广义Hough变换在遮挡图像识别中的应用

介绍了一种基于广义Hough变换的空间有部分遮挡的茄子目标识别方法。从生物学的角度,用广义柱近似等效样本茄子形状;通过坐标转换获得了不同位姿的立体目标在平面上的投影边缘,并建立茄子外形的4维参数索引表;采用一种广义Hough变换计算茄子目标的潜在位置,并通过比较各旋转角度下的"面积比",筛选出目标实际的位姿。试验表明:这种广义Hough变换检测目标位置和姿态的相对误差分别约在1.3%和5.5%以下,说明其对空间不同位姿、部分遮挡情况下目标的识别具有良好的效果。

基于随机Hough变换的线路覆冰厚度图像识别技术

为了提高输电导线覆冰厚度的计算精度,提出了一种基于随机Hough变换计算输电导线覆冰厚度的方法。首先对导线的图像进行灰度处理,去除色调和色彩饱和度;然后利用Canny算子检测,对图像进行去噪和去除图像背景处理,只保留图像前景;再利用随机Hough变换和最小二乘法确定导线边缘直线;最后根据覆冰前后导线图像的像素来计算覆冰厚度。计算结果表明,该方法的计算精度比基于传统Hough变换的计算精度提升了14%,可以显著地提高输电线路覆冰厚度的监测精度和水平。

基于改进Canny检测与Hough变换的仪表图像识别算法

针对发电厂中指针式仪表数量多、周围环境复杂、灰尘污染等因素导致获得的图像含有大量噪声从而影响仪表读数识别精度的问题,提出了一种改进Canny边缘检测算法,通过采用5×5邻域计算像素梯度幅值的方法,提高了边缘检测精度,并采用自适应双阈值选择法,有效避免了传统Canny算法易出现伪边缘、边缘信息多等现象,结合Hough变换技术提取仪表指针信息,提高仪表识别精度。经实验对比验证,该算法检测效果优于传统Canny算法,仪表读数识别精度达到95%。

基于计算机技术的加密纸张图像识别模型构建

为实现造纸企业对加密纸张图像的自动化识别,提高数字图像识别准确率,通过伽马变换算法提升数字图像的对比度并对其实施边缘检测处理,进而实现原始纸张加密图像的外观增强,并获取用于识别加密纸张的目标图像。在此基础上,基于O-FAST角点检测技术实现目标图像与待测图像之间的近距离匹配,进而达到针对加密纸张图像的识别效果。为验证该方法的有效性,专门组建了一个图像识别匹配系统用于统计图像匹配效果。经试验研究发现,加密纸张图像识别模型在各匹配项目中的准确率均在95%以上。

基于小波多尺度变换的局部放电图像识别方法

局部放电模式识别是一种高电压设备绝缘故障诊断的有效方法。文中基于小波多分辨理论,提出了一种对局部放电(?)-q-n灰度图像进行模式识别的新方法。该方法对局部放电待识别图像和参考图像进行小波多尺度分解,然后对某一尺度上形成的低频子图像进行相似度以及模式贴近度计算,按照模式贴近度最大的原则进行模式识别。文中对放电模型实验获得的放电样本进行了模式识别并计算出基于4种小波基的多尺度图像分解的局部放电图像的识别率,分析了小波分解尺度及4种小波正交性及光滑连续性对识别率的影响。分析表明,选择正交小波和合适的分解尺度,文中提出的方法能够获得良好的效果。

基于颜色直方图及双树复小波变换(DTCWT)的昆虫图像识别

为了给生产单位害虫管理的普通技术人员提供简便易操作的昆虫鉴别方法,本文提出了一种新颖的基于图像颜色及纹理特征的昆虫图像识别方法。鳞翅目昆虫翅面图像经过预处理,确定目标区域,再进行特征提取。首先将彩色图像从三原色(red-green-blue,RGB)空间转换至色调饱和值(HSV)空间并提取有效区域内的色度、饱和度直方图特征,然后经图像位置校准,提取灰度图的双树复小波变换(DTCWT)特征;匹配首先计算两颜色直方图特征向量之间的相关性,将相关性大于阈值的样本再进一步用DTCWT特征匹配;DTCWT匹配通过计算Canberra距离实现,从通过第一层颜色匹配的样本中取出最近邻作为最终匹配类别。算法在包含100类鳞翅目昆虫的图像库中进行试验验证,取得了76%的识别率,其中前翅识别率则达92%,同时取得了理想的时间性能。试验结果证明了本文方法的有效性。

基于小波变换压缩和支持向量机组的储粮害虫图像识别

使用小波变换对储粮害虫的高维图像矢量进行压缩,利用图像的高频部分对应于图像的边缘和轮廓,很好地压缩和表征了害虫图像的特征.提出了一种基于支持向量机(SVM)组的淘汰法.这种方法考虑到了各判别函数的VC置信范围的差异,同时利用判别函数间的冗余来降低识别误差.100幅害虫图像的识别结果表明,基于SVM的识别方法在识别效果、识别时间等方面都有显著的优越性.

基于小波变换的太赫兹图像识别

太赫兹(THz)波对很多物质都有成像功能,可以侦测物质的化学性质,进行物质的识别。其成像技术在反恐、医学成像、无损探伤等方面显示出了巨大的应用前景。采用小波变换和图像的灰度直方图匹配技术对葵花籽的太赫兹信号数据进行分析实验,提出了一种识别被测物质的方法,在此方面进行了探索尝试,结果表明此方法可以对葵花籽仁、葵花籽皮和其他区域的太赫兹信号数据进行准确地分类,实现利用计算机自动识别物质的功能,这将有利于进一步进行太赫兹技术在物质鉴别方面的应用研究。

一种融合小波变换与卷积神经网络的高相似度图像识别与分类算法

针对特定领域高相似度图像识别与分类问题,提出融合小波变换与卷积神经网络的高相似度图像识别与分类算法。首先,利用小波变换提取图像纹理特征,对不同类别、不同分辨率图像集进行训练并确定最佳纹理差异度参数值;其次,根据纹理差异度运用小波分解方法对图像进行子图分解,提取各子图能量特征并进行归一化处理;接着,通过卷积神经网络5层卷积和3层池化交替,将输入图像特征向量转化为一维向量;最后,通过训练次数的增加以及数据量的增大,不断优化网络参数,提高在训练集中的分类准确度,在测试集中验证权值实际准确度,得到具有最高分类准确率的卷积神经网络模型。实验选取鸡蛋、苹果两类图像数据集作为实验数据,进行鸡蛋散养或圈养识别、苹果产地判定,实验结果表明:该算法平均鉴别准确率均达90%以上。

基于Fisher变换的多尺度图像识别方法及其车形识别应用

该文提出了一种图像识别方法.该方法首先对识别图像进行多尺度小波分解,把不同尺度的分解结果组织为分解向量,再对分解向量作Fisher变换.在Fisher变换域内依据最小绝对距离(或相对距离)识别图像.该方法主要依据小波分解低频分量进行识别运算,对噪声不敏感;同时识别结果已经融合多尺度的识别运算,故目标图像大小对识别结果影响较弱.实践证明,该方法正确识别率高,鲁棒性强.

基于Hough变换的图像目标检测与识别

对于航空图像中目标的检测和物体识别。论文根据图像自身的特征,提出基于直线段的特征检测,利用Hough变换进行提取。并选择了几种典型的算法在Matlab语言环境下用程序进行实现。最后,对航空图像中自动物体分割和检测的研究前景进行了展望。

基于改进的Hough变换ASAR图像船只尾迹自动识别算法

文章提出了一种基于改进的Hough变换先进合成孔径雷达(ASAR)图像船只尾迹自动识别算法。算法首先检测出船只并将船只部分用图像灰度均值代替,然后设定阈值修正Hough变换域中的峰值检测,再通过改进的Hough变换自动实现了船只尾迹的检测和识别,最后利用约束条件来确定尾迹的起点和终点。实验结果表明,文中算法能够自动检测到船只尾迹,并且能识别出尾迹的类型,反演出尾迹的起始点,对海洋监测和管理具有重要的意义。

扩展Hough变换在图像识别中的应用(英文)

指出了在二进制边缘图像中 ,Hough变换是一种利用曲线上的点的二象性和非解析曲线的参数来检测曲线的方法 ,Hough变换技术也可扩展到检测具有灰色层图象中的任意非解析形状 .讨论了物体形状检测方法的改进以及在一些人工图像中的测试和在现实区域图像中的运用 .

二元微分联合变换相关器实现图像识别的研究

为了克服二元联合变换相关器的取阈和实时性问题,采用微分运算与二元联合变换相关器结合的方法。联合功率谱中,由于干扰项随频率的变化率比需要的信息量随频率的变化率慢得多,因此可以采用微分方式削弱干扰项,增强互相关信号,对微分后的功率谱再进行二值化非线性处理得到优化功率谱,然后对优化功率谱进行傅里叶逆变换,得到目标和图像的相关输出。模拟实验结果表明,所提出的相关器能很好地抑制自相关峰,增强互相关峰,具有更强的鲁棒性。而且该方法在处理过程中,不需选择阈值,简单的微分及二值化操作使之具有更强的实时性。

基于径向变换和改进AlexNet的胃肿瘤细胞图像识别方法

使用AlexNet实现胃肿瘤细胞图像分类时,存在数据集过小和模型收敛速度慢、识别率低的问题。针对上述问题,提出基于径向变换(RT)的数据增强(DA)和改进AlexNet的方法。将原始数据集划分为测试集和训练集,测试集采用剪裁方式增加数据,训练集首先采用剪裁、旋转、翻转和亮度变换得到增强图片集;然后选取其中一部分进行RT处理达到增强效果。此外,采用替换激活函数和归一化层的方式提高AlexNet的收敛速度并提高其泛化性能。实验结果表明,所提方法能以较快的收敛速度和较高的识别准确率实现胃肿瘤细胞图像的识别,在测试集中最高准确率为99.50%,平均准确率为96.69%,癌变、正常和增生三个类别的F1值分别为0.980、0.954和0.958,表明该方法较好地实现了胃肿瘤细胞图像的识别。

YHS变换及其在遥感图像识别中的应用研究

对彩色遥感图像进行判读 ,主要是根据地物在图像上的亮度、对比度、颜色和纹理等特征来识别 .为了将人工识别的经验定量地引入计算机图像识别中来 ,提出了一种基于遥感信息模式分类的YHS变换方法 ,并讨论了变换的物理意义和实际应用结果 .

一种图像识别技术下的果实成熟度应用研究

以自然环境下的红提葡萄果穗为研究对象,利用图像识别技术对其果穗成熟度进行研究分析。首先,采用Faster R-CNN卷积神经网络模型识别红提葡萄图像中的果穗,再利用KNN算法分割红提葡萄图像中的果穗和背景,并借助圆形Hough变换法检测出果穗图像中的红提葡萄果粒;最后,结合HSV空间中的H值将果粒成熟度划分为4个等级,并计算各个等级的果粒数量占果穗总果粒数量的比重,以此判断该果穗整体的成熟度,从而确定其是否能够满足采摘的要求。实验结果表明:该方法判断果穗成熟度的准确率能达到90%,满足红提葡萄果穗成熟度判断的需求,可辅助精准采摘作业。

利用Hough渐开线变换的齿轮图像中心检测

针对目前基于机器视觉的齿轮参数测量和检测中,获取齿轮中心坐标这一关键步骤缺乏通用性的问题,提出了一种利用Hough渐开线变换的方法。首先,在图像坐标中建立齿轮渐开线齿廓的数学模型。接着,对齿轮的灰度图像进行卷积、边缘检测获得齿轮边缘图像和像素梯度角。最后,对边缘像素做Hough渐开线变换,得到最终的齿轮中心坐标。实验和仿真结果表明,按该方法求得的结果与真实坐标的标准差在1 pixel以内,对齿轮内孔形状无要求,可以作为一种有效的齿轮图像中心检测方法。

基于改进Hough变换的车道线自动识别算法

针对复杂路况环境中路面图像杂乱或因光照不均导致的车道线不易检测等问题,提出一种基于改进Hough变换的车道线检测算法。首先对采集到的原始图像预处理,利用Canny算子对图像进行边缘增强及区域提取;其次为进一步提高算法的检测时间及准确性,提出利用滑动窗口实现阈值的自适应选取;最后结合渐进概率提出了复杂路况下的车道线检测算法。仿真实验选取KITTI数据集,结果表明,所提算法能够准确提取路面车道线,克服了复杂背景、光照不均带来的影响,与同类算法相比,文中所提的渐进概率Hough变换算法检测时间短、准确率高,具有一定的实用性和优越性。

联合变换图像识别中功率谱高斯掩膜处理方法

本文提出了一种基于在光学频谱面上进行光学高斯高通滤波的实时处理方法。此方法将一个高斯掩膜覆盖在位于光学频谱面上的CCD中心位置,从而明显降低了相关图像中自相关峰的高度和宽度。通过比较不同的参数效果,确定了一种用于实验的高斯函数滤波器。通过系列实验研究发现,本方法可以明显提高联合变换相关器的效果和速度。