圖像分析技術(shù)自動識別織物的組織結(jié)構(gòu)

膠結(jié)充填膏體(cpb)、砂漿及混凝土等水泥基材料的力學(xué)強度取決于其微觀結(jié)構(gòu),如孔隙數(shù)量、孔徑及結(jié)構(gòu),顆粒及骨架的排列形態(tài)等。對于該類材料的力學(xué)強度與其孔隙結(jié)構(gòu)(如孔徑及其分布)的關(guān)系研究目前已有很多,但與微觀形態(tài)特征或紋理特性的相關(guān)性研究較少。紋理是一種反映圖像中同質(zhì)現(xiàn)象的視覺特征,體現(xiàn)了物體表面共有的內(nèi)在屬性,包含了物體表面結(jié)構(gòu)組織排列以及它們與周圍環(huán)境的聯(lián)系,是量化微觀形態(tài)特性的有效方法。在統(tǒng)計分析中,灰度共生矩陣(glcm)紋理和tamura紋理是表征紋理特征的最具代表性方法。本研究以3種不同質(zhì)量濃度膏體制備的充填體試塊為樣本,養(yǎng)護至指定齡期后經(jīng)單軸抗壓強度試驗獲得其力學(xué)強度,再對試塊斷面進行電鏡掃描(sem)獲得其微觀結(jié)構(gòu)圖像；基于圖像識別/分析技術(shù)提取sem圖像的紋理特征參數(shù),分析紋理特性與sem圖像參數(shù)(放大倍數(shù))間的關(guān)系,篩選出有效的sem圖像樣品；分析各紋理參數(shù)與膏體濃度的相關(guān)性,識別出與膏體濃度呈正相關(guān)的紋理參數(shù),并驗證該紋理參數(shù)與力學(xué)強度存在嚴格的相關(guān)關(guān)系。

基于圖像的旋翼式水表指針讀數(shù)自動識別研究

文章介紹了一種“基于數(shù)字圖像的多品種混流機器人噴漆自動線的汽車車身自動識別系統(tǒng)”。文中詳細說明了自動識別系統(tǒng)的總體方案和硬件結(jié)構(gòu);同時還詳細地介紹了系統(tǒng)的軟件總體結(jié)構(gòu)和車身識別處理模塊、車身產(chǎn)量統(tǒng)計模塊、車型特征數(shù)據(jù)庫模塊和系統(tǒng)維護模塊等四大功能模塊;本論文還對系統(tǒng)的功能、特點進行了簡要地介紹;同時還重點介紹了系統(tǒng)中基于運動圖像序列、基于神經(jīng)網(wǎng)絡(luò)、基于小波變換和基于loc算子等四種車型識別算法的特點。該識別系統(tǒng)已成功地應(yīng)用于生產(chǎn)實際,并且運行穩(wěn)定可靠,提高了生產(chǎn)效率,具有一定的推廣應(yīng)用價值

針對航拍圖像中機場跑道的區(qū)域灰度特征和邊界直線特征,提出了一種基于直線特征的機場跑道自動識別算法。首先對航拍圖像進行邊緣檢測;然后在歸一化的邊緣檢測幅度圖像中進行直線提取,并對提取的直線進行三次連接;再進行機場跑道邊界平行直線對的提取;最后根據(jù)區(qū)域灰度特征對機場跑道區(qū)域進行驗證,完成機場跑道的識別和定位。大量實驗結(jié)果表明,本算法對云層遮擋等具有較強的魯棒性,并且定位準確,是一種有效的機場跑道識別算法。

水工建筑物是我國在水資源豐富的地區(qū)普遍存在的,其中金屬結(jié)構(gòu)也是工程中極其重要的組成部分.水工建筑物中的金屬結(jié)構(gòu)長期接觸侵蝕性介質(zhì),遭受了不同程度的化學(xué)侵蝕,尤其是電化學(xué)侵蝕;同時它們還受到高速水流和風浪的沖擊,容易造成沖撞破壞;此外泥沙還會對其產(chǎn)生沖刷作用,這些都是一些水工金屬結(jié)構(gòu)遭受破壞的原因之一.正是由于自然環(huán)境因素對水工金屬結(jié)構(gòu)所造成的損失和破壞如此巨大,如何對金屬結(jié)構(gòu)物進行腐蝕情況的檢查鑒定、如何使得金屬結(jié)構(gòu)能夠長效防腐,已成為人類越來越重視的方面,提高金屬結(jié)構(gòu)的腐蝕情況鑒定技術(shù)和抵抗腐蝕的能力成為當務(wù)之急.

針對生產(chǎn)中內(nèi)螺紋難以快速自動檢測問題,提出了一種基于計算機視覺技術(shù)的內(nèi)螺紋非接觸式自動檢測方法。采用數(shù)學(xué)形態(tài)學(xué)處理二值化后的內(nèi)螺紋圖像,消除了內(nèi)螺紋小徑圓弧邊緣缺口、裂縫及破洞等缺陷;然后應(yīng)用最小二乘圓擬合方法檢測內(nèi)螺紋小徑圓弧,得到精確的小徑半徑尺寸,以內(nèi)螺紋小徑的半徑尺寸差異為判別條件,開發(fā)自動檢測系統(tǒng),實現(xiàn)內(nèi)螺紋的準確識別。實驗結(jié)果表明,該系統(tǒng)檢測精度高、正確率高、速度快,能滿足內(nèi)螺紋生產(chǎn)自動檢測的要求。

利用圖像處理技術(shù)和模式識別技術(shù),提出了一種基于影像的道路標線自動識別方法。實驗結(jié)果表明,該算法速度快、準確率高、適應(yīng)性強。

鋼筋自動計數(shù)是鋼材生產(chǎn)中的一個難題?，F(xiàn)有的鋼筋自動計數(shù)方法包括捆裝棒材的圖像計數(shù)和在線棒材的自動計數(shù),它們的采集、處理方法有較大差別。本文對比分析了面積計數(shù)和模板計數(shù)這兩種方法,指出了它們各自存在的問題以及需要完善和改進之處。

車牌識別是一項以數(shù)字圖像處理、計算機視覺、模式識別、人工智能等多門學(xué)科為基礎(chǔ),對攝像機所拍攝的車輛圖像進行分析,得到每輛汽車唯一的車牌號碼的技術(shù),是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一,應(yīng)用十分廣泛。本文設(shè)計了一種車牌識別系統(tǒng),此系統(tǒng)是在利用matlab圖像處理技術(shù)與模式識別中的模板匹配法識別出車牌號碼。此車牌識別系統(tǒng)經(jīng)多組實驗測試,能識別出一般車輛的車牌號碼。

研究水利工程隱患準確檢測問題,提高監(jiān)測的準確性受到監(jiān)測手段限制,而傳統(tǒng)水力工程隱患檢測是通過雷達成像獲取隱患區(qū)域圖像與正常區(qū)域圖像的像素特征差異轉(zhuǎn)化后的特征差異信號進行檢測,當隱患區(qū)域與正常區(qū)域差異不明顯的時候,轉(zhuǎn)化后的特征差異信號很弱,會發(fā)生漏檢測,造成檢測的準確性不高。為了解決上述問題,提出根據(jù)像素差異補償?shù)乃こ贪踩[患檢測算法,通過增加隱患區(qū)域與正常區(qū)域的像素差異的強度,補償由于外界環(huán)境因素造成的像素差異過小的弊端,增強轉(zhuǎn)化后的像素差異信號強度,進而增加檢測的準確性。實驗表明,改進方法能夠很好地補償像素差異信號的衰減,準確檢測水利工程中的安全隱患。

在人工智能領(lǐng)域中,圖像識別技術(shù)是一種類似于人眼識別,基于圖像明顯特征的重要技術(shù),隨著我國信息時代的不斷發(fā)展,其在項目電子化招投標工作中得到廣泛應(yīng)用。筆者從國內(nèi)外電子化招投標的研究現(xiàn)狀著手,對圖像識別技術(shù)在招投標過程中的應(yīng)用進行了深入探討,以期為今后圖像識別技術(shù)在項目招投標方面的應(yīng)用研究提供借鑒。

運用信息融合技術(shù)進行集裝箱號碼自動識別系統(tǒng)的設(shè)計。根據(jù)集裝箱號碼的特性、組成規(guī)律及分布特點,在預(yù)處理階段,采用了基于產(chǎn)生式規(guī)則的融合算法。該算法采用串行融合的方式并生成了一系列的規(guī)則,能夠快速準確地輸出具有較高質(zhì)量的號碼分割圖,為后續(xù)的特征提取和號碼識別提供更精確的信息。使用了3種不同類型的特征提取方法,分別生成基于神經(jīng)網(wǎng)絡(luò)的分類器,并將各自的分類結(jié)果通過d-s證據(jù)理論進行融合以完成最終的決策,提高了系統(tǒng)的識別率。該系統(tǒng)對光線與陰影具有較強的魯棒性,結(jié)構(gòu)簡單、快捷有效,在實驗中得到了滿意的效果。

基于數(shù)字圖像的檢測與處理技術(shù),提出了一種tfds系統(tǒng)心盤螺栓丟失故障的自動識別方法:經(jīng)直方圖均衡化的預(yù)處理消除拍攝環(huán)境的影響,通過確定制動梁的位置間接確定4個心盤螺栓所在的區(qū)域,由hough變換得到4個心盤螺栓所處的位置,進而判斷螺栓是否丟失.算法設(shè)計綜合考慮了檢測技術(shù)的可靠性和算法運行的速度,能夠很好地解決實際問題.

基于圖像相關(guān)分析的土體剪切帶識別方法——提出了一種基于數(shù)字照相量測和圖像相關(guān)性分析技術(shù)的土體剪切帶識別方法。首先，在模型試驗中，用數(shù)碼相機采集土體全程變形圖像序列；接著，在圖像全局觀測范圍內(nèi)粗略搜索到剪切帶發(fā)生的大致區(qū)域；然后，布置跨越剪切區(qū)...

首先分析了既有隧道襯砌裂縫檢測系統(tǒng)存在的問題,然后應(yīng)用最新技術(shù)發(fā)展成果,提出基于圖像識別技術(shù)的隧道襯砌裂縫檢測系統(tǒng).該系統(tǒng)能對隧道襯砌圖像予以高速采集和存儲,其后端采用基于深度學(xué)習的裂縫識別算法對海量的隧道襯砌圖像數(shù)據(jù)進行快速識別,并提取裂縫特征參數(shù).將該系統(tǒng)安裝在現(xiàn)有軌道車上進行了試驗,結(jié)果表明該系統(tǒng)可以50km/h的速度對1mm以上襯砌裂縫無遺漏采集.

文章首先簡要分析了遠程數(shù)字視頻監(jiān)控與圖像識別技術(shù),探討了其應(yīng)用現(xiàn)狀及基本圖像識別過程；用圖像識別技術(shù)識別了指針位置、7段式數(shù)字、設(shè)備信號燈等,并對識別過程作了簡單介紹；最后指出了其在電力系統(tǒng)當中的未來應(yīng)用前景。

基于道路圖像的交通標志識別系統(tǒng)中,關(guān)鍵步驟之一是對圖像中的交通標志能夠快速有效的識別.文中以具有字符信息的限速標志為例,通過對提取的區(qū)域圖像進行預(yù)處理、旋轉(zhuǎn)校正、字符分割和字符識別,實現(xiàn)了對交通標志中字符信息的自動識別.實驗驗證:該算法能有效地識別交通標志中的字符信息.

基于圖像識別的PLC智能控制系統(tǒng)設(shè)計

通過對傾斜的dr圖像進行圖像增強、二值化、傾斜校正、去毛刺、填補空洞、單字符分割和大小歸一化處理,分割出若干個大小相同的單字符圖像;然后通過訓(xùn)練45個支持向量機(svm),并得到各個支持向量機的判別函數(shù);利用這45個判別函數(shù)判別單字符圖像是哪個數(shù)字的圖像,并記下各個數(shù)字的得票數(shù),確定得票最多的數(shù)字即為單字符圖像對應(yīng)的數(shù)字。應(yīng)用microsoftvisualstudio2008軟件編寫了相關(guān)的計算程序。利用該程序進行識別實驗的結(jié)果表明,該方法能夠在dr圖像中貨車鑄件工件號呈傾斜情況下有效識別出貨車鑄件的工件號。

通過對傾斜的dr圖像進行圖像增強、二值化、傾斜校正、去毛刺、填補空洞、單字符分割和大小歸一化處理,分割出若干個大小相同的單字符圖像；然后通過訓(xùn)練45個支持向量機(svm),并得到各個支持向量機的判別函數(shù)；利用這45個判別函數(shù)判別單字符圖像是哪個數(shù)字的圖像,并記下各個數(shù)字的得票數(shù),確定得票最多的數(shù)字即為單字符圖像對應(yīng)的數(shù)字.應(yīng)用microsoftvisualstudi02008軟件編寫了相關(guān)的計算程序.利用該程序進行識別實驗的結(jié)果表明,該方法能夠在dr圖像中貨車鑄件工件號呈傾斜情況下有效識別出貨車鑄件的工件號.

在數(shù)字照片的快速檢索和瀏覽域中,需要對照片進行分類,但目前國內(nèi)外學(xué)者對照片的分類的研究并不是很多。提出了一種如何使用圖像的低級特征來表示高級語義分類的一種方法來對家庭數(shù)字照片的進行分類,特別適合于有人工建筑或人工事物的圖片。算法根據(jù)圖像紋理點和邊緣點的方向相位直方圖來推斷照片中是否存在人工建筑,從而達到對城市建筑風景和其它風景分類的目的。實驗數(shù)據(jù)表明,分類效果非常好,算法已在windows2000下使用vc實現(xiàn),具有很強的魯棒性。