基于表观特征的手势识别研究

手势识别在人机交互与虚拟现实中有重要应用,本文提出一种新的基于Zernike矩和傅里叶描绘子联合表观特征的手势识别方法。依据YCbCr色彩空间的肤色检测,分割出手势;对手势分割后的图像计算Zemike矩和傅里叶描绘子,选取Zernike矩和傅里叶描述子构成联合特征向量;构建一个多层感知器神经网络分类器,进行手势识别。构建一个含有2000样本的数据集来验证算法,实验结果显示手势识别准确率达到98．9％.     

基于不变矩和SVM的圆形交通标志识别方法研究

针对道路交通标志的自动识别问题,通过不变矩和支持向量机(SVM)方法对圆形标志图像识别方法进行研究。首先根据交通标志的颜色和形状信息对采集到的原始图像进行颜色分割、形态学去噪和形状检测等处理,获得图像中包含交通标志的区域。然后分别对标志图像进行Hu矩和Zernike矩的特征值提取,将特征值输入SVM中进行训练并采用网格搜索法对SVM进行参数优化,最后使用优化后的支持向量机方法实现交通标志的识别。实验表明,与现有的其他交通标志识别算法相比,采用高阶Zernike矩与优化后SVM的识别方法有更好的识别效果。     

基于Zernike矩的人眼定位与状态识别

针对驾驶环境下光照变化和头部倾斜旋转对人眼检测的影响,提出一种基于Zernike矩特征的人眼定位与状态识别方法。首先分析了图像Zernike矩幅值的旋转不变性及其相位角度信息在人眼定位与状态识别方面的适用性。其次为了提高人眼定位的精度,采用Relief算法分析筛选出更为适合描述人眼形状信息的Zernike矩组成特征向量,并结合相对误差距离测度的向量相似性匹配方法来实现人眼区域的检测与定位。随后提出一种基于Zernike矩相位信息的快速旋转角度估计算法,用以补偿修正人眼图像的旋转角度,消除头部倾斜旋转对人眼状态识别的影响。最后对角度修正后的人眼图像采用投影法计算得到最终的人眼开合度状态。实验结果表明,该方法能在一定程度上提高人眼定位的精度和鲁棒性,并且所提出的旋转角度修正算法可使得人眼状态识别的准确率大幅提高。     

基于Hu矩、Zernike矩和小波矩的局部放电识别分析

为了分析不同图像矩特征在局部放电中的识别效果,将基于局部放电相位分辨(Phase-Resolved Partial Discharge,PRPD)模式的φ-q-n三维图谱转化为二维灰度图,基于灰度图的矩特征对局部放电进行模式识别,不同的矩特征,图像的识别率相差较大。采用Hu矩、Zernike矩和小波矩对3种局部放电类型进行模式识别,结果表明:基于Hu矩和Zernike矩表征图像全局信息的特点,其图像识别率较低;而基于小波多分辨率特性的小波矩,不仅可以反映图像的全局信息,而且能够表征图像的局部信息,其图像的识别率达到100%,拓展了矩特征在局部放电模式识别中的应用。     

一种坦克装甲车识别方法

坦克装甲车识别在军事图像处理方面具有重要的意义,对于实现对地面目标进行精确打击具有重要的实际用途.本文主要围绕复杂背景中目标图像区域识别方法进行了深入研究,重点阐述了图像二值化迭代选择阈值法、图像特征提取的目标区域Zernike矩计算法、图像分类识别的神经网络技术等重点技术,介绍了一种行之有效的识别方法,实现了在包含地面军事战术目标初始图像中对坦克装甲车区域的较准确识别.通过对近百幅坦克、装甲车等图像的试验测试,识别率达到了95%.     

基于小波阈值与区域分裂合并的锂电池极片缺陷检测方法

针对锂电池在工业生产时极片上产生的低对比度缺陷难以检测的问题,提出了一种基于小波阈值与区域分裂合并的锂电池极片缺陷检测方法。首先对锂电池极片缺陷图片进行感兴趣区域(ROI)提取,并采用小波阈值对图像进行去噪;其次通过直方图正规化来增强图像,突出缺陷特征,并利用区域分裂合并算法实现缺陷分割;最后通过形态学来对缺陷区域进行填充,并采用高斯差分(DOG)算法进行缺陷检测。结果表明,该算法对极片涂布区域背景上难以辨别的黑斑、漏金属、刮痕和白斑等缺陷有较精确的检测效果,且对工业中的锂电池缺陷检测工作具有一定意义。     

一种利用形状描述子的选择性图像分割方法

针对传统的图像分割算法难以分割出具有语义特征的目标区域的问题,将形状描述子的识别能力引入图像分割过程,利用其提供的较高层的语义信息,生成边界模板来指导图像分割,同时使用遗传算法来处理边界模板的匹配过程,从而智能地选择和分割出目标区域.最后,在形状描述子对全局形状信息的约束下,又根据目标图像的局部特征进行分割边界的优化.试验结果证明,本方法成功地将形状描述子的描述和识别能力引入图像分割过程,实现了对目标图像的选择性分割,达到满意的分割效果.     

基于图像处理的智能电表显示缺陷自动检测系统设计

文章设计了一种基于图像处理的自动检测系统,能够实现智能电表显示面板质量检测的自动化。该系统能够很好的检测出LCD显示面板中包括中文字符、数码管以及一些特殊字符和图形由于焊接加工问题导致的图形显示缺笔画或者不显示问题;此过程主要包括图像特征区域的定位、字符的分割、字符的缺陷识别判断;在特征区域定位中,首先采样获取LCD区域彩色图像直方图,然后利用反投影法获取大致特征区域,接着通过Canny边缘检测、概率直线检测确定特征区域的具体坐标;在字符分割的过程中,主要对预处理图像使用了水平、垂直投影等方法;最后利用模板匹配进行缺陷检测。此方法以DL/T 645-2007电表为检测对象,经过工厂实地图像取样,算法经代码实现,缺陷识别度高。     

基于点云的复杂环境下楼梯区域识别

自主移动机器人已经在国防军事、灾区救援等领域有了广泛应用,楼梯区域作为一种典型的环境目标,需要机器人能够对其做出准确识别。放置于楼梯区域的障碍物会破坏传统楼梯识别算法需要提取的楼梯平面及边缘特征,导致楼梯区域无法被准确识别。针对该问题,提出了一种复杂环境下,基于点云的楼梯区域检测识别算法。该算法首先使用区域生长方法对目标区域进行分割并通过各区域拟合平面法线方向来选取疑似为楼梯各级竖直阶面的区域;进而对各级楼梯区域进行处理,分割障碍物并获取各级楼梯竖直面上边界;最终根据各级边界位置得到楼梯模型以及障碍物位置。实验结果表明,该算法具有较好的鲁棒性,能在各种复杂环境下识别出楼梯并得到无障碍楼梯区域,构建的楼梯三维模型尺寸误差均小于7%,有较高的准确性,相较于传统楼梯识别算法,能达到更好的检测识别效果。     

基于空域形态一致性特征的绝缘子串定位方法

绝缘子串的精确定位是实现其故障诊断的重要前提。针对目前电网巡检图像中绝缘子串检测算法定位不精确的问题,该文提出了一种基于空域形态一致性特征的绝缘子串精确定位方法。首先,对巡检图像进行基于颜色对比和结构对比的显著性检测,以此确定绝缘子串候选区域;然后,对候选区域进行二值分割,分别沿水平方向和垂直方向进行二值像素累积投影,将图像矩阵转换为投影曲线;之后,从投影曲线中定义9个表征绝缘子串空域形态一致性特征的描述子;最后,以此描述子对候选区域进行绝缘子串搜索,实现绝缘子串精确定位。实验中,绝缘子串检测率达到92%,定位精确度达到0.93。结果表明,所提算法具有较好的识别正确性和定位精确性。     

一种基于图像增强的交通信号灯识别方法

针对现有传统算法在光照不均匀、背景复杂的情况下对交通信号灯的识别精度低、漏检率高的问题,本文提出了一种基于图像增强的交通信号灯识别方法。首先采用改进的迭代法对原图像进行处理;接着在HSV颜色空间中增强原图像的V通道亮度信息,利用自调节的颜色阈值范围筛选出交通信号灯的颜色候选区域;最后,分别提取原图像经过双处理后获取到的图像轮廓,结合两张图像中的轮廓信息筛选出信息相同的候选区域,并通过计算候选区域的面积、宽高比判断出交通信号灯的区域,从而完成交通信号灯的识别。实验结果表明,在光照不均匀和复杂背景条件下,该算法比现有其他传统算法的识别准确率提升了1.05％,并具有良好的实时性。     

基于注意力机制的交通标志识别

针对实际场景中的交通标志大多小而密集,导致小目标交通标志识别准确度较低的问题,提出一种改进YOLOv5算法。首先将CBAM同时嵌入YOLOv5网络的Backbone和Head部分,以提升网络特征提取能力。其次为解决GIoU Loss可能造成的模型收敛速度较慢问题,改用DIoU Loss作为网络回归损失函数。实验结果表明,改进后的算法对于交通标志图像的识别平均准确率达到96.40%,相较于原算法有了6.83%的提升。最后为验证模型的实时可行性,在TX2嵌入式系统中利用本文改进YOLOv5算法对实景视频中的交通标志进行识别,结果表明本文改进算法能在嵌入式系统中流畅运行。     

基于区域颜色分割的交通标志检测和识别

现在的高端汽车市场上汽车驾驶辅助摄像系统是一大亮点,研究工作致力于提供一个软件算法来实现驾驶辅助系统中实时交通标志检测和识别的功能。算法的每一步设计都尽量不影响其实时性,基于HSI颜色空间,使用了新型的基于区域的快速颜色分割,结合分层技术和简单阈值处理,可以快速地按颜色分层得到采样图像中可能含有标志的感兴趣区域;再在此区域结合数学形态学的膨胀运算以便识别区域形状。最终基于最后输出的感兴趣区域掩模原图像的亮度分量,用边缘方法提取边缘方向的统计特征,进行基于内容的图像检索(CBIR)。初步实验结果,对感兴趣区域的检测准确率在90%以上。并且算法可以扩展到大部分目前标志数据图库中涉及的绝大部分标志使用形状。     

基于 YOLOv5 算法的交通标志识别技术研究

针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种改进YOLOv5算法的交通标志识别方法.首先改进YOLOv5算法的损失函数,使用EIOU损失函数代替YOLOv5算法所使用的GIOU损失函数来优化训练模型,提高算法的精度,实现对目标更快速的识别;然后使用加权Cluster非极大值抑制(NMS)改进YOLOv5本身所使用的加权NMS算法,提高生成检测框的准确率.实验结果表明,改进后的YOLOv5算法在由长沙理工大学制作的CCTSDB交通标志数据集上训练的模型的mAP值达到了84.35％,比原始的YOLOv5算法提高了6.23％.所以改进YOLOv5算法在交通标志识别中有更高的精度,能够更好的应用到实践当中.     

基于Android平台的交通标志识别研究

通过前期调研和对基于颜色和形状的交通标志检测方法的MATLAB仿真实验,提出并实现了基于机器学习的交通标志检测方法.由于自然场景下的交通标志往往具有复杂的背景,基于机器学习的交通标志检测方法能够更准确地识别出自然场景下的交通标志.通过Android NDK技术,将C++语言编写的图像处理程序交叉编译生成动态链接库,该动态链接库便可在Android端通过Java程序调用,解决了常用计算机视觉库在Android平台上提供的接口不全、资料不完整导致的无法进行复杂图像处理的问题.实现了将道路交通标志识别算法应用于Android系统平台上,并进行了相关功能测试.     

基于改进Zernike矩的轴类零件尺寸测量方法

轴类零件尺寸视觉测量当前多采用像素级边缘检测算法,难以适应工业自动化高精度测量需求。为提高轴类零件轴径尺寸测量精度,本文提出一种基于改进Zernike矩的轴类零件尺寸测量方法。首先利用Canny边缘检测算法对轴图像进行粗定位,获取像素级边缘。其次,根据图像目标与背景间灰度差异,提出基于多阈值Otsu的Zernike矩最佳判定阈值获取方法,获取亚像素级边缘。最后,提出基于边缘点搜索的改进最小二乘法拟合轴图像边缘直线,获取轴径尺寸测量值。实验结果表明,以自行车后轴轴径尺寸测量为例,本文算法相比传统Zernike矩方法稳定性更高,与人工测量值相对误差在0.011%以内,测量精度满足工业零件尺寸测量中自行车轴直径6级公差精度要求。     

基于深度学习的交通标志文字信息检测与识别方法

为解决无人驾驶汽车外界环境感知系统对交通标识文字信息检测问题,提出一种在自动驾驶场景下对交通标识的文本信息进行检测并识别的两阶段方法,实现了自动驾驶信息精细化采集。首先使用YOLO检测器检测交通标识,同时使用本文改进的DB检测网络对场景内文本进行检测,将交通标识检测结果与场景文本检测结果进行交集运算得到待识别文本区域;最后使用轻量化CRNN网络对待识别区域文本进行识别。使用CSCT-1600数据集和MTWI-2018数据集分别进行训练和测试。实验结果表明,交通标识信息定位算法在召回率为92.98时精确度为94.95%,交通标识信息识别算法在F1为77.2%时识别速度为25帧。     

基于轻量化YOLOv3和Tesseract OCR的电力设备标志牌识别技术

针对“无人化”变电站中电力设备标志牌的实时监测识别问题,提出了一种基于轻量化YOLOv3和Tesseract OCR的电力设备标志牌识别方法,针对标志牌特定的图像特征,设计了端点定位策略解决图像预处理的透视形变问题,利用Tesseract OCR引擎训练标志牌专属语言库,实现了高精度的电力设备标志牌检测与文字识别一体化。实验结果验证了所提方法对电力设备标志牌实时检测识别的有效性。