复杂光照条件下钢坯字符检测方法

针对钢坯智能识别系统中字符检测问题,提出一个基于多次分割的钢坯字符检测方法.该算法通过计算最大类间方差,对处理图像做迭代分割;然后根据字符信息提出有效的投影特征作为确定多次分割的终止条件,利用聚类特征标记并筛选出所需要的兴趣区域.实验表明,该方法能在复杂场景中有更好的准确性和稳定性,解决了复杂光照条件下字符定位自适应性和鲁棒性的相关技术问题.     

生产线复杂场景钢坯检测识别的定位方法研究

在生产线钢坯检测识别过程中,如何准确地从光照复杂场景中确定钢坯端面字符串目标所在位置是一个关键技术问题。为了解决这个问题,本文提出利用 Mean Shift对复杂场景图像进行抑制,采用多级分割滤波与聚类处理突出并找出字符串目标兴趣区域,通过最小二乘法自适应修整倾斜角度,进而完成字符串目标精准定位。实验结果表明,与传统投影定位方法相比,该定位方法能对各类钢坯字符串复杂场景完成精准定位,具有良好的稳定性和准确性,解决了钢坯字符串复杂场景的定位问题,为钢坯字符识别工作提供了关键技术。     

重轨生产线钢坯字符识别方法

针对重轨生产线钢坯支支跟踪的需求,研究了一种基于计算机视觉的钢坯字符识别方法.该识别方法对在线采集到的钢坯字符图像采用基于最大类间方差的多级分割滤波与聚类处理突出字符目标区域,从而精准定位出钢坯字符;采用基于智能多代理者的切分算法来完成钢坯字符的精确切分;采用模板匹配与结构特征识别相结合的多级识别方法来正确识别出钢坯字符.实验结果表明所提出的算法能正确快速地识别出钢坯号字符.     

低对比度嵌入型钢坯字符识别方法

针对嵌入型钢坯字符具有低对比度、边缘特征不稳定等特点,提出基于轮廓测度LoG算子.首先使用多角度的卷积模版对图像进行卷积运算,有效地增强了字符各方向上的边缘轮廓信息,通过对零交叉点的检测获得候选区域闭合的边缘轮廓,其次使用区域填充算法对闭合轮廓区域进行填充获得候选联通域,最后根据字符与噪声在形态学特征上的差异去除噪声,进而完成字符串信息的完整提取.实验结果表明,基于边缘检测的嵌入型钢坯号识别方法识别效率高,具有较高鲁棒性,检测结果中的字符信息保留完整,能够很好用于字符识别过程,为嵌入型钢坯字符在实际生产线的应用提供了的关键技术支持.