基于模板匹配与Hough圆检测的仪表识别

随着自动化技术的不断发展,国内电力系统的自动化程度不断提高,无人变电站、无人配电房也逐渐普及。针对变电站中指针式圆形仪表的识别,提出了一种基于模板匹配与Hough圆检测的仪表识别方法。首先对图像进行预处理,将摄像头获取到的RGB彩色图像进行灰度化以及图像的局部直方图均衡化,将预先采集的仪表模板与待测图片进行两次模板匹配,获取仪表大致位置并对图像进行定位裁剪,通过Hough圆检测获取圆形表盘位置及其圆心坐标,将图像通过K-means方法二值化,再通过旋转虚拟直线法对指针进行拟合识别,通过角度与刻度的对应关系计算读数。利用Python和OpenCV视觉库实现算法,实验结果表明,该算法对于指针式圆形仪表识别效果显著,定位表盘位置准确,指针识别和角度计算有较高的精度。

基于Hough圆检测的51式手枪弹发射枪种自动识别技术

54式手枪、79式冲锋枪和85式冲锋枪装备量大,均发射51式手枪弹,射击后弹壳外观相似、不易区分,通常观察弹壳击针头痕迹以区分发射枪种。用CCD配合体视显微镜对弹底痕迹进行图像采集、预处理去噪后,使用Canny边缘检测和Hough圆检测算法,识别弹底击针头痕迹中的圆形击针头痕迹,提取半径特征,并使用近邻分类,可以自动识别发射枪种。在训练样本各为50张,测试样本各为25张的情况下,准确率达100%,平均用时8.35s,极大提升了枪种检验效率,一定程度上实现了检验自动化。

一种用Hough变换检测圆的快速算法

为了克服传统Hough变换检测圆时耗时巨大的缺陷,给出了一种新的基于Hough变换检测圆的快速算法。新算法与传统的方法相比具有以下特点:计算量少,提高了检测的速度;保留了传统Hough变换识别率高、抗噪性强、对不完整边缘具有鲁棒性等所有优点;不需要任何特殊的限定条件。实验表明,新的快速算法可以快速进行目标识别,在实时目标识别系统中具有良好的表现。

引信天线罩形变遥测图像动态测试方法

针对传统形变测试方法不适用于在高速、高温、高过载的恶劣环境中进行引信天线罩形变动态测试的问题,提出一种基于遥测的非接触式引信天线罩形变动态测试方法。该方法将CMOS图像传感器安装在天线罩内部,对飞行过程中引信天线罩内表面进行在线拍摄,将拍摄到的图像利用无线遥测传输到地面,通过地面图像分析和特征解算获得引信天线罩的变形量曲线。其中变形量计算的关键技术采用了Hough圆检测方法,具有精度高、抗干扰能力强等优点。实验结果表明,该方法满足天线罩动态测试需求,能够测量出天线罩飞行过程中产生的形变量。

基于OpenCV提升电子荷质比的测量精度

利用计算机视觉库OpenCV提供的Hough圆检测方法对塞曼效应实验中光的干涉圆环进行拟合,采用拟合的直径数据计算电子荷质比,并与CCD自带的三点画圆测量干涉圆环直径的方法进行对比.实验结果表明:利用三点画圆方法得到的数据计算电子荷质比的相对偏差为9.09%,利用Hough圆检测方法得到的数据计算电子荷质比的相对偏差为1.13%,有效提升了测量精度.为了提升测量的便捷性,基于Vue数据双向绑定技术,实现了基于HTML5的跨平台交互应用界面,打破了编程语言需要特定运行环境的限制,在该界面中,通过对拟合参量的调节,实现干涉圆环和圆心的同步拟合显示,并将拟合得到的圆心坐标和直径大小直观显示在界面中,方便电子荷质比的计算.

改进的Hough与梯度直方图的人眼定位算法

针对民用航空器飞行中,实时监控机组座舱行为的疲劳检测系统的快速、精确、低计算量的需求,提出了一种基于Hough、梯度直方图结合的算法:利用Adaboost算法检测人脸之后,运用Hough变换进行人眼初检测,再利用提出的简化梯度直方图特征进行人眼的精确定位。算法将目标区域的简化梯度直方图特征送入SVM分类器,对Hough检测后存在的多个"可能圆"进行筛选,剔除Hough检测中的非人眼圆。实验对比结果表明,改进的人眼定位结合算法能够快速的检测人眼,同时粗定位缩小了Hough圆检测的范围,减小了计算量,缩短了算法运行时间,SVM和改进的梯度信息提高了定位的准确率,并且检测结果稳定、鲁棒性好。

一种融合Hough变换和ASM定位瞳孔中心点方法

特征点的准确定位是机器视觉和模式识别的关键技术之一.主动形状模型(ASM)是一种传统的图像特征点定位算法,具有较高的精确性和鲁棒性.为了提高ASM人脸瞳孔特征点定位的精确度,提出了使用Hough变换方法来改进瞳孔特征点的定位.通过ASM算法,初步定位出瞳孔特征点,并使用Sobel算子对图像进行边缘检测,然后在人眼位置选择一个合适的窗口使用Hough圆检测,找出精确瞳孔点相对于ASM初步定位瞳孔点的偏移量.在实验室采集的人脸图像上的对比实验表明,该方法能够显著的改善ASM人眼瞳孔特征点定位准确性.由于使用了初定位进行了搜索范围的限制,计算量也得到了有效的控制.

基于机器视觉的轨道车辆零部件形位尺寸检测方法研究

在轨道车辆中,包含着种类繁多的零部件,每个零部件对于车辆的正常稳定运行都具有及其重要的影响,传统的检验用时较长且容易出错,检验效率较低;出错的车内装饰部件会造成不同程度的返工,大大地降低了生产效率;目前,轨道车辆零部件形位尺寸检测研究领域尚很少视觉检测相关的研究,针对轨道车辆零部件的大型不固定的特点,提出了完整的视觉检测轨道车辆零部件形位尺寸的方法,首先从Snake动态轮廓模型分割零部件感兴趣区域,之后通过透视投影变换进行空间校正,采用Sauvola局部二值化进行轮廓提取,进而进行零部件视觉形位尺寸测量四个步骤实现轨道车辆零部件的视觉检测,并对轨道车辆上的三种零部件进行测试和验证,实验结果表明,基于视觉的轨道车辆零部件形位尺寸检测具有较好的检测效率和可拓展性,可用于轨道车辆多种零部件的形位尺寸入库检验中。

基于“淹没法”的双孢菇检测及直径测量方法

随着双孢菇种植面积和产量的增长,智能化采摘机器人的需求已迫在眉睫。为了给采摘机器人提供作业目标和参数信息,通过对双孢菇(白菇)深度图像进行处理和分析,实现了目标检测和直径测量。首先,根据双孢菇三维纵深结构特点,开发了“淹没法”双孢菇-菇床基质分割方法,实现了双孢菇的准确检测;然后,通过坐标变换,得到双孢菇菇盖边缘点的世界坐标,利用Hough圆检测实现双孢菇的直径测量。试验结果表明:此方法双孢菇检出率89%以上,漏检率低于11%,错检率低于2.26%,直径测量误差为2.15%~3.15%,单个蘑菇运算耗时约0.26~0.37s,可为双孢菇机械化采收提供在线、实时的信息决策支持,提高了双孢菇采收质量和效率,并有助于提高双孢菇采收机器人的智能化水平。

基于机器视觉的发动机热端螺纹缺失检测方法

为了实现对发动机热端总成安装情况的实时监测,避免在生产过程中出现不合格的产品,以CCT15发动机热端总成为研究对象,重点研究其中各内孔螺纹是否缺失的机器视觉判断实现方法,设计了一种将采样约束与相关像素近圆分布选择并用的改进随机Hough圆检测方法,提高了热端总成整体图像中螺孔及凸焊螺母等目标区域的定位可靠性。将检测出的圆个数与标准零件中需要安装的个数进行对比,从而判断内孔螺纹是否漏装、少装。实验结果表明,该方法能准确并且快速检测出发动机热端总成的螺纹缺失情况,具有较高应用价值。

夜间自然环境下荔枝采摘机器人识别技术

利用机器视觉实现自然环境下成熟荔枝的识别,对农业采摘机器人的研究与发展具有重要意义。本文首先设计了夜间图像采集的视觉系统,然后选取了白天和夜间两种自然环境下采集荔枝图像,分析了同一串荔枝在白天自然光照与夜间LED光照下的颜色数据,确定了YIQ颜色模型进行夜间荔枝果实识别的可行性。首先选择夜间荔枝图像的I分量图,利用Otsu算法分割图像去除背景,然后使用模糊C均值聚类算法分割果实和果梗图像,得到荔枝果实图像;再利用Hough圆拟合方法检测出图像中的各个荔枝果实。荔枝识别试验结果表明:夜间荔枝图像识别的正确率为95.3%,识别算法运行的平均时间为0.46 s。研究表明,该算法对夜间荔枝的识别有较好的准确性和实时性,为荔枝采摘机器人的视觉定位方法提供了技术支持。

基于深度学习的自然环境下刺梨果实识别

采用0.57R-0.18G-0.2B色差分量法对刺梨图像进行处理,通过Ostu自适应阈值分割、形态学滤波和二值图像白色色素面积阈值等方法对图像进行一次分割。根据刺梨果实图像的颜色和纹理特征,再采用YCbCr颜色空间模型中各分量的阈值对图像进行二次分割。通过标记分水岭分割算法对粘连果实连通区域进行分割,利用Hough圆变换对独立、遮挡和重叠情况下的果实外圆进行拟合和修复,最终获取果实质心坐标及其半径。试验结果表明:刺梨果实识别正确率均高于92%,说明本算法能够对刺梨果实进行有效地识别。

使用眼睛定位的平面角度头部姿态识别方法

本文提出了一种基于眼睛定位的平面角度头部姿态识别方法。该方法首先利用人脸区域中眉毛和眼睛灰度梯度变化大的特点来定位眉毛与眼睛区域;然后利用Hough圆检测方法检测瞳孔位置;在此基础上,对瞳孔位置进行修正;最后,利用人眼定位的结果来识别平面角度头部姿态。本文将该方法用于模拟鼠标操作,与已有眼球操控鼠标不同,本文方法是利用眼睛定位的结果来识别平面角度头部姿态,并用平面角度头部姿态来模拟鼠标操作。实验结果表明,本文方法对5种平面角度头部姿势的识别率达到95%。

一种融合混合投影和虹膜定位的瞳孔定位

本文提出一种定位瞳孔的算法。瞳孔定位是很多疲劳识别的关键。在获得人脸图片之后,首先对图片进行图像预处理,再通过混合投影对眼睛进行粗定位得到眼睛图片,然后对眼睛图片进行hough圆检测和二值化得到瞳孔粗定位图片,再运用黑色像素最多对瞳孔粗定位图片搜寻瞳孔中心,最后根据最小二乘法拟合瞳孔。结果表明,该算法与已有算法相比,具有更为快速和精确的定位效果。

基于机器视觉的镀锌板粉化区域的提取方法

提出了一种在镀锌板粉化双球冲试样中提取粉化区域的方法.首先在对试样硬件定位的基础上,利用不变矩方法计算出试样图像的重心,应用Canny算子提取出图像边缘,运用Sobel算子实现边缘检测图像的细化.考虑到硬件定位装置无法精确地将试样固定在同一位置,提出了一种改进的Hough圆检测算法来实现试样的软定位校正;然后提出了基于标准差的粉化区域分析方法,将机器视觉技术和统计学知识结合起来,利用粉化区域与正常区域间标准差的不同,有效地识别出了粉化区域的大小.试验证明,该方法提取镀锌板粉化区域大小的准确率达到99%,达到了实用化的要求.

基于分块搜索的虹膜定位算法

针对传统虹膜定位算法识别效果不稳定,鲁棒性低的问题,提出基于分块搜索的虹膜定位算法。首先利用虹膜图像灰度变化差异将虹膜图像转换为二值图像,用基于边缘检测的hough圆检测法粗略定位虹膜内圆,再利用分块搜索二值图像对内圆进行精确定位。之后利用卷积运算粗略定位外圆,再对原图像进行分块搜索,观察截图的灰度直方图中的灰度变化精确定位外圆。将得到的虹膜与传统定位算法得到的虹膜用相同的虹膜识别算法处理,结果表明,该算法定位出的图像识别上效果更明显,并且具有很好的鲁棒性。

采用热红外和可见光图像无损测定棉花苗期叶面积

叶面积是影响植物光合作用、蒸腾作用、呼吸作用及产量形成的重要形态指标之一,为实现作物叶面积准确、稳定和无损化测量,该研究基于红外线成像设备,提供了一种利用热红外和可见光图像测定棉花叶片面积的方法。以苗期棉花作为研究对象,通过红外成像相机T660获取棉花的热红外和可见光波段的图像,分别使用GrabCut算法和Hough圆检测提取红外图像中叶片和可见光图像中已知实际面积的圆状参照物(五角硬币)的像素面积,进而根据叶片区域和圆状参照物区域的像素倍数关系计算棉花的真实叶面积,将通过该研究所提方法计算的叶面积结果与传统的剪纸称重法、Image Pro Plus软件图像法进行皮尔逊相关性分析,检验该方法的可行性。分析表明,基于所提方法的测量值与剪纸称重法、Image Pro Plus软件图像法的结果之间均存在显著的线性相关关系(P<0.01)(相关系数分别为0.992,0.996)。3种方法对5盆棉花进行8次测量,结果显示,该研究所提方法测量值的平均变异系数为0.78%,在测量工作中表现稳定,为快速获取棉花苗期叶面积提供了一种准确稳健的理论方法。

基于计算机视觉的位移测试方法研究与实现

针对Hough变换、最优圆拟合两种圆检测算法进行了圆检测效果、算法应用范围及计算效率的对比分析;研发了基于圆检测算法的非接触性动态位移测试方法并应用于大型振动台实验。结果表明:Hough变换圆检测及最优圆拟合圆检测均具有较好的圆参数检测效果。Hough变换圆检测方法更适用于测试背景简单且需单次识别多个标靶圆的工况;最优圆拟合圆检测方法更适用于测试背景复杂的工况。应用非接触性位移测试方法于大型振动台试验中,测试了模型地基土的位移反应。应用基于机器视觉技术的位移测试方法可以有效解决复杂工况下的位移测试问题。

非接触性动态位移测试方法的研发及应用验证

基于Hough变换圆检测原理研发了非接触性动态位移测试方法,采用振动台进行了应用验证.结果表明,Hough变换具有良好的圆检测效果.图像计算效率与角度、半径的检测步长的选取相关;选取较大半径检测步长时,图像处理速度将大幅提高;选取较大角度检测步长时,图像处理速度提高并不显著.通过不同试验验证了自行研发的非接触性位移测试方法在不同频率正弦波输入、图像中不同半径标靶圆及相机-标靶不同物像空间距离特性条件下均具有良好的识别效果.工程实用角度,非接触性位移测试方法可以同时捕捉多个测点的位移及有效解决测试量程受限的问题,并可避免由于接触对被测体产生的干扰.

一种虹膜定位的新算法

针对虹膜外径边缘图像提取的困难,提出对增强了对比度的虹膜图像进行阈值分割之后用圆检测方法进行虹膜定位的简便而快速的算法.首先,根据虹膜图像的边缘图像用圆检测随机Hough变换方法提取瞳孔的圆心与半径;然后,对用直方图均衡化方法增强了对比度的虹膜图像进行阈值分割,提取分割后的图像的二值边缘图像;最后,利用已经提取的瞳孔的圆周参数等先验知识检测虹膜外径与圆心。实验结果表明,该算法提高了虹膜定位的速度,并且具有较好的健壮性与稳定性。