基于SIFT特征匹配的水表指针自动定位及识别方法
发布时间：2021-07-21 20:51
本文通过提取水表图像SIFT特征点与水表子表盘模板进行匹配点筛选,利用Kmeans聚类算法对匹配点进行分类实现水表子表盘的自动定位;接着利用色差模型对水表子表盘图进行灰度化处理;对灰度图进行二值化处理,并采用统计面积法消除干扰点,提取并识别水表指针。实验结果显示该算法精准定位水表指针,并完整识别出水表指针。
【文章来源】：中国计量. 2020,(09)
【文章页数】：3 页
【部分图文】：
sift特征匹配点示意图
如式（2）所示，输入水表子表盘特征点，子表盘个数为聚类的类别个数，利用Kmeans聚类算法获得水表子表盘区域分类，图4中相对聚集点明显分为4类，每类点集合代表水表4个子表盘区域分类。图3 去干扰点示意图
图2 匹配特征点示意图samples代表水表子表盘的特征点集，count为给定的聚类数目，本文设定为水表指针个数，labels为输出向量，termcrit代表聚类的最大迭代次数和精度，本文设定为cv Term Criteria(CV＿TERMCRIT＿EPS|CV＿TERMCRIT＿ITER,15,1.0）。
【参考文献】：
期刊论文
[1]基于向量角度判读的水表自动检定系统研究[J]. 张宁,郭增军,李静. 自动化与仪器仪表. 2017(12)
[2]基于改进SIFT算法的图像匹配方法[J]. 程德志,李言俊,余瑞星. 计算机仿真. 2011(07)
[3]基于递归的二值图像连通域像素标记算法[J]. 徐正光,鲍东来,张利欣. 计算机工程. 2006(24)
本文编号：3295754
【文章来源】：中国计量. 2020,(09)
【文章页数】：3 页
【部分图文】：
sift特征匹配点示意图
如式（2）所示，输入水表子表盘特征点，子表盘个数为聚类的类别个数，利用Kmeans聚类算法获得水表子表盘区域分类，图4中相对聚集点明显分为4类，每类点集合代表水表4个子表盘区域分类。图3 去干扰点示意图
图2 匹配特征点示意图samples代表水表子表盘的特征点集，count为给定的聚类数目，本文设定为水表指针个数，labels为输出向量，termcrit代表聚类的最大迭代次数和精度，本文设定为cv Term Criteria(CV＿TERMCRIT＿EPS|CV＿TERMCRIT＿ITER,15,1.0）。
【参考文献】：
期刊论文
[1]基于向量角度判读的水表自动检定系统研究[J]. 张宁,郭增军,李静. 自动化与仪器仪表. 2017(12)
[2]基于改进SIFT算法的图像匹配方法[J]. 程德志,李言俊,余瑞星. 计算机仿真. 2011(07)
[3]基于递归的二值图像连通域像素标记算法[J]. 徐正光,鲍东来,张利欣. 计算机工程. 2006(24)
本文编号：3295754
本文链接：https://www.wllwen.com/kejilunwen/yiqiyibiao/3295754.html
