基于MobileNetV2的圆形指针式仪表识别系统

针对目前指针式仪表识别任务在使用深度学习算法时存在模型参数量大、计算量大、准确率较低的问题,提出一种基于改进预训练MobileNetV2网络模型与圆形Hough变换相结合的圆形指针式仪表智能检测和识别系统.首先,采用Hough变换解决复杂场景内非圆形区域的干扰问题;然后,提取圆形区域以构建数据集;最后,使用基于改进预训...     

指针式仪表识别算法及在电力巡检中的应用

针对不同形状的指针式仪表人工读数成本高、精度低、容易受仪表形状和环境干扰的问题,运用轨道巡检机器人搭载云台摄像头采集指针式仪表的图像,经过灰度化、中值滤波、二值化、提取感兴趣区域、开运算、指针细化、Hough变换和示值读数等步骤,实现指针式仪表的自动读数.该算法具有较好的鲁棒性,读数精度高达99％,且计算量小,在电力巡检中具有一定的推广价值.实验结果验证了算法的良好性能.     

指针式仪表读数的机器视觉智能识别方法

为快速准确地自动识别指针式仪表读数,采用机器视觉技术,结合减影法和Hough变换法对仪表读数进行智能识别.对指针式仪表图像进行图像二值化、形态学处理和边缘检测预处理;利用Hough变换检测仪表中的指针,计算得到指针方向和定位圆形,实现指针式仪表的智能识别.实验结果表明:读数识别的平均相对误差为0.91%,精度较高,能较好地识别指针式仪表读数.     

一种高效的倾斜图像校正方法

在图像处理系统中，通过采集设备获得的图像不可避免地会出现倾斜现象，这给后续的图像处理和分析带来了困难。因此，倾斜图像的检测和校正是很重要的环节。该文提出了一种新方法，通过一次旋转来得到一条边上的两个点，通过两点就确定了图像的边缘、得到图像的倾斜度。与传统方法相比，该方法不仅计算量小、准确度高，且具有很好的鲁棒性。     

改进ORB和Hough变换的指针式仪表识读方法

为了实现指针式仪表的自动识读,提出一种基于改进ORB（Oriented FAST and Rotated BRIEF）和Hough变换算法的指针式仪表识读算法。利用角点强化方法加强ORB算法检测的特征点,通过特征点匹配对计算模板图像与待检测图像之间的透视变换矩阵。利用数学形态学处理、阈值分割等图像预处理提取指针,并提出一种用于确定指针旋转圆心的基于ORB特征匹配对的相似特征三角形方法,结合投影法定位指针方向。利用指针细化算法和添加圆心约束的Hough变换算法检测指针角度。最后根据仪表的先验信息得到读数结果。实验结果表明该算法在识读速度和精度等方面都能够满足指针式仪表识读的要求,具有较高的可靠性和工程应用价值。     

基于扫描线处理的指针式仪表快速读数算法

针对光照不均匀、指针检测速度过慢等因素造成指针式仪表读数算法无法快速、准确读取示数的问题,提出一种基于扫描线处理的快速准确读数新算法。新算法首先利用单尺度Retinex提取光照鲁棒性特征图像,然后应用提出的扫描线处理算法快速抽取进行Hough变换的特征像素点,最后用双阈值Hough变换检测直线。实验表明,所提算法创新性地将指针图像细化与双阈值Hough变换等相结合,不仅解决了光照变化的影响以及检测速度慢等问题,而且具有读数精度高、读取速度可调节等特点。     

一种新型指针仪表识别方法研究

本文在简单介绍指针式仪表及其常用识别方法的基础上，提出了一种基于最大灰度相减法的新型识别方法。然后详细介绍了这一方法的工作过程，着重阐述了几个关键环节所用到的图像处理算法。最后，给出了试验的结果及分析，指出了优化的途径。     

一种指针式仪表的识别方法

当前指针式仪表识别技术日益成熟,其中指针形状和位置的识别大多采用Hough变换算法,传统的Hough变换算法运算时间长、储存空间大,使得识别过程效率低下。针对以上缺点,提出一种改进型Hough变换。通过限定指针式仪表表盘环形区域、运用差影法确定指针的大致区域、指针通过表盘圆心这三个限制条件来缩减Hough变换扫描的范围,以此缩减Hough变换算法的存储空间和计算量。将改进型Hough变换算法与传统的Hough变换算法相比较,实验结果表明:改进型Hough变换可有效地减少算法运行时间,提高指针仪表识别的实时性。     

基于区域生长的指针式仪表自动识别方法

针对复杂多指针式仪表的读数自动识别难度大精度低的问题,提出了一种基于区域生长的指针式仪表自动识别方法。算法主要由基于区域生长的指针提取算法和基于 Hit-Miss 变换法击中直线或基于最小二乘法拟合直线的指针识别算法所组成。其中,区域生长所需的种子点通过基于差影法的模糊聚类自动选取。实验表明,基于区域生长的指针提取算法有效提取了指针特征,为 Hit-Miss 变换法和最小二乘法获得良好的指针识别精度奠定了重要基础。整个算法高效快速,能满足实时识别的应用需求。本文首次提出将基于区域生长的图像分割算法运用于指针式仪表识别领域中,丰富了指针式仪表识别的应用方法,获得了良好的识别效果。     

高噪声条件下基于投影的二维条码倾斜检测

图像倾斜纠正是二维条码自动识别过程中的重要步骤,最常用的倾斜角检测方法是基于Hough变化的方法,实际应用中Hough变换峰值扩散效应显著,同时在速度上也难以适应实时应用的需求。提出使用投影法对倾斜的二维条码图像进行倾斜角判断,并通过加速策略提高检测速度,能够在高噪声条件下快速得到精确的结果。     

一种提取随机排列胶囊分离边缘的方法

提取随机排列胶囊图像中分离的、单个的边缘,是胶囊缺陷检测与计数的前提。随机排列的胶囊具有倾斜度不确定和多胶囊粘连的特点。由此,本文先提取胶囊的边缘,再将＂点＂连接与＂线＂连接的胶囊边缘逐步分离,最终完成分离边缘的提取。经过现场实验测试,该方法的边缘识别正确率达到97%。     

一种仪表指针位置检测的中心投影法*

该方法先用Hough变换进行初始化的仪表指针中心点检测,然后将指针图像向中心点进行投影来搜索检测指针位置。实验结果表明：该方法能较准确地指针检测识别精度,同时与传统的Hough变换相比,运算速度能提高3～4倍左右,并可以大大减少存储空间。     

A Document Skew Detection Method Using the Hough Transform

Document image processing has become an increasingly important technology in the automation of office documentation tasks. Automatic document scanners such as text readers and OCR (Optical Character Recognition) systems are an essential component of systems capable of those tasks. One of the problems in this field is that the document to be read is not always placed correctly on a flatbed scanner. This means that the document may be skewed on the scanner bed, resulting in a skewed image. This skew has a detrimental effect on document on document analysis, document understanding, and character segmentation and recognition. Consequently, detecting the skew of a document image and correcting it are important issues in realising a practical document reader. In this paper we describe a new algorithm for skew detection. We then compare the performance and results of this skew detection algorithm to other publidhed methods form O'Gorman, Hinds, Le, Baird, Posel and Akuyama. Finally, we discuss the theory of skew detection and the different apporaches taken to solve the problem of skew in documents. The skew correction algorithm we propose has been shown to be extremenly fast, with run times averaging under 0.25 CPU seconds to calculate the angle on the DEC 5000/20 workstation. Received: 21 November 1998, Received in revised form: 25 August 1999, Accepted: 20 October 1999     

基于统计聚类随机椭圆检测方法

本文提出一种基于统计聚类的随机椭圆检测方法。利用椭圆的几何性质和形状大小限定采样区域避免无效采样，获得候选椭圆时．检验边缘点集中位于候选椭圆上的点，通过统计候选椭圆上的点与其外切矩形上的点的个数的比值来验证候选椭圆的真伪。该方法与传统的Hough变换的参数空间累积验证相出，其计算简单，速度快，不需要为可能产生的虚假椭圆分配内存空间．更无需进行参数单元集的搜索，并能够快速的去除已验证的真实椭圆上的边缘点集，进一步减少了无效采样的产生。     

一种基于梯度Hough变换的同心圆检测新方法

目前检测圆的方法很多,最常用的为Hough变换,另外还有一些改进的Hough变换和圆的快速检测方法,但是这些方法如果直接运用于存在同心圆的图像中,就不能检测出同心圆。目前对同心圆检测的算法较少,而且存在一定局限性,这里提出一种结合圆梯度信息和二次检测圆的新的检测同心圆的算法,改善了检测的局限性,不需要事先确定圆的一些参数仍然能准确检测同心圆,具有一定抗干扰性,且检测速度较快。本文通过实验仿真和应用实例,证明了该算法简单、准确,有效。     

一种随机角点检测算法

角点特征没有参数化的描述方式,无法应用传统的Hough变换转换到参数空间进行检测。文中提出一种MonteCarlo框架下的随机角点检测方法,不是在参数空间中求解,而是将角点检测转换为交点累积空间中寻找局部极值的问题。交点累积空间是根据角点实质是直线交点的特征提出的一种概念。文中证明了算法的思想,推导了算法的具体步骤。本算法具有各向同性,对图像的旋转是鲁棒的,且对噪声不敏感,并可有效地避免斜边上伪角点的影响。大量实验表明,与Harris算法、ShenWang算法、SIFT特征等算法相比较,该算法具有一定的优越性。     

基于像素组合的快速哈夫变换

直线参数检测是图像分析和计算机视觉中一个基本问题,哈夫变换能很好地解决这个问题,然而哈夫变换的巨大计算量使它难于实时应用。因为一个图像点对应参数空间的一条曲线,图像点与量化后的参数区间是一对多的关系,造成了标准哈夫变换的计算复杂性。而两点确定一条直线,两个图像点对应一个参数点,利用这个原理能大幅度减少哈夫变换的计算量。     

织物图像的倾斜检测与纬纱密度识别

根据织物表面图像来自动识别组织结构参数是纹织CAD的一个重要研究内容。为解决在扫描过程中织物图像不可避免的倾斜现象,提出了一种快速的基于Hough变换的织物图像倾斜检测算法。为减少运算量,此算法首先提取图像梯度作为纬纱走向信息;然后运用层次Hough变换来检测倾斜角度,并获得了满意的检测精度;最后根据倾斜检测结果,采用一种新的与倾斜无关的纬密识别算法,通过提取倾斜角处的投影轮廓线来得到纬密排列规律,并计算出纬纱密度。实验结果表明,该算法用于结构图像倾斜检测和纬纱密度识别,可获得大于88%的检测准确率,纬度识别倾斜误差可控制在2°以内,可见具有较高的准确率和较好的实用性。