直读式仪表读数的图像识别方法研究

发布时间：2022-10-08 18:31

　　随着计算机技术的快速发展,图像识别技术也在不断的发展与完善。图像自动识别技术早已应用在了生产生活中的各个领域,将人从一些重复、机械的工作环境中解放出来,大大提高了生产的效率,给人们的生活带来极大的便利。例如已经投入使用的车牌自动识别、手写数字字符识别和人脸识别等,这些无一不给人们的日常生活带来方便。直读式仪表读数识别就是运用图像处理技术,可以对仪表图像进行增强,增强图像的视觉效果,可以挖掘出人类视觉中无法捕捉到的特征信息,进而提取到仪表图像的特征信息,再应用数字字符识别技术,自动准确的读取仪表图像的读数,将人从单一重复的读表工作中解放出来,不仅可以解放了劳动力,同时也提高了读数的准确性,这在直读式仪表被广泛应用的当今社会无疑是具有十分重要的意义。本文旨在设计一款简单、快速并且识别率比较高的识别系统,可以应用于各种工业现场,甚至某些工作人员无法出入的特殊工作场地。针对这个目的,本文主要做了如下工作:（1）仪表读数图像预处理。在图像采集阶段,考虑到各种复杂环境对图像的影响,对质量较差的仪表读数图像进行图像增强,对过亮或过暗的图像采用直方图均衡化处理,对光照不均的仪表读数图像实行局部阈值处理... 

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
中文摘要
ABSTRACT
1.绪论
    1.1 课题研究的背景及意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 课题研究的工作及内容安排
        1.3.1 课题研究的工作
        1.3.2 本文内容的安排
2.直读式仪表图像的采集和预处理
    2.1 仪表图像的采集
    2.2 仪表图像的预处理
        2.2.1 仪表图像的灰度化处理
        2.2.2 仪表图像的增强处理
        2.2.3 仪表图像的去噪处理
        2.2.4 仪表图像的阈值分割处理
    2.3 直读式仪表图像的倾斜矫正
        2.3.1 倾斜矫正的基本原理
        2.3.2 边缘检测
        2.3.3 矫正方法
    2.4 本章小结
3.直读式仪表图像的数字分割
    3.1 连通区域法
    3.2 投影法
        3.2.1 垂直投影法
        3.2.2 水平投影法
    3.3 数字字符的归一化
    3.4 本章小结
4.模版匹配与支持向量机识别方法研究
    4.1 特征提取
    4.2 数字字符特征的提取方法
        4.2.1 结构特征提取法
        4.2.2 统计特征提取法
    4.3 数字识别中的结构特征提取
    4.4 模版匹配
        4.4.1 模版匹配原理
        4.4.2 模版匹配识别模版
        4.4.3 改进的标准模版制作
        4.4.4 模版匹配识别结果
    4.5 支持向量机(SVM)
        4.5.1 支持向量机简介
        4.5.2 支持向量机基本算法
        4.5.3 支持向量机优势
        4.5.4 支持向量机识别数字方法
        4.5.5 支持向量机识别数字结果
    4.6 本章小结
5.卷积神经网络识别方法研究
    5.1 卷积神经网络
        5.1.1 卷积层
        5.1.2 子采样层
        5.1.3 全连接层
    5.2 LeNet-5神经网络模型
    5.3 LeNet-5模型的改进
        5.3.1 输入层与输出层改进
        5.3.2 中间层的改进
        5.3.3 网络训练和实现
    5.4 识别过程及结果分析
    5.5 本章小结
6.总结和展望
    6.1 总结
    6.2 展望
参考文献
攻读硕士学位期间发表学术论文情况
致谢
作者简介


【参考文献】：
期刊论文
[1]基于直方图均衡化图像增强的两种改进方法[J]. 董丽丽,丁畅,许文海.  电子学报. 2018(10)
[2]基于改进随机Hough变换的直线检测算法[J]. 徐超,平雪良.  激光与光电子学进展. 2019(05)
[3]工业线性指针仪表识别改进方法[J]. 霍凤财,王迪,李政璋.  吉林大学学报(信息科学版). 2018(04)
[4]基于KAZE特征匹配的指针式仪表自动读数方法[J]. 胡彬,江宁,潘雨.  仪表技术与传感器. 2018(05)
[5]基于边缘检测和Hough变换的圆定位算法[J]. 安培源,张华.  浙江理工大学学报(自然科学版). 2018(05)
[6]变电站室内数显仪表的读数识别[J]. 邓清男,石晓龙.  工业仪表与自动化装置. 2018(02)
[7]基于机器视觉的指针式仪表示数识别方法研究[J]. 童伟圆,葛一粟,杨程光,金一鸣,高飞.  计算机测量与控制. 2018(03)
[8]指针式仪表读数的机器视觉智能识别方法[J]. 施滢,夏春华,胡琳娜,孟迎军.  传感器与微系统. 2017(11)
[9]基于改进激活函数的卷积神经网络研究[J]. 曲之琳,胡晓飞.  计算机技术与发展. 2017(12)
[10]基于卷积神经网络的自然场景中数字识别[J]. 周成伟.  计算机技术与发展. 2017(11)

硕士论文
[1]变电站指针式仪表自动识别方法研究[D]. 陈镜宇.武汉科技大学 2018
[2]指针式仪表自动校验系统的研究和设计[D]. 邵力夫.南昌大学 2016



本文编号：3688213