MER方法在工程图纸字符识别中的算法研究与应用

如何把数字图像中各种长度和角度书写的字符或字符串统一识别、组合并校正成归一化的水平方向,以供后续准确的字模识别,是工程图纸数字图像字符识别中必须首先解决的问题。应用计算最小邻接矩形方法来实现上述目标,取得了良好效果。

一种提取目标图像最小外接矩形的快速算法

在图像分类与识别算法研究中,目标几何特征的提取通常需要计算目标图像的最小外接矩形以获取长、宽等属性。针对该特点,提出一种利用顶点链码与离散格林理论相结合的方式提取目标图像的最小外接矩形的算法。该算法只需根据顶点链中垂直或水平方向上的点坐标即可求出目标的面积、形心和主轴。基于顶点链码和离散格林的主轴法和旋转法可快速求出目标的最小外接矩形。实验结果表明,旋转法的运算速度是现有算法的2倍左右,主轴法的速度又比旋转法快速2倍左右。

基于激光成像雷达距离图像的目标提取与分类技术

激光雷达主动成像有别于各类被动成像的一个显著优势就是可以直接生成目标的距离图像,与常规光学图像相比距离图像具有一些不同的统计特性,当距离图像中存在多目标时统计直方图具有明显的多峰结构特征.通过对距离图像统计直方图峰值的提取实现了对距离图像的目标提取,利用最小外接矩形拟合及目标距离数据获取了目标的实际尺寸、矩形拟合度等信息,并由此实现了对目标的分类.运用该方法处理实际的距离图像,达到了预期的目标.

利用重心原理的图像目标最小外接矩形快速算法

提出了一种基于重心原理的求取目标最小外接矩形的快速算法——寻找主轴法。利用重心原理确定水平主轴与垂直主轴的初始位置和旋转中心,根据水平主轴确定目标的初始外接矩形,在水平主轴和垂直主轴构成的锐角区域内,旋转外接矩形,找到面积最小的外接矩形,作为寻优目标。该算法利用重心原理确定的主轴初始位置非常有效,缩小了搜索区间,减少了整个寻优过程中的旋转次数,并且仅旋转用直线方程表示的主轴,大大减少了运算量,有效提高了运算速度,可以快速找到目标的最小外接矩形。

机器视觉在稻米粒型检测中的应用

针对目前在稻米粒型检测中依靠人工费时、费力、精度难于控制等问题,利用机器视觉技术建立了稻米粒型实时检测系统。提出了以改进的最大类间方差法来自动确定图像分割阈值,采用开运算去除图像中的噪声,使用最小外接矩形方法计算稻米粒型。与直尺法、微粒子计法比较,该系统具有精度高、鲁棒性好、处理快速的特点,能满足稻米粒型检测的实际需求。

水果直径和缺陷面积的机器视觉检测(英文)

黄花梨是中国的一种重要水果 ,果径和果面缺陷面积是黄花梨分级的两项关键指标。通过研究黄花梨的分光反射特性 ,研制了一套适合黄花梨品质检测的机器视觉系统。为了适应实际生产中水果方向的随机性和水果外形的不规则性的要求 ,使水果尺寸检测的方法有更好的适应性 ,设计了一种利用水果的最小外接矩形 (MER)法求最大横径的方法 ,并进行了试验验证 ,得出了表示实际最大横径与预测最大横径的关系的回归方程式 ,两者的相关系数为 0 .9962。分析了黄花梨缺陷区域的 R、G、B各分量灰度的变化特点 ,利用 R分量灰度和 G分量灰度在缺陷区域和完好区域交界处有明显突变这一特点 ,采用梯度算法求得了可疑缺陷点 ,然后再用区域生长法 ,找出了缺陷点像素的最大连通集及所有的缺陷区域 ;采用像素点变换法 ,实现了根据三维物体的二维投影图像恢复物体表面的真实几何面积的设想 ,大大降低了缺陷面积计算的误差 ;另外 ,还提出了一种新的面积修正方法 ,即用实际缺陷面积等于经像素点变换后的缺陷面积减去缺陷区域周长的一半加上1个像素点的面积来进行修正 ,进一步提高了缺陷面积计算的精度 。

SAR图像目标方位角估计方法综述

目标方位角估计是进行SAR图像自动目标识别(ATR)的重要步骤。由于目标SAR图像对目标方位角的敏感性,在目标识别之前进行方位角估计能够提高系统的效率,增强系统的实时性。本文在分析SAR目标模型的基础上,对目标方位角估计算法进行了全面系统的研究,总结了目前存在的目标方位角估计方法的主要研究思路,即:提取目标主轴、提取目标主导边界、最小外接矩形获取,并介绍了有代表性的算法,指出了这些算法的优缺点,展望了今后的发展方向。

改进的Hough变换对油库目标识别

油库是典型的感兴趣目标之一,大多数呈圆形。针对传统的基于Hough变换检测圆的算法存在计算量大、空间复杂度高等缺点,本文提出一种改进的梯度模糊Hough变换进行油库目标识别。算法首先利用梯度信息减少计算量,然后对边缘像素进行模糊映射,以减少峰值扩散和伪峰现象,最后针对Hough变换不考虑点之间的连通性的缺点设计去虚警算法。实验结果表明该方法计算量小,精度高,能准确定位圆心和半径,识别率达82.5%,虚警率为1.6%。

机器视觉在蚕茧表面积测量中的应用

针对传统评茧方法的缺陷,提出了基于机器视觉技术的蚕茧表面积测量方法。利用机器视觉系统拍摄蚕茧图像,根据图像的灰度分布特征,通过Otsu法分割蚕茧图像得到二值化图像,将蚕茧看作椭圆体,由蚕茧区域的长轴和短轴值计算出蚕茧表面积。根据蚕茧的边缘图像,利用最小矩形法确定椭圆长轴和短轴的值,可以测量任意旋转角度的蚕茧表面积。实验结果表明该方法是有效的,为科学评茧提供了依据。

基于最小矩形法的柑桔横径实时检测方法研究

农产品的大小是农产品分级的重要特征之一.本文以柑桔为研究对象,对利用计算机图像处理技术检测柑桔横径的方法进行了探索。 研究了柑桔图像的平滑和边缘提取方法,比较了利用Sobel算子和跟踪虫(tracking bug)法所得到的柑桔边缘,发现跟踪虫法寻找边界的速度比用Sobel算子快,且不需要进行细化处理.为了适应实际生产中柑桔方向的随机性和外形的不规则性的要求,使柑桔尺寸检测的方法有更好的适应性,设计了一种利用柑桔的最小外接矩形(MER)求最大横径的方法,并在柑桔的外形尺寸检测中进行了验证,实际最大横径Dr与预测最大横径的相关性为0.9982,利用此方法估测果径的最大误差在1.30mm以内,最大相对误差为2.64％,平均相对误差为1.35％,GB/T12947-91鲜柑桔分级标准中均以5mm为分等标准差,故MER法的精度能满足实际生产中柑桔分级精度的要求.本研究结果不仅为进一步研究开发基于图像处理技术的柑桔品质检测系统打下了基础,而且可用于对其他农产品进行检测.

一种新的精密光学镜片表面疵病宽度测量方法

针对目前光学镜片表面疵病宽度测量主要依赖人工检测而导致弯曲划痕宽度检测精度较低的现状,提出一种新的基于数字图像处理技术的表面疵病划痕宽度测量方法。该方法先获得疵病目标的轮廓;然后计算其最小外接矩形,根据矩形长宽比初步判别疵病类型(划痕或麻点);最后将疵病分割为多个小区段,分别计算每段的最小外接矩形并获得其宽度,比较后取最大宽度作为疵病宽度值。实验结果表明,该方法具有较高的可行性与精确性,可以满足工程实际的需要。

高分辨率SAR图像车辆目标几何特征提取方法

几何特征是目标较直观的物理特征,在SAR图像目标鉴别和分类过程中具有重要的应用。针对高分辨率SAR图像车辆目标切片,构建其几何特征提取的流程。首先在区域分割环节实现车辆目标的二值化分割,而后利用二值化图像提取目标几何特征,其中分别基于最小外切矩形方法和Radon变换方法对车辆目标的长宽尺寸进行估计。采用MSTAR的实测车辆目标数据检验了上述几何特征提取算法和几何特征的鉴别性能。

基于机器视觉的探针台晶圆偏移角度检测方法

为了保证探针台的芯片检测效率和精度,需要提高探针台晶圆定位精度。因此,提出一种基于机器视觉的探针台晶圆偏移角度检测方法。通过灰度化、双边滤波、归一化、Canny边缘检测和最大连通域获取,得到晶圆芯片外围边缘,通过最小外接矩形法计算晶圆偏移角度。经实验验证,晶圆偏移角度检测误差<0. 03°,满足晶圆定位精度要求。

利用矩实现植物叶片长宽的测量

叶片长宽的测量常采用旋转法,其在测量时需多次旋转叶片直至外接矩形面积最小为止,耗时较大;由于叶片形状各异,旋转法的测量准确性也不高。鉴于此,给出了运用矩测量叶片长宽的方法,用零阶矩和一阶矩求得叶片重心,通过一阶矩和二阶矩获得叶片的主轴方向,运用旋转矩阵得到叶片的最小外接矩形,将此矩形的长宽作为叶片的长宽。对122幅叶片图像进行实验,结果表明:矩的方法测量准确率是98.4%,而旋转法的准确率是37.7%。在测量过程中旋转法需多次旋转叶片,而矩的方法只需旋转两次,测量时间至少缩短了一半。总之,基于矩的方法准确性高、测量速度快。

应用机器视觉的鞋面数量统计与尺寸测量

针对鞋面数量统计和尺寸测量过程中人工检测方法效率低、成本高的问题,提出利用机器视觉的鞋面数量统计与尺寸测量方法。采用基于边缘方向的模板匹配算法对鞋面进行数量统计。运用最小外接矩形(MER)算法对鞋面进行尺寸测量。为验证方法的可靠性,对3种鞋面分别在光照变化、混乱和遮挡条件下进行了检测实验,并与绝对误差和算法、归一化相关系数法和Hausdorff距离匹配算法的检测结果进行对比。将MER测量结果和人工测量结果进行对比,结果表明:基于边缘方向的模板匹配算法在复杂环境下的鲁棒性更高,可完成鞋面数量统计;MER方法和人工测量的相对误差在0.67%以内,满足工业生产中的实际需求。

基于图像信息的茶叶二维采摘坐标的提取

茶叶嫩芽识别是实现智能采摘的前提,茶叶识别之后采摘位置参数的提取也是实现智能采摘的关键所在。文章首先分析了机械采茶的整体实现方案,并论证了由茶叶图像获取二维采摘位置的可行性。然后针对图像处理后获取的茶叶嫩芽的二值图像,根据图像中每株嫩芽的外形轮廓去提取最小外接矩形,并标记该矩形的中心点,以该点作为采摘坐标点。得到了茶叶采摘的二维位置参数,为后续茶叶的智能采摘提供依据。

长叶柄轴对称植物叶片长度的图像测量方法

植物叶片的长度是重要的叶片形态参数之一。给出了一种基于图像的长叶柄轴对称叶片中轴长度测量方法。通过扫描仪获取叶片图像;利用阈值分割和数学形态学操作提取叶片区域;利用骨架化方法提取叶片区域骨架;利用数学形态学开操作去除叶柄部分,并确定叶柄根部的骨架点作为中轴的起点;对叶面区域的骨架进行分支和交叉块的标记,并对未落在叶面区域边缘的骨架端点进行延拓;穷举式地获取所有从中轴起点到其余骨架端点的路径,并根据等面积准则和最大曲率准则确定中轴;对中轴进行折线拟合,并根据拟合折线的长度和图像的物理分辨率计算得到叶片长度。在实际叶片图像上的实验结果表明所提出的方法有效,且测量精度优于已有的、基于最小外接矩形检测的方法。

一种快速提取植物叶片最小外接矩形的算法

为了提高提取植物叶片最小外接矩形的计算效率与精确度,提出一种快速提取植物叶片最小外接矩形的算法。该算法首先使用Canny算子提取叶片轮廓,然后使用基于平面扫描法的Graham算法构造叶片轮廓凸包,最后提取叶片最小外接矩形。仿真实验结果表明:在Flavia植物叶片数据库中进行测试,该算法优于旋转法、顶点链码法。

针对Kriging插值结果的空间查询方法

Kriging插值方法及其各种改进模型已被广泛应用,但由于其插值结果是栅格形式,因此不利于与矢量数据叠加分析。为了更加便捷地使用插值结果,在衡量Voronoi图和最小外接矩形特点的基础上,提出了适用于Kriging插值结果的数据结构及空间查询方法。查询某一点位的特征值时,先通过区域的最小外接矩形初步判断出该位置可能存在的区域,进而逐一判断点与所选区域的空间关系,根据点所在区域的属性值得到该点位的特征值。该方法实现了对Kriging插值结果的空间查询,其正确性通过某露天矿的实际运行数据得到了验证。实验结果表明,该方法的查询效率控制在毫秒级,能够满足矿区车载终端程序及类似应用的需求。

水稻叶片几何参数图像视觉测量方法研究

提出了一种基于图像视觉原理的水稻叶片几何形态参数测量计算方法,通过图像分割处理,统计参考物与目标叶片面积的像素数,计算叶片面积;通过求取参考物和目标叶片的最小外接矩形方法,计算叶片的长度和宽度值;利用基于4个方向模板运算的距离变换算法对茎叶夹角图像进行骨架信息提取,利用Hough变换对提取的骨架信息进行直线检测,并进行茎叶夹角计算。结果表明,该方法能够精确、快捷地对水稻叶片几何形态参数进行测量计算,与手工测量比较,叶片面积计算误差小于5%,长宽误差小于0.67%,茎叶夹角误差小于2%,能满足农学研究的要求。