基于像素积分投影的印刷体维文字母切分方法

维吾尔文字属于左向连写文字,字母之间的连笔与变形使得切分字母很困难,印刷体维吾尔文字母的准确切分是识别的关键。文中试验了一种基于像素积分投影的印刷体维吾尔文字母切分方法,包括使用行水平投影切出文字行与文字基线,通过垂直投影切出单词及单词中不粘连的字母,结合水平投影与垂直投影数据,外加相邻投影谷距、字母宽度与基线像素值等信息,设置了细化的连体段字母切分规则。实验结果表明,该方法能够较为准确的将印刷体维吾尔文字母切分开,为OCR系统的准确识别提供了基础。

基于图像融合的高压隔离开关分合闸状态识别

为了解决现有隔离开关分合闸状态识别率较低的问题,提出了一种基于NSST-PCNN-IFVSS的图像融合方法。在对红外和可见光图像的预处理阶段进行图像配准,再采用像素级融合来实现两图像的融合。在融合阶段采用非下采样剪切波变换将红外和可见光图像分解为高频子带图和低频子带图,在高频子带图部分采用脉冲耦合神经网络进行融合,在低频子带图部分采用基于视觉显著特性分割的图像融合方法进行融合,通过非下采样剪切波变换的逆变换将两个子带图像结合起来得到融合后的图。建立融合质量指标评价方案来对比本方案与常见的图像融合方案的效果。对融合后的图像进行像素积分投影算法进行处理,进而实现对高压隔离开关分合闸状态进行识别。通过实验仿真验证了NSST-PCNN-IFVSS(Non Subsampled Shearlet Transform-Pulse Coupled Neural Network-Image Fusion based on Visual Salience Segmentation)的图像融合效果优于常见的6种融合方法,且图像融合后的识别结果优于单一的可见光图像和红外图像。

基于BP神经网络的高压隔离开关分合闸监测识别

为了监视电动式高压隔离开关合闸状态,采用图像识别方法对高压隔离开关是否合闸进行监测,确保检修人员的安全。提出了一种融合NSCT和二维最大熵分割方法对图像进行分割,并提取出感兴趣区域(闸刀)。再通过像素积分投影法对闸刀分合闸情况进行特征提取,将提取到的特征值导入BP神经网络中进行训练,得出一个能够自动识别闸刀位置的分类器。将采集的图片导入BP神经网络分类器中进行识别实验论证。实验表明,处理后的图像抗噪能力强,训练出的BP神经网络对闸刀合闸状态的识别率高,达到95%以上。