Hough变换的改进及其在电厂指针式仪表自动识别中的应用

在图像处理中,Hough变换广泛应用于图像空间中的直线检测,但其本身具有存储空间大、计算时间长的缺点。研究了传统Hough变换算法,针对其缺点,提出了一种改进的Hough变换算法。通过减小Hough变换的搜索范围来减小变换所需的存储空间和计算量,并将提前确定好的圆心直接加入到累加器中来减小计算量,从而大大减小了计算时间。将改进算法应用于电厂指针式仪表的自动识别中,对改进算法和传统Hough变换算法的识别速度进行了比较。实验结果表明该算法可以有效地减小存储空间和计算时间。

非均匀光照下指针式仪表自动判读算法设计

拟合人眼视觉机制提出了非均匀光照下指针仪表图像的预处理算法,在此基础上进一步设计了座舱指针式仪表自动判读算法。首先对仪表盘图像进行亮度均衡、二值化变换,再将指针细化,然后根据改进的Hough变换提取目标信息,确定座舱指针式仪表的读数。实验结果表明,该算法有效地解决了在非均匀光照情况下的飞机座舱指针式仪表自动判读,降低了判读误差。

基于图像处理的轨旁组合信号灯识别方法

对列车轨旁信号灯进行准确辨识是保障列车安全运行的重要措施。然而,对于轨道系统而言,除了通常的单色信号灯外,还有组合(两种颜色)信号灯的指示方式。针对轨旁组合信号灯的识别问题,文中提出了一种基于图像处理技术对位于列车前方150 m内的轨旁组合信号灯的识别方法。根据组合信号灯的颜色和形状特征,采用颜色分割、形态学处理、霍夫变换等手段提取组合信号灯的候选区域。同时利用组合信号灯位于当前轨道右侧的位置特征以及组合信号灯之间圆心距的距离特征,定位其位置并识别组合灯颜色。实验结果表明,该方法能准确定位和识别轨旁组合信号灯,对绿与黄、两绿和两黄这3种组合灯的识别率分别为94.14%、96.21%、86.67%。

基于图像处理的轨旁信号机识别方法

信号机是用于指挥列车运行的重要信号设备。为了进一步保障行车安全,文中提出了一种基于图像处理的准确定位轨旁信号机并识别其颜色信号的方法。该方法根据先验值提取ROI,对ROI图像在RGB色彩空间进行颜色分割以剔除无关背景干扰,同时利用形态学处理降噪。对处理后的图像进行霍夫圆变换来提取信号机的候选圆,并根据信号机位于轨道右侧的位置特点定位出指挥当前轨道列车运行的信号机,然后通过分析定位出的信号机区域内的像素值信息来识别其颜色信号。实验结果表明,该方法能精确定位和识别轨旁信号机,对单一红、黄、绿3种颜色的信号识别率分别为91.42%、85.00%和94.29%。