导读:本文包含了圆形识别论文开题报告文献综述及选题提纲参考文献,主要关键词:目标检测,图像配准,仪表识别,卷积神经网络
圆形识别论文文献综述
徐发兵[1](2019)在《刻度均匀的圆形指针式仪表检测与识别方法研究》一文中研究指出在过去的几十年中,随着计算机技术的发展,计算机视觉和数字图像处理技术已被广泛应用于指针式仪表的检测与识别。本文针对巡检机器人采集的刻度分布均匀的圆形指针式仪表图像,提出了一种基于计算机视觉的指针式仪表自动检测与识别方法,该方法主要包含仪表目标检测、仪表图像配准和仪表读数识别叁个步骤:首先,利用改进的YOLO算法训练自制的指针式仪表数据集,得到卷积神经网络模型,通过训练的卷积神经网络模型检测当前视野下仪表目标的包围框位置,得到仪表目标的感兴趣区域,完成仪表目标的检测。然后,使用ORB算法对检测到的仪表目标图像以及预先获取的高质量仪表模板图像进行特征点提取,利用快速最近邻匹配(FLANN)算法对提取到的特征点进行特征点匹配,通过随机抽样一致(RANSAC)算法结合改进的特征匹配策略对错误的匹配对进行剔除,进而得到透视变换参数模型的参数矩阵,通过对待配准的仪表图像进行透视变换得到正对的高质量仪表图像,完成仪表图像的配准。最后,利用改进EAST算法对配准后的高质量仪表图像进行文本检测,检测出仪表图像中的所有文本,利用设计的印刷体数字识别模型对检测到的文本图像进行识别,筛选出仪表刻度数字,得到仪表刻度数字的位置信息与数值,通过仪表刻度数字的位置与数值信息提取出仪表刻度线轮廓、表盘中心以及仪表指针直线,结合角度法和距离法,完成仪表读数识别。通过大量实验对所提出的指针式仪表读数判别方法进行验证,实验结果表明,本文所提出的仪表识别方法的平均准确率高于97.5%,对于复杂背景下刻度均线的圆形指针式仪表的自动检测与识别任务具有良好的准确性与稳定性,可满足智能变电站的实际应用需求。(本文来源于《武汉科技大学》期刊2019-05-01)
董娜,刘欣宇,吴爱国[2](2019)在《基于人工蜂群的新型圆形交通标志识别算法》一文中研究指出道路交通标志检测是智能交通系统的重要组成部分,精确快速识别圆形交通标志对保障交通安全有非常关键的作用.本文将子种群概念引入人工蜂群(artificialbeecolony,ABC)算法中,提出了一种基于子种群多峰值优化算法(species-based artificial bee colony,SABC)应用于圆形交通标志的检测.SABC的关键在于多个子种群按照人工蜂群算法同时搜索多个最优解.作为比较,引入了基于子种群的遗传算法(species-basedgeneticalgorithm,SGA)和基于子种群的粒子群优化算法(species-based particle swarm optimization,SPSO).5个多峰值函数用于验证3种算法的多峰值优化性能,其结果证明SABC具有更高的准确性和更快的运行速度,成功率为100%,精度均低于10-4,运行时间均在0.3 s以内.然后,将多圆检测视为多峰值优化问题,并将SABC应用于多圆检测,设计了完整的检测算法.最后,在德国交通标志数据集(German traffic sign recognition benchmarks,GTSRB)的圆形交通标志上测试所提出的圆形检测算法.实验结果表明,所提算法能够以良好的性能定位圆形交通标志.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2019年06期)
卢黎明,谷开,卢晋夫,杨培义,唐俊涛[3](2019)在《圆形线材表面缺陷识别的图像处理研究》一文中研究指出针对圆线材表面缺陷检测中出现的外界杂质干扰问题,对圆线材常见的6种表面缺陷进行建模,分析3种常见的图像噪声模型,并采用多种滤波算法进行处理比较,通过评估各算法对应的PSNR值确定了合适的图像预处理方案,同时对比分析3种特征描述因子对图像的特征提取效果。所得结果如下:均值滤波算法对高斯噪声处理效果好,中值滤波对椒盐噪声处理效果好,均值滤波和中值滤波对泊松噪声都有较好的处理结果;使用SURF算法进行图像特征提取效果好。研究结论可为解决线材表面缺陷的检测问题提供参考。(本文来源于《机床与液压》期刊2019年01期)
许迎春,刘英,范开欣,贺志洋,万芳新[4](2018)在《基于线扫描及其参数空间的圆形果实识别》一文中研究指出针对水果采摘机器人工作过程中圆形果实图像几何特征的提取问题,提出线性扫描构建结构数据法。结构数据为[线号][头号][起点][终点][长度],通过对结构数据的计算可快速地提取图像中的几何参数,该方法与构建多维参数空间的Hough变换相比,极大地减少数据量,降低时间复杂度,同时增加控制的实时性。通过该方法成功实现存在枝叶遮挡白粉桃果实图像几何圆特征参数的提取。(本文来源于《中国农机化学报》期刊2018年09期)
张喆,翟京生,张亮[5](2018)在《基于圆形视场分割的鱼眼相机星图识别方法》一文中研究指出海上星光导航是航海中一种重要的自主导航技术,星图识别是其关键步骤。针对船载鱼眼相机星光导航系统超大视场带来的单幅图像数据量大、识别冗余、识别效率低等问题,提出了一种基于圆形视场分割的鱼眼相机星图识别方法。对于拍摄到的星图,利用同心圆将视场分割成若干个面积相等的环形和圆形区域;在构造导航星特征库的过程中,以星角距为特征构造散列函数,将导航特征库分段存储成若干个子库;在识别过程中,利用基于中心星的多叁角形识别算法,从视场中心圆形区域开始依次向视场边缘环形区域进行识别。海上观测实验结果表明:该方法能够平均以2.5s的识别时间达到90%以上的识别成功率,且具有良好的实时性。(本文来源于《应用光学》期刊2018年04期)
陈令刚[6](2018)在《圆形目标识别方法研究》一文中研究指出自动识别圆形目标是现实生活以及工业制造业中的实际需求,也是计算机视觉中最基本和最重要的领域之一。圆形目标自动识别的算法,目前最常用包括Hough变换算法、圆度检测算法、模板匹配,以及近年来提出的通过线性分割识别圆形目标的算法。针对复杂背景情况下识别效率低,识别精度不高两个问题,本文采取了支持向量回归模型与叁点拟合圆相联合的形式,来识别图像视场中的圆形目标。本文主要研究工作如下:(1)分析比较了常用的图像预处理方法,包括图像对比度增强、边缘检测算子、图像阈值化方法等。选取高效合理的预处理方式是改善图像视觉效果和提高计算机识别效率的第一步,也是重要的一步。(2)从国内外学者在圆形识别方面的现状出发,深入研究了经典的自动识别圆形目标的算法。提出了支持向量回归模型与叁点拟合圆相联合的算法,该算法通过支持向量回归模型训练不同类型的圆形样本,在高维空间中得到逼近圆形的回归函数,以该回归函数为中心线,构建一个近似圆环形的间隔带,在此间隔带内的点都认为属于圆形边界上的点,然后运用叁点拟合圆几何算法计算出圆心和半径,从而达到识别圆形的目的。(3)通过VS2010+OpenCV2.4.9平台,将本文提出的算法与经典的圆形目标识别方法进行对比,从识别圆形目标的准确度与时间复杂度两个方面分析。实验结果表明,本文提出的算法通过对训练样本的学习,能够在噪声比较大的背景图像中得到圆形的边界信息,从而确定圆的位置,较仅使用某一种圆形识别算法有一定的优势。在以圆形作为定位的计算机视觉领域,具有重要的理论研究价值与实践意义。(本文来源于《安徽理工大学》期刊2018-06-02)
贺宁宁[7](2018)在《机器视觉中圆形Mark点的识别与定位技术研究》一文中研究指出现在人工智能全面高速发展,被广泛的应用于人脸识别、机器人学、博弈、智能控制、机器视觉等领域。人类正走向智能时代。工业生产智能化依赖于机器视觉。机器视觉就是用机器代替人眼完成识别定位等功能。现在机器视觉越来越多的应用于电子产品制造业和高精度检测,尤其是贴装技术。它是一种将表面组装元器件安装在印刷电路板的表面,再焊接组装的电路装连技术。随着电子产品小型化,贴装元件越来越小、排列越来越密集,对贴装的精准度要求越来越高。精确的定位PCB板的位置是保证精确贴装的前提。对PCB板上的位置识别点Mark点定位方法的研究十分必要。本文采用改进的RANSAC算法检测圆,主要工作如下:(1)在RANSAC随机选点时加入约束条件,即选取的叁个点大于一定距离,促进有效循环。(2)在RANSAC迭代环节加入循环中断。把投票数满足总轮廓点数的一半作为循环中断条件,一旦满足,循环终止。(3)阈值最优化,选择最优的shift值。(4)在RANSAC选择出投票最多的模型后,不将它作为最佳模型,而是将满足该模型的点集,再做一次最小二乘拟合。本文通过有约束的随机选点、循环中断、阈值最优化、最小二乘优化拟合对RANSAC算法进行改进,实现了圆形Mark点的定位,使检测圆心准确性达到亚像素级别。并以锡膏印刷机上的视觉系统为例,实际检测算法效果。经验证,改进的RANSAC算法可以实现圆形Mark点的亚像素级别精准定位。鲁棒性强,对于光照、氧化、残圆等情况具有普适性。并且耗时毫秒级,相较于传统检测圆的方法,性能提升,具有实际应用价值。(本文来源于《湖南师范大学》期刊2018-06-01)
马一千[8](2018)在《圆形路标识别算法的研究》一文中研究指出伴随高速发展的国民经济和日渐加快的城镇化建设,城市交通系统的安全与低效问题日渐突出。具备实时识别路标的智能交通系统(ITS)被认为是解决上述问题的有效途径。ITS是一个包含了计算机视觉、通信、控制等技术的综合性系统,具有诸多研究方向,而基于数字图像处理检测技术的路标识别系统逐渐成为研究热点和发展趋势。这对于改善城市交通、促进城镇化建设以及发展经济建设具有重要意义。本文从实际情况出发,对圆形路标识别系统所涉及到的数字图像处理、系统框架构建、路标图库建立、特征提取及匹配识别算法展开相关研究工作,并取得以下研究成果:以我国目前所执行的国家标准为依据建立圆形路标图库,包括了标准圆形路标和实地采集路标,通过对标准圆形路标图像进行仿射变换以增加对极端情况的模拟。此外,由于采集了自然场景中不同距离和角度的圆形路标,使得所组成的采集图库具备识别多样性。为了提高圆形路标的匹配识别率,本文在对圆形路标预处理过程中采用拉普拉斯算子进行图像增强处理;同时提出了强度分量重映射函数以去除圆形路标的高亮区域,并针对不佳光照条件下的圆形路标,采用CLAHE对其进行处理,以实现光照控制目的;最后利用Sobel算子进行边缘检测完成圆形路标预处理过程。本文是对校正后的圆形路标进行匹配识别,因此采用了结合形态学的Hough变换同最小二乘法共同检测椭圆的组合方法来求椭圆参数,并通过RMS对参数进行处理,获得校正参数并以此进行椭圆校正实验,实现校正过程。本文详尽研究了SIFT特征提取算法和Gabor特征提取算法,并利用主成分分析法对Gabor提取的特征向量进行降维,以降低识别所用时间。最后利用SIFT算法和Gabor算法对标准图库和实地采集图库分别进行匹配识别仿真实验,获得匹配识别率、识别时间与特征向量关系图,同时还针对训练样本数的差异进行相关实验。(本文来源于《内蒙古工业大学》期刊2018-06-01)
韩绍超[9](2018)在《基于机器视觉的圆形指针式仪表自动读数识别关键技术研究》一文中研究指出指针式仪表以其结构简单、读数方便、受外界电磁干扰等因素影响较小而广泛应用于电力、冶金等工业生产领域。本文主要研究基于机器视觉的圆形指针式仪表自动读数识别技术,具有一定的理论意义和实用价值。在自然光照条件下,利用相机对圆形指针式仪表进行原始图像的采集。针对采集仪表图像相机存在的畸变误差,将二维平面靶标相机标定法引入仪表图像采集,利用二维平面靶标相机标定法对相机进行标定以获取其内外参数,利用其标定参数进行原始图像畸变校正以提高图像采集精度。然后,再运用数字图像处理技术对校正后的指针式仪表图像进行滤波去噪、阈值二值化、Laplacian边缘检测等预处理操作,减少仪表图像中的噪声干扰,突出表盘有效信息。由于仪表现场环境的复杂性,仪表的安装位置不是精确地垂直于地面,采集到的圆形指针式仪表图像存在一定程度的旋转倾斜角度。本文采用SIFT(Scale Invariant Feature Transform)特征提取算法分别提取待测图像与模板图像的特征点,利用模板匹配方法对指针式仪表图像进行旋转校正,从而可以更加精确地计算出仪表指针线的倾斜角度,以消除或降低由于仪表旋转倾斜而造成的读数识别误差。对于旋转校正后的指针式仪表图像,通过检测到圆形仪表轮廓和仪表指针所在的直线,计算出指针线的倾斜角度,利用指针角度计算法计算出当前仪表读数。由于经典Hough变换检测圆的算法需要在笛卡尔坐标空间和极坐标空间对所有的像素点进行坐标转换,效率低下。本文提出利用最大连通区域算法检测指针式仪表轮廓,通过分析每个参考像素点与其周围8邻域中的像素点的连通性获取仪表轮廓所在的最大连通区域,从而定位仪表轮廓。利用形态学膨胀腐蚀操作提取出指针线骨架,利用Hough变换算法在仪表轮廓区域内部进行指针直线的检测。最后,基于实测数据,通过仿真实验对本文提出的基于相机标定和最大连通区域的圆形指针式仪表自动读数识别方法进行了检验。实验结果表明,本文所提出的方法相对传统的最小二乘法、基于区域生长的方法以及Hough变换算法在识别效率和识别精确度都有较大程度提高。(本文来源于《山东建筑大学》期刊2018-04-01)
边培莹,徐平[10](2018)在《增强图像处理算法在在线加工圆形零件轮廓识别中的应用研究》一文中研究指出针对加工中心圆形零件在线检测的生产需求,及目前存在的轮廓识别算法冗余、误差漂移的问题,利用Opencv计算机视觉库,采用理论与实验结合方法,选取圆形多孔零件作为研究对象,通过CCD图像采集搭建图像处理软件编码调试的手段,开发了一套实用的图像处理软硬件系统。经过对零件图像的高斯滤波,轮廓增强,霍夫圆检测,尺寸计算等算法处理,最终的实验表明零件识别曲线尺寸精度达到±0.01mm,验证了图像处理技术在多轮廓、曲线形零件轮廓识别中的可靠性与准确性;软件开发集成环境采用Visual Studio 2013,程序设计语言采用C++语言。(本文来源于《计算机测量与控制》期刊2018年03期)
圆形识别论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
道路交通标志检测是智能交通系统的重要组成部分,精确快速识别圆形交通标志对保障交通安全有非常关键的作用.本文将子种群概念引入人工蜂群(artificialbeecolony,ABC)算法中,提出了一种基于子种群多峰值优化算法(species-based artificial bee colony,SABC)应用于圆形交通标志的检测.SABC的关键在于多个子种群按照人工蜂群算法同时搜索多个最优解.作为比较,引入了基于子种群的遗传算法(species-basedgeneticalgorithm,SGA)和基于子种群的粒子群优化算法(species-based particle swarm optimization,SPSO).5个多峰值函数用于验证3种算法的多峰值优化性能,其结果证明SABC具有更高的准确性和更快的运行速度,成功率为100%,精度均低于10-4,运行时间均在0.3 s以内.然后,将多圆检测视为多峰值优化问题,并将SABC应用于多圆检测,设计了完整的检测算法.最后,在德国交通标志数据集(German traffic sign recognition benchmarks,GTSRB)的圆形交通标志上测试所提出的圆形检测算法.实验结果表明,所提算法能够以良好的性能定位圆形交通标志.
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
圆形识别论文参考文献
[1].徐发兵.刻度均匀的圆形指针式仪表检测与识别方法研究[D].武汉科技大学.2019
[2].董娜,刘欣宇,吴爱国.基于人工蜂群的新型圆形交通标志识别算法[J].天津大学学报(自然科学与工程技术版).2019
[3].卢黎明,谷开,卢晋夫,杨培义,唐俊涛.圆形线材表面缺陷识别的图像处理研究[J].机床与液压.2019
[4].许迎春,刘英,范开欣,贺志洋,万芳新.基于线扫描及其参数空间的圆形果实识别[J].中国农机化学报.2018
[5].张喆,翟京生,张亮.基于圆形视场分割的鱼眼相机星图识别方法[J].应用光学.2018
[6].陈令刚.圆形目标识别方法研究[D].安徽理工大学.2018
[7].贺宁宁.机器视觉中圆形Mark点的识别与定位技术研究[D].湖南师范大学.2018
[8].马一千.圆形路标识别算法的研究[D].内蒙古工业大学.2018
[9].韩绍超.基于机器视觉的圆形指针式仪表自动读数识别关键技术研究[D].山东建筑大学.2018
[10].边培莹,徐平.增强图像处理算法在在线加工圆形零件轮廓识别中的应用研究[J].计算机测量与控制.2018