基于STM32的嵌入式智能视觉数字识别实验装置

开发了一种基于STM32的嵌入式智能视觉数字识别实验装置,该实验装置实现了对数字字符的视觉识别。基于STM32的嵌入式数字识别实验装置采用了MDK5软件进行开发,其中包括获取图像信息、图像信息预处理、定位图像的数字字符区域、分割字符及归一化、识别字符等。嵌入式数字识别实验装置可以定位图像的数字字符区域,对字符区域的数字字符进行识别,将识别出的数值通过ESP8266-WiFi模块,可实时发送到手机端。该实验装置融合了机器视觉、数电、模电及单片机应用等多方面的知识,具有一定的延展性和创新性,可锻炼学生的实践能力和创新能力,有利于培养具有工程应用及技术创新能力的高素质复合型新工科人才。     

空间距离变换的彩色图像目标识别方法

研究了彩色图像的分割算法,提出了运用彩色图像的颜色特征相似性进行图像的分割;然后将分割的目标进行检测,运用无监督网络,即竞争网络学习训练聚类,将图像中不同的目标提取出来。在识别方面,研究了一种运用空间距离变换方法来识别的算法,计算出区域半径测试样本点在区域内还是区域外,以达到识别的目的。实验结果表明,本文提出的分割算法和识别算法可以很好地运用到实际中,识别率可达90%以上。     

逆向工程中一种新的特征识别算法

从某种角度上说,逆向工程是从已有实物的测量数据点中提取其实体特征再进行模型重建的过程。本文提出了一种新的特征识别算法,其首先采用基于面积和法矢准则的数据分割技术,对测量数据点进行数据分割。然后从特征所包含的分割面(简称特征分割面)中提取能够惟一标识该特征的4种特征编码,分别为:表述特征截面形状的截面编码、描述特征凹凸性的凹凸编码、显示特征二维俯视轮廓形状的轮廓编码以及反映特征二维俯视轮廓是否封闭的开闭编码。最后将这4种编码输入到基于人工神经(BP)网络的自动特征识别系统中,识别出特征类型并提取特征参数,从而实现特征重建。着重研究并实现了从特征分割面中提取特征编码的算法,并验证了算法的有效性。     

基于FLICM与几何特征组合的缺陷识别算法

针对边缘模糊、对比度低的缺陷图像,采用传统模糊聚类方法容易引起目标聚类错误,阻碍了缺陷特征参数的提取精度,从而引发了缺陷错误分类和降低了缺陷识别率。为此,本文提出了一种新颖的基于FLICM与几何特征组合的图像缺陷识别算法。首先采用FLICM模型分割缺陷图像,以获取图像缺陷区域;其次提取图像缺陷的多类几何特征;最后采用几何特征的参数变量组合识别缺陷目标。实验结果表明该模型提高了疏松、夹杂、裂纹、分层、窜层、气孔缺陷识别率。     

基于动态时轴弯曲的汉语连呼数字识别算法

模板匹配是计算机语音识别的重要手段之一。本文以孤立数字的线性预测编码(LPC)参数为模板,针对当汉语连呼数字发音速度较快时一字分割较困难这一特点,研究了不需预分割的汉语连呼数字识别问题。算法通过把复合距离的端点搜索与端点无约束的动态时轴弯曲(DTW)技术相结合,在保证一定识别率的前提下,使计算量较二级或多级动态规划算法有了大幅度下降即接近孤立数字发音识别水平。同时,简化的树状决策方法使识别性能进一步得到提高。初步实验结果表明,此方案可较有效地克服连呼数字识别中的连读效应。     

基于HOG和SVM算法的磨粒图像在线监测技术

为了解决发动机润滑油液磨粒图像监测只适用于微流且易受气泡干扰等问题,设计了一种可适用于相对大流量工作环境的油液磨粒光学图像在线监测系统,区分气泡和磨粒。通过该监测系统,批量采集了一系列磨损颗粒和气泡图片,用于后续图像分类算法的训练与测试。采用了一种基于背景差分和大津法的运动物体提取算法提取出大量磨粒及气泡图像样本,运用基于方向梯度直方图（Histogram of oriented gradients,HOG）进行特征提取和支持向量机（Support vector machine,SVM）分类算法对气泡和磨粒进行识别。实验结果表明,该监测系统能有效采集磨粒及气泡图像并进行自动识别。与基于形态学特征提取算法以及K最近邻（K-nearest neighbor,KNN）等传统分类算法相比,HOG-SVM算法分类精度更高,识别准确率可达83 8%。     

冰形表面激光光带中心线快速提取方法

在风洞结冰模型3D冰形测量中,激光三角测量法相对传统测量方法检测速度快、精确度高,具有极高研究价值。然而由于冰体对激光透射严重,影响激光中心线提取精度从而影响测量精度。针对此问题,提出一种冰形表面激光光带中心线快速提取方法。该算法具体实现步骤为:首先,采用基于三维块匹配去噪算法对图像进行降噪,并对图像进行视觉显著性计算,分割出光带区域;其次,求取梯度图并转换至频域空间,根据图像频谱特征求取能量中心区域;最后,对区域采用灰度重心法求取中心线亚像素级位置。采用冰箱冻结的半径已知圆柱冰块评估该算法,测得算法处理时效为28.57FPS,使用该算法的冰形轮廓重建精度达到0.017mm。实验证明算法满足冰形在线测量技术要求,为开展结冰实验中结冰生长过程在线三维检测技术奠定技术基础。     

基于全局Maxflow邻域生长算法的SAR图像目标分割

提出一种改进的GrabCut算法,利用迭代图割(GrabCut)算法对彩色图像进行分割的特点,在不需要交互式操作的情况下,将SAR图像转化为24 bit BMP的位图进行处理,再结合邻域生长算法实现对SAR图像目标的自动分割.通过对MSTAR和NASA喷气推进实验室的SAR图像进行目标分割实验,结果表明,该算法分割精度高于目前通用的其他算法.     

遥感图像中港口目标识别技术

针对遥感图像中港口目标识别的特点,提出了一种基于纹理特征分类与轮廓识别的高效港口识别算法.该方法首先采用梯度分析方法进行海陆分割,得到水域与陆地的二值图像,并据此提取轮廓,然后利用差分链码标记提取港口轮廓,最后检测与链码拐点有关的三个特性,得到港口基元的识别结果.实验结果表明,该算法能够有效地识别遥感图像中任意方向和任意凹凸的港口目标.     

结合灰度共生特征和水平集算法的宫颈醋白区域分割

肉眼醋酸实验是宫颈癌筛查的重要手段,使阴道镜设备具备自动识别醋白区域的功能是解决在临床上缺乏有经验医生这一难题的有效方法。针对这一目的,提出了一种建立在灰度共生特征矩基础上的CV模型水平集算法。该方法首先使用k-means聚类从肉眼醋酸实验后的原始宫颈图像中分割出宫颈区域,继而利用合成的灰度共生特征矩对宫颈区域进行醋白特征提取并获得待分割的特征图,最后使用改进的CV水平集算法对特征图进行分割并得到醋白区域。实验结果显示:改进后的CV水平集算法比传统CV水平集算法的敏感度在平均值上低26.6%,比分水岭分割高47.6%,比模糊聚类分割高11.23%;其特异性在平均值上比水平集分割高29.45%,比分水岭分割低11.64%,比模糊聚类高45.23%;而以Jaccard Index(JI)统计的精度指标在平均值上比传统CV水平集算法高19.74%,比分水岭算法高23.27%,比模糊聚类高38.11%。该新方法在总体性能指标上精度更高。     

基于快速均值漂移和水平集方法的图像分割技术

通过加强边缘检测函数的约束作用,对L i提出的无需重新初始化的水平集方法进行了改进,用于提高水平集方法对弱边缘与低对比度图像的分割处理性能。同时,利用快速均值漂移法对图像进行预分割,将得到的轮廓作为水平集方法的初始轮廓,从而降低水平集函数的迭代次数。脑部M R图像的分割实验结果表明,该算法能够准确地提取相应的脑组织,同时大大地提高水平集函数的演化速度。     

基于一维卷积神经网络的加密单数据包分类

针对基于卷积神经网络的流量分类方法中流量数据范围选取会直接影响精度结果的问题,提出了基于一维卷积神经网络的加密单数据包分类算法.通过提取出五元组和应用层数据信息形成特定格式的样本数据,最大最小归一化处理后作为一维卷积神经网络的输入,实现对单个流量数据包分类;然后对经典一维卷积神经网络结构进行改进,设计自适应池化层,完成...     

一种新的图像背景自适应分割算法

在对图像分割技术进行综合研究的基础上,提炼出一种以最大类间方差法为基础的图像背景自适应分割算法,此算法根据目标和背景区域的灰度统计量来自动选取最优阈值。还通过仿真与常规的迭代法、四叉树、分水岭的效果图做了比较。     

复杂背景下磨粒显微图像分割

针对DMAS系统中复杂背景下磨粒图像的自动分割问题，根据磨粒图像的相关特征，充分利用领域知识，基于图像分割和边界跟踪的思想，选取了适合磨粒图像分割的最大类间方差阈值法，并结合腐蚀、膨胀等图像处理技术，实现了复杂背景下磨粒图像的有效分割和目标提取。最后算例表明了本方法的简洁有效性。本文研究将对进一步展开磨粒识别和机械设备故障诊断研究工作提供前提和依据。     

LLE算法的模态识别及影响因素研究

局部线性嵌入算法(LLE)是一种实现对高维数据降维的流形学习算法,可基于结构响应数据进行模态参数识别,算法的噪声敏感度和稳定性对参数识别精度具有重要影响。本文以一块复合材料板为研究对象,利用LLE算法对其振动响应数据进行降维处理从而实现模态识别,重点分析了该算法的噪声敏感度和其在不同采样频率下的流形特征稳定性,同时利用模态置信准则(MAC)衡量LLE算法提取得到的振型与有限元振型的相关性。结果表明,利用LLE算法识别的模态参数具有较高的精度,且LLE算法具有较强的抗噪声干扰能力,采样频率对LLE算法的影响与采样定理相一致。     

基于LabVIEW与IMAQ的汽车牌照识别

提出一种虚拟仪器与机器视觉相结合的汽车牌照识别方法。在LabVIEW平台上,利用IMAQ V ision强大的图像处理功能,对CCD摄像机获得的图像进行预处理、车牌定位处理、字符分割处理、字符识别处理,最终得到通过车辆的车牌号码,实验结果表明该方法的可行性。     

线性结构光条纹自适应中心提取的鲁棒方法（英文）

在采用线性结构光(Linear structured light,LSL)方式的非接触式测量中,光条纹中心的提取精度直接影响整个检测系统的测量精度。针对通用算法无法准确提取宽度不均匀、灰度值分布不均匀的条纹中心的问题,本文提出了一种自适应优化方法。在该方法中,首先分割条纹区域,通过边界检测来计算激光条纹的宽度。通过基于自适应条纹宽度的二次加权灰度质心法计算初始条纹中心点。之后,根据确定的斜率阈值优化这些中心点,重新计算并获得这些中心点的子像素坐标,同时根据提出的提取算法评估指标对算法进行了详细分析。实验中,提取的中心点的均方误差仅为0.1个像素,结果表明该方法可以显著提高激光条纹中心点的提取精度。此外,该方法可以以相对较低的计算时间有效地运行,鲁棒性良好。     

面向飞行机械臂的实时目标检测与定位算法

飞行机械臂要完成自主抓取的任务,对目标物的识别与定位尤为关键.当前飞行机械臂视觉识别算法多采用传统的特征提取等方法.为提升目标物识别及定位的精度和效率,本文设计了一种基于YOLOv5深度学习目标检测算法和RGB?D传感器的视觉识别与定位算法,该算法可以实时检测目标物并对其位姿进行估计,为飞行机械臂的抓取工作服务.同时针...     

重排算法在多目标雷达信号分辨中的应用

本文使用１５年前由柯德锐等人首次在谱图中使用,并经弗朗克斯等人改进并推广的重排算法,对多目标雷达信号进行架次识别,此重排算法简单且极易实施,在重排后失支双线性时,却保持了其他许多可取特性,并换回了Ｃｈｉｒｐ信号和冲击信号的准确定位,针对编队多目标雷达信号的线性调频特点,利用此重排算法在权衡能量聚集性和消重排振荡的同时,实现了对编队多目标雷达信号的分辨。     

基于图像处理的低速横流中液体射流轨迹提取方法研究

为研究低速横流条件下不同工况液体射流破碎的轨迹特征和影响因素,采用高速摄像仪拍摄射流破碎图像,结合图像处理技术提出针对低速横流情况下液体射流破碎弯曲轨迹的提取方法。该方法首先采用直方图均衡化对灰度化后的原始图像进行增强处理,然后利用最佳直方图熵法（KSW法）及传统遗传算法对图像进行二阈值分割,最后结合Sobel算子和凸包算法对射流轮廓进行检测提取以获得射流轨迹的数据点集。对不同工况下典型射流破碎模式的轨迹提取及非线性拟合结果表明,所提出的方法能够准确提取液体射流轨迹,实现低速横流作用下不同破碎模式的轨迹提取,并且通过非线性拟合得到的射流破碎经验公式可以准确预测射流弯曲轨迹。