁瓦缺陷在线自动识别系统.     

基于极坐标的树木叶片特征提取方法

提出了一种在极坐标下进行特征提取的方法,并将其应用于树木叶片图像识别中。该方法首先将目标图像二值化并映射到极坐标下,提取具有旋转、缩放、平移不变性的曲线面积比率、跨度比、饱和度和高度变化率等特征。然后通过最小欧式距离对叶片进行计算、识别。该方法克服了直角坐标系下特征提取方法计算量大,花费的时间长的缺陷。基于该方法的叶片特征提取算法的时间复杂度为O(n)。对于叶型有区分,且需要快速进行树叶识别的树叶数据集有很好的效果。该方法在常见的13种树木叶片中进行测试,平均正确识别率达到90%以上。     

抽油机示功图曲线跟踪

提出了将机械式示功仪绘制的示功图准确，快速输入计算机的新方法，即将绘制的示功图通过扫描仪输入计算机，经过图像预处理后，再进行曲线跟踪，将示功图矢量化，为后续示功图的准确识别创造有利条件，文中给出了两种曲线跟踪算法，能有效去除示功图扫描时产生的噪声对示功图准确识别造成的影响。     

字符点相关技术与神经网络识别

本文探讨一种新的在工程图扫描图象中自动识别字符、符号的方法,该研究是基于点相关的神经网络识别技术,这种方法考虑了各种退化的字符样本,训练一个字符时使用一种新的学习规则来自动完成训练过程,并从一组字符图象样本集中产生每个字符的理想的特征描述。这种方法使学习的复杂度呈常量,并在工程图字符识别中得到实际的应用。     

扫描图象的圆弧的定位识别算法

提出对扫描图象圆弧的定位算法。该算法分为两步：第一步对图象进行条块化,条块化就是把原图象的黑象素依据一定的条件合并若干个块;第二步就是在第一步的条件化基础上,提取候选圆弧链,进而对圆弧圆心,半径,弧的起始点和终止点进行准确定位。实验对圆弧的识别处理。     

基于NRLCTI码和匹配子曲线的平面曲线识别

为了更简单、有效地进行平面曲线的识别,首次给出了一种新的NRLCTI码的定义,并设计了一种新的算法用来匹配目标和模型轮廓曲线上的每段子曲线,同时还提出了一种从单幅图形和图像来识别平面曲线的方法。该识别方法首先利用NRLCTI码初步匹配了目标和模型轮廓曲线上的关键特征点,从而解决了用穷尽搜索法寻求特征点所对应的高费率和低效率的问题;然后在NRLCTI码匹配的前提下,再通过匹配目标和模型轮廓曲线上的每小段,从而解决了用多边形或圆锥曲线来近似曲线的不准确性问题。实验结果表明,该算法简单、有效。     

基于自适应云模型的多模态脑部图像融合方法

多模态医学图像融合通过提取并综合不同模态的医学图像信息,获得对病灶部位更加清晰、全面、准确、可靠的图像描述,为医生对疾病的诊断和合理治疗方案的制定提供可靠的依据。云模型理论是认知科学研究的新成果,具有兼顾随机性和模糊性的优点,在图像融合中的应用较少。借助云模型理论将来自不同模态的MRI(核磁共振成像)脑部图像、MRI与PET(正电子发射断层成像)、MRI与SPECT(单光子发射断层成像)脑部图像进行融合。首先,根据脑部图像自身的灰度直方图特征,对灰度直方图进行拟合;然后,由拟合曲线的谷值点划分区间并通过逆向云发生器自适应地生成云模型;最后,设计云推理规则,得到融合后的图像。实验结果表明,相比传统融合方法,所提方法融合后的图像脑部特征更清晰,激活区域更明显,在主观融合效果与客观评价指标方面均有很大的提高。