基于改进随机Hough变换的混合圆/椭圆快速检测方法

针对随机Hough变换(RHT)在复杂图像中检测圆时随机采样所造成的大量无效采样和无效累积问题,提出了一种新的基于连续曲线段的RHT(CRHT)混合圆/椭圆检测方法,它首先利用连续的边缘曲线段来优先决定随机采样点的数据,再利用不准确的梯度方向信息来决定是按照圆还是椭圆对采样到的几个点进行参数累积,一方面它较好地解决了标准RHT检测中无效采样概率大、无效积累时间多的问题,另一方面也解决了圆与椭圆的混合检测问题.实验结果表明本文的算法具有较高的计算速度,检测性能比RHT算法有较大提高.     

利用有限低频信息的居民用户非侵入负荷监测算法

通过更多信息特征或高频采样技术提高识别准确率的负荷监测算法,会增加信息采样阶段的成本和边缘数据处理的难度,提出一种基于有限低频信息的非侵入式负荷监测算法。设计最佳事件检测器,该检测器根据滑动窗口采集聚合负荷数据,并根据统计特征指标判断电器投切位置;将事件发生前后的功率序列作为识别特征,利用互补集合经验模态分解算法分解出功率序列中的多阶本征模态函数和最终趋势,绘制分解结果的二维图像并将其输入卷积神经网络进行训练和识别,从而实现仅基于有限低频采样信息就可高精确率地识别负荷。基于公开数据集的仿真结果验证了所提算法的有效性。     

基于最小凸包的直齿圆柱齿轮检测方法研究

提出了基于齿轮外轮廓最小凸包及凸包缺陷的直齿圆柱齿轮齿数及缺齿识别算法,采用二值图像连通域跟踪提取齿轮外轮廓,然后进行外轮廓最小凸包及凸包缺陷检测,去除伪凸包缺陷后进行齿数检测及缺齿部位识别。根据直齿圆柱齿轮外形特征,提出了基于齿轮外轮廓凸包顶点的齿顶圆检测方法,以及基于齿轮外轮廓凸包缺陷最深点的齿根圆拟合方法,实现了直齿圆柱齿轮的特征圆参数快速测量。实验结果表明,齿数及缺齿识别算法正确率高达98.48%;与现有两种典型方法对比,齿轮特征圆拟合算法可以实现各种情况下齿顶圆和齿根圆的高速高精度定位。     

基于复合波形识别算法的“飞点”检测和还原方案研究

智能变电站以全站信息的数字化为基本要求,利用数字采样代替传统的模拟采样,采样装置数量大大增加。站域保护对数字采样的可靠性提出了更高要求,而SV(采样值)中存在大幅值"飞点"(数据异常点)是引起保护误动的主要原因。在深入研究"飞点"产生原因及其特征的基础上,提出一种基于复合波形识别算法的"飞点"检测和还原方案:采用基于积分型波形对称法和导数型波形识别法的复合波形识别算法,利用标准正弦波窗的概念,能迅速、准确地识别"飞点"数据。另外,根据正弦恢复算法可对"飞点"数据进行修复,无需闭锁判据即可保证保护的可靠性。通过建立PSCAD仿真模型,模拟单个"飞点"和连续"飞点"的正常运行和短路故障时波形,验证了所提"飞点"识别及修复方案的可靠性。仿真结果证明,保护装置动作正常,不会发生误动、拒动。     

基于 YOLOv4-tiny 和完整度排序的 标志物快速圆检测算法

针对现有圆检测算法在高分辨率标志物图像中检测效率低的问题,提出了一种新型标志物快速圆检测算法。首先通过YOLOv4-tiny算法快速定位图像中的标志物,滤除背景干扰,然后利用提出的弧段完整度排序方法从标志物中筛选出不同完整度的候选圆,最后通过距离和方向角约束筛选并拟合得到所有的标志物圆。基于高分辨率标志物图像数据集进行了实验,实验结果表明算法具有极快的检测速度,在检测精度基本不变时,算法的检测时间只有EDcircle算法的11%,AAMED算法的5.0%,为需要快速定位标志物的视觉定位、标定等任务提供了一种高效的解决方案。     

基于对称性的最小二乘拟合随机椭圆检测算法

提出了1种基于椭圆对称性和最小二乘拟合的椭圆检测算法.首先,通过CANNY算子获取边缘点;其次,改进采样方法,利用椭圆的对称性和旋转不变性,对边缘点进行采样,有效避免了传统算法大量无效采样;最后,利用分布均匀的两对采样点,使用最小二乘拟合的方法对椭圆进行检测.实验表明,该算法有效地解决内存和运算量较大等问题.利用椭圆的...     

基于样本扩充和特征优选的IGWO优化SVM的变压器故障诊断技术

为了增强变压器故障诊断模型对不平衡样本的学习能力从而提高少数类故障样本的识别精度,提出了一种基于样本扩充和特征优选的融合多策略改进灰狼算法(improved grey wolf optimizer with multi-strategy, IGWO)优化支持向量机(support vector machine, SVM)的变压器故障诊断技术。首先,使用基于K最近邻过采样方法及核密度估计自适应样本合成算法的混合过采样技术对少数类样本进行扩充得到均衡数据集,并在此基础上采用方差分析对变压器候选比值征兆进行特征优选。然后,通过改进灰狼优化算法(grey wolf optimizer, GWO)初始化策略、参数及位置更新公式,并引入差分进化策略调整种群,提出了融合多策略的改进灰狼算法。最后,构建了一种基于混合过采样技术的IGWO优化SVM的变压器故障诊断模型,并通过多组对比实验验证了所提方法能够有效增强模型对少数类故障样本的识别能力,并提升模型的整体分类性能。     

基于深度学习的改进型YOLOv4输电线路鸟巢检测与识别

针对输电线路无人机巡视图像经典鸟巢检测算法权重参数范围大、识别效率低、识别精度低的缺点,提出了一种改进型YOLOv4输电线路鸟巢检测与识别方法。首先,选取Mosaic图像增强技术对图片集进行多种变换,变相增加图片集中的小目标数量。其次,在骨干特征提取网络中,通过引入深度可分离卷积来提高检测网络的速度;在YOLO头中,基于K-means++算法改进锚框的大小和比例,基于最小凸集建立回归损失函数。最后,在PANet和YOLO头之间增加2个SPP模块,进一步增强特征融合能力,提高小目标检测能力。利用某供电局无人机巡检图像制作数据集,将提出的算法与其他目标检测算法进行对比实验研究。实验结果表明,改进后的算法有更高的鸟巢检测准确度和更低的运算开销。     

基于采样频率自适应的高精度谐波分析软件算法

采样不同步产生的同步误差是造成频谱泄漏和影响谐波分析准确性、检测精度的重要原因。本文提出一种基于采样频率自适应技术的软件算法,通过采样数据计算得到信号较为准确的实际频率,并根据实际频率动态调整采样的时间间隔,实现采样频率的自适应,从而减少同步误差,降低频谱泄漏的影响。该软件算法实现简单,精度较高,对于频率变化较缓慢的电力信号能够明显地提高测量精度。仿真结果验证了算法的特性,给电力系统高精度谐波分析提供了一种有效的方法。     

基于改进粒子滤波的空间红外小目标跟踪方法

为有效跟踪空间红外小目标,常采用基于粒子滤波的检测跟踪算法。粒子滤波中,防止粒子退化的两个关键因素是选择合理的建议分布和重采样算法。在对重采样算法研究的基础上,提出了以有效粒子数作为阈值进行模型切换,分别利用残差重采样和系统重采样的优势,将两种采样模型有机结合,从而得到一种自适应的残差系统重采样（RSR）算法。实验结果表明,所提出的改进重采样算法在时间和跟踪精度上均优于经典重采样算法,有效地提高了空间红外小目标跟踪的效率和稳定性。     

一种新的快速Hough变换圆检测方法

Hough变换圆检测(HTCD)存在计算量大和占用内存空间大的缺点,严重影响了该方法的计算效率。提出了一种新的快速Hough变换圆检测(FHTCD)的新方法。首先通过下采样,得到缩小的图像;进行Hough变换圆检测,得到粗尺度的检测结果。将结果恢复到原始尺度,在其放宽的误差范围内建立新的参量空间;再次进行Hough变换,可以得到圆检测精确值。新的方法通过压缩和适度控制参量空间,大大减少了冗余信息带来的计算量,提高了检测效率。实验证明,新的方法计算所需的时间最多不到HTCD方法的1/15;在强抗干扰条件下,其检测速度优于随机圆检测方法,有较好的检测精度,能满足实时处理的要求。     

虹膜快速检测与精确定位的算法研究

常规虹膜检测算法易受噪声或其他人体特征干扰,针对该缺陷提出一种改进算法,利用动态轮廓模型修正Hough算法得到的估计轮廓。首先,利用Hough算法得到粗略的虹膜估计轮廓,然后借鉴微积分的思想将虹膜图像等分成一定数量的小矩形,引入平滑函数和梯度函数构建动态轮廓模型修正所有小矩形内通过的粗略轮廓,得到精调后的估计轮廓。最后,将该优化算法与Hough算法和传统k means算法进行对比实验,着重在时效性和精确度两个方面进行性能分析。结果表明,改进算法较之传统Hough算法在精确性方面大幅改进,同时在处理图像尺寸为300×200以上的场合下该算法较之k means算法计算效率更高。     

基于改进Canny边缘检测的指针式仪表自动读数算法研究

指针式仪表自动读数是工业巡检机器人系统的核心技术之一,以机器视觉为基础,提出了一种新的指针式仪表的自动读数算法研究,研究分为3个模块.首先采用基于深度学习的目标检测SSD算法,对指针式仪表位置进行准确定位,该算法可以准确的从复杂背景中检测出指针式仪表的位置,并将其提取出来;接着采用多尺度Retinex对HSL色彩空间中...     

基于霍夫变换及相似度检测的圆形表计检测方法

变电站巡检机器人沿巡检道路行走进行设备巡检,停在预定的监控位置,调用云台预置位将监测仪器对准被监测设备,可见光检测仪器通过光学变焦获取比例适当的清晰图片.由于机器人导航定位精度、行进姿态偏差和云台预置位定位精度等误差的综合影响,导致每次巡检时同一观测目标的成像位置在整幅图像视野中的位置有较大偏差.霍夫圆检测作为常用的圆...     

基于提升小波变换的指针式仪表图像边缘检测

为解决工业中对指针式仪表的自动检定,针对自动检定系统中所涉及的图像边缘检测技术难点,分析了现有传统算法的不足之处,提出一种有效的基于提升小波变换的边缘检测算法。该算法利用提升小波变换尺度的低通作用,避免受高频噪声影响,在传统边缘检测算法的基础上,提取低频轮廓。利用小波系数的方向性,结合方向性边缘检测算子,获得高频边缘信息,最后利用小波重构获得准确清晰的图像边缘,为后续Hough变换准确的提取指针提供了有利保障。实验结果表明,该算法得到的图像边缘较传统Canny算法更清晰准确,无虚假边缘,应用于仪表自动检测系统中是可行的。     

基于图像处理的麻花钻角度测量

为了解决当前麻花钻头修磨设备需要人工干预,而导致修磨质量不高,且修模效率低的问题。采用图像处理相关技术,实现钻头初始角度的自动识别。这对实现麻花钻头修磨的自动化具有较高的工程应用价值。首先运用差影法、Canny边缘检测算法、霍夫变换等算法对拍摄图像进行处理,提取钻头直线刃边缘,然后运用直线拟合技术得到钻头主切削刃直线的直线方程,进而得到钻头的初始角度。经实际测试,该方法可达到工程应用的要求。     

一种基于Hough变换的直角角点检测算法

直角角点检测在广泛的图像处理与机器视觉应用领域中具有重要性.提出了一个新的直角角点检测方法.原始图像经边缘检测后得到二值化边缘,将直角角点检测问题分解为一系列的模板匹配问题.应用了Hough变换来高效地解决模板匹配的问题,并在Hough变换中结合了边缘方向信息以减少检测出的虚假直角角点数量.在一个实际的图像数据库上进行了提出的方法与其他数种角点检测算法的对比实验.实验结果表明,与其他方法相比,提出的方法具有最高的直角角点检出率,而其整体性能(包括运行时间、检出率、虚假角点检测率)也具有优势.     

基于轮廓角点检测的螺纹关键参数视觉测量方法

为解决现有螺纹关键参数视觉测量方法中易存在螺纹角点误检和漏检导致测量精度降低的问题,本文提出一种基于轮廓角点检测的视觉测量方法。首先,使用双边滤波和迭代阈值法改进Canny算子,提高边缘检测的精度;其次,使用双阈值DP算法和Hough变换对轮廓进行分段拟合,在保护边缘的前提下平滑轮廓,并在此基础上使用CTAR算法提取螺纹牙顶、牙底的角点;最后,根据角点的位置信息实现螺纹大径、小径的测量。实验结果表明,相对于现有使用Canny算子和Harris角点检测的视觉测量方法,该方法能准确可靠地检测螺纹的边缘和角点,实现螺纹参数的高精度测量,螺纹大径、小径的平均测量精度分别达到0.003 3 mm和0.002 6 mm。     

基于改进Hough变换的雾中绝缘子裂纹检测与研究

鉴于航拍雾中绝缘子图像出现颜色失真与裂纹检测效果不理想的问题，采用了一种改进Hough变换对雾中绝缘子定位与裂纹检测方法。针对颜色失真的弊端，通过大气光强度与暗通道之差的绝对值改进透视率计算公式，使之改善蓝天、白云等光亮区域去雾后颜色失真的情况。对于绝缘子定位与裂纹检测的障碍，提出了椭圆圆心是此椭圆内外所有点中到边缘最大长度最小的点这一特征，快速计算出圆心以此降低Hough参数维度与计算量,实现绝缘子在图像中的定位。最后采用Hough空间中峰值检测与置零法相结合，解决传统Hough变换检测直线算法耗时久与准确率低的短板。通过设定阈值减少伪裂纹与过连接的产生，快速并准确的检测出裂纹。通过仿真实验验证，文中所提的改进Hough变换相比传统Hough变换对雾中绝缘子裂纹检测速率提升了1.4倍，准确率提高了5.5%。