基于BP神经网络的铁谱磨粒图像识别方法研究

在磨粒识别过程中,铁谱磨粒图像预处理和特征参数提取是关键。应用图像形态学的处理方法对磨粒图像进行预处理,结果表明,利用开运算、闭运算的图像形态学处理方法对铁谱磨粒图像进行预处理,可以消除图像二值化后留下的孤立小碎点、孔洞以及边界断点。通过磨粒图像的统计特征参数和傅里叶特征参数建立BP神经网络,并对磨粒进行识别,结果表明:采用该方法能正确识别磨粒图像,辨别磨损机制。     

改进的Hough变换在零件圆心定位中的应用

针对自动化生产线上粉末冶金零件在检测中圆心定位困难的问题,在传统Hough圆变换方法基础上作了一系列改进,该方法先对图像进行预处理,比如滤波、边缘检测等,然后进行Hough变换实现零件图像的快速定位。实践证明,该方法不但减少了图像处理的时间,而且提高了Hough圆变换在各种零件检测中圆心定位的准确性。     

低照度下的海上目标识别与跟踪

针对海上目标识别过程中,热像仪图像存在干扰、目标不明显等问题,利用直方图均衡化的方法增强了目标与背景之间的对比度,便于识别;对均衡化后的图像二值处理,再利用数学形态学的方法进行开运算,消除图像中的细小噪声、平滑物体边界,在单帧图像中提取出候选目标。为了从多个候选目标中筛选出目标,通过具有平移、缩放及旋转不变性的圆形度来筛选出目标。针对现场环境在实验室做了模拟实验。实验表明,该方法能够快速准确的检测出存在强干扰、不明显的目标,将能够在海上防暴系统中发挥重要作用。     

基于相关匹配的QR码识别方法

QR码图像识别是QR码应用中的关键技术.Hough变换、曲面拟合去背景、控制点变换等方法为QR码识别过程中图像预处理的基本方法,针对图像预处理后图像识别率低的缺点,提出了一种基于相关匹配法的QR码识别方法.基于曲面拟合的改进自适应阈值法分割图像.采用Hough变换和控制点变换方法校正图像的几何失真变形.利用模板对QR码进行相关匹配,对相干系数阈值处理得出取样网格.实验表明,本文算法能有效提高QR码识别效率和效果.     

基于计算机视觉的车道线检测与识别

该文基于计算机视觉基础,设计了一种车道线的检测与识别技术,通过汽车搭载的前置摄像头获取道路前方包含车道线等信息的实时画面,并对画面进行预处理、形态学运算、Canny边缘检测、累计概率Hough变换等一系列转换,得到正确的车道线信息。实验结果表明,该方法可以有效快速地检测和识别出正确车道线,满足了汽车无人驾驶系统的响应时间需求,在汽车无人驾驶的开发过程中有一定的现实研究意义。     

基于剪切波变换的复杂海面红外目标检测算法

针对复杂海面红外目标检测问题,利用剪切波变换优良的各向异性能力和系数的几何特性,提出了一种基于剪切波变换的复杂海面红外目标检测算法.该算法利用剪切波变换得到边缘图像,同时提供边缘的方向信息,极大提高了海天线的检测和识别概率;然后根据海天线位置进行边缘加权,抑制海杂波,保留目标信息;经过减行均值滤波,对加权边缘图像进行分割;最后,进行数学形态学处理,检测出舰船目标.实验结果表明,该算法可以在单帧图像中检出目标,并且对存在阳光亮带、海杂波等干扰的复杂海面背景取得较好的检测效果.     

车牌照字符倾斜校正方法的研究

提出了一种车牌照字符倾斜的校正方法,该方法基于Hough变换和Radon变换.用Hough变换检测车牌照上下两边,并对水平倾斜的牌照进行水平校正,再用Radon变换检测字符垂直倾斜角度并进行垂直校正,实验结果表明车牌图像经过二次校正大大减少了字符切分的困难,有利于后面字符的正确识别.     

基于聚类-改进灰狼算法的设施番茄分割识别方法

设施环境中的果实图像识别是作物生长监控和采摘智能化的关键技术之一。以设施番茄(品种:苏粉14)为研究对象,针对其获取图像果实粘连导致机器作业识别不准确,且识别效果受光线影响等问题,提出了一种改进灰狼算法优化聚类中心的番茄图像自动分割方法,并通过形态学和多尺度Hough变换算法对目标进行提取,完成图像中粘连果实的分割与识别。首先通过添加扰动因子对灰狼算法进行改进,调整搜索半径,增强全局寻优能力,避免算法陷入局部最优,然后利用改进灰狼算法对K均值聚类算法的聚类中心进行优化,模拟灰狼狩猎机制,寻找一组最佳聚类中心,克服原始聚类算法对初始中心点的过度依赖,提高其聚类效果,为识别设施番茄果实提供了良好的分割基础。对分割后的图像进行几何形态学处理,然后通过多尺度Hough圆检测,对果实进行识别和定位。随机选取200幅番茄图像进行实验,实验结果表明,相对于粒子群优化算法和遗传算法等优化算法,聚类-改进灰狼算法在收敛速度、聚类质量和稳定性方面都有显著提升,其中运行时间比K均值聚类算法缩短48.7%,峰值信噪比提高了45.2%,结构相似度提升了10.2%。聚类-改进灰狼算法果实平均识别率为89.2%,比通过K均值聚类算法进行分割的果实平均识别率提高了10.8%,识别率明显提高,实现了番茄果实的识别和定位。     

巡检机器人中的指针式仪表读数识别系统

为了解决智能巡检机器人仪表读数识别中易受光照变化影响、识别精度不高等问题,结合高压变电场中常见指针区域的图像特点,建立了指针式仪表读数高精度识别系统。鉴于巡检机器人的室外工作环境,提出了迭代最大类间方差算法,实现了多种光照条件下仪表图像的指针区域提取。经过分析指针转动和图像特性,提出了基于Hough变换的指针角度识别,推导出指针角度与仪表读数的函数关系。该算法较传统Hough变换角度提取法,增加了指针中心线通过表计中心等约束条件,提高了指针角度提取的精度,降低了搜索数据量和搜索时间。通过大量实验验证所建立的表计读数识别系统可实现室外各种光照条件下表计读数识别,获得95%以上的正确识别率。多组鲁棒性实验分析表明,该系统对光照条件、指针宽度、表盘干扰、拍摄角度(不产生指针阴影)具有较好的鲁棒性,但由于拍摄角度而产生指针阴影时,会引起较大的指针中心线提取和角度计算偏差,从而降低仪表读数识别精度。     

基于Faster R-CNN的工件螺纹孔目标检测（英文）

为了提高螺纹孔目标检测的准确率,结合双相机视觉系统与Hough变换圆检测算法,提出了一种基于Faster R-CNN的螺纹孔目标检测方法。首先建立了由双相机组成的图像获取系统,通过安置在高处的工业相机采集工件整体图像,利用Hough变换圆检测算法初步筛选出工件上的疑似螺纹孔的位置,并驱动第二个工业相机逐个在近处采集经Hough变换检测出的疑似螺纹孔的局部精确图像。然后,在自建的螺纹孔数据集上训练以ResNet50为基础网络的Faster R-CNN目标检测模型。最后,将螺纹孔处局部图像输入训练好的Faster R-CNN目标检测模型进一步识别并进行定位。实验结果表明,该方法能有效地避免螺纹孔小目标检测,相对于单独使用Hough变换方法或者Faster R-CNN目标检测方法检测螺纹孔,具有更高的识别和定位精度。     

基于Faster R-CNN的工件螺纹孔目标检测

为了提高螺纹孔目标检测的准确率,结合双相机视觉系统与Hough变换圆检测算法,提出了一种基于Faster R-CNN的螺纹孔目标检测方法。首先建立了由双相机组成的图像获取系统,通过安置在高处的工业相机采集工件整体图像,利用Hough变换圆检测算法初步筛选出工件上的疑似螺纹孔的位置,并驱动第二个工业相机逐个在近处采集经Hough变换检测出的疑似螺纹孔的局部精确图像。然后,在自建的螺纹孔数据集上训练以ResNet50为基础网络的Faster R-CNN目标检测模型。最后,将螺纹孔处局部图像输入训练好的Faster R-CNN目标检测模型进一步识别并进行定位。实验结果表明,该方法能有效地避免螺纹孔小目标检测,相对于单独使用Hough变换方法或者Faster R-CNN目标检测方法检测螺纹孔,具有更高的识别和定位精度。     

炭素制品缺陷的X射线自动检测技术研究

针对炭素制品X光图像的特点,对其缺陷的提取与识别技术进行了研究,给出了目标边界提取算法和基于小波变换的图像增强算法,实现了图像的背景去除及增强处理。在此基础上,为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从背景去除后的图像中提取出缺陷区域,取得了良好的效果。对缺陷特征选择及识别方法进行了研究,设计了基于遗传策略的特征选择和基于BP神经网络的缺陷识别算法,计算表明:缺陷正确识别率可达95%以上。采用上述技术开发完成了一套炭素制品缺陷X射线自动检测系统。     

一种基于紫外荧光图像的人民币面额识别算法

通过调研国内外纸币面额识别技术的研究现状,设计了一种基于紫外荧光图像的人民币面额识别算法,该算法利用在紫外光照射下人民币正面的荧光面额区域作为识别特征,经过简单的图像预处理(包括倾斜校正、图像二值化、滤波和形态学处理等)操作,综合运用几何结构分析和模板匹配的方法实现对六种人民币面额的识别,识别率达到99%以上,平均识别时间在0.04s以内。该算法识别效果好并且满足一定的实时性,经过改善可以运用到自动售货机、点钞机、清分机、ATM机等实际系统中。     

基于变换域Hough变换的遥感图像相干干扰分析

相干干扰的存在严重地影响了对遥感图像中目标的特征提取和识别的精度,降低了各种遥感定量分析方法的有效性。通过对相干干扰的幅度和相位特性的定量分析,本文提出了相干干扰的小视场模型和大视场模型,并给出了基于变换域的Hough变换算法。实践表明,与传统的邻域平均、中值滤波、经典频域滤波等消除干扰算法相比,该算法不仅高质量地消除了遥感图像中的相干干扰,同时还能有效地保留原图像中的细微影纹和边缘信息,并获得较好的峰值信噪比。该方法已在航天遥感图像的实时采集及处理系统中获得成功应用。     

用改进的Hough变换检测交通标志图像的直线特征

直线特征是交通标志图像中稳定而重要的特征,直线特征的正确提取,对于提高交通标志识别率是有意义的.针对已有Hough变换的缺点,如参数空间中的峰值扩散问题、繁重的计算复杂度和空间复杂度等,提出了一种自适应"多对多"Hough映射方式.新算法具有良好的时间计算复杂度、对阈值不敏感且能精确地提取出图像中的直线.实验结果表明,新方法的阈值选择范围是MTO_θ的3倍,而运算时间仅为MTO_ρ方法的10%左右.改进的Hough变换能在可接受的时间内准确地提取交通标志图像中的直线,还可用于其它图像(如票据图像、符号图像)中直线特征的提取.     

基于改进Hough变换的图像线段特征提取

为了从复杂背景中提取欲识别的目标,提出一种基于改进Hough变换的图像线段特征提取方法.针对传统Hough变换的局限性,在经典算法的基础上增加了全局阈值与局部阈值结合去除虚假尖峰,利用动态分组原则确定线段的端点,融合端点邻近的线段等改进算法.实验表明,该方法不但可以识别简单背景中的规则几何图形,还可以有效地提取复杂背景中真实目标的线段特征.     

车牌图像预处理研究

为解决由于天气或拍摄角度等原因造成拍摄到的车牌图像模糊、歪斜或缺损的情况,研究了车牌图像预处理技术。对输入的灰度图像进行大小归一化,避免因图像的变形而影响后续的处理。通过灰度拉伸增强图像对比度,通过二值化处理实现图像中背景和对象的分割。采用动态阈值法确定图像二值化的关键阈值,使用带修正的自适应邻域平均法消除图像干扰和噪音,并使用Hough变换和旋转投影相结合的方法实现车牌图像的倾斜校正。实验结果表明,所采用的车牌图像预处理方法对灰度图像可以实聊．较好的处理效果．     

基于改进Hough变换的交通标志图像中的直线检测

准确地提取出交通标志图像中的直线特征,对于提高对交通标志的识别率具有重要的意义。提出利用Hough变换来检测交通标志图像中的直线特征,并针对已有Hough变换的缺点,如参数空间中的峰值扩散问题,繁重的计算复杂度和空间复杂度等,提出了一种改进的Hough变换。在新的方法中,采用自适应“多对多”映射方式。在该映射方式下,能很好地解决峰值扩散问题,对参数的量化宽度不敏感,且在峰值检测的过程中能非常方便地选取阈值。实验结果表明,采用新映射方式的Hough变换方法能在可接受的时间内准确地提取交通标志图像中的直线。     

基于计算机视觉的指针仪表盘识别算法与系统设计

基于计算机视觉技术，设计实现了一种高效的指针式仪表自动化识别系统。该系统可以通过摄像头实时采集仪表盘图像，经过预处理后使用Hough圆检测方法定位表盘位置，并结合Hough变换与边缘聚类分析识别指针角度，利用预设仪表模型计算得出指针读数。实验结果表明，该系统实现简单，使用方便，可满足高精度与实时性的识别要求，并且在动态场景中具有较好的抗干扰性，对摄像采集与计算平台硬件性能要求不高，在工业与生活中具有很好的应用价值和发展前景。     

一种通用的全向视觉水平边线快速检测方法

作为机器人导航定位重要标记的边线,在普通全向视觉成像中,往往发生扭曲,难以检测与识别,针对该问题提出了一种通用的全向视觉水平边线快速检测方法,将边线检测的坐标系从图像转换到水平场景中,以较为均匀提取的部分点集代替全部点集,以减少直线Hough变换的运算时间,针对不同性能的全向视觉,提出了两种点集的提取方式,实验表明基于场景投影的水平边线检测方法能够正确检测到全景图像中的边线,实时性好。