基于机器视觉的仪表数字识别研究

论文摘要

进入21世纪后,计算机电子技术飞速发展,对图像模式识别技术的应用在人们生活的各个方面都得到了广泛的应用。图像从古至今就是人们最主要的信息来源,通过图像,人们的思想得到了交流,社会得到了发展。模式识别是图像处理的一个重要技术,是人们透过图像来提取必要的信息的有效途径,极大的提高了现代社会的生产效率。目前,基于图像的模式识别技术在实际的生产生活中得到了广泛的应用,例如:车牌识别,航空遥感,远程医疗技术,建筑工程检测,公共安防等。在日常生活中,我们无时不感受到模式识别技术给我们带来的好处,但是模式识别技术刚刚开始起步,可以研究的内容很多。其发展的前景十分巨大,因此是企业和学界研究的一个重点。目前,在很多时候对仪表进行数字读取主要还是靠人工来实现,但在一些特定的场合,这样做是危险的和难以实现的。在这个时候就需要利用数字图像技术来进行仪表数字的识别。本文针对这种情况,将重点研究仪表数字识别的过程及其算法,本文的主要工作内容如下:1.在图像的预处理阶段,由于现实环境中获取图像的质量没有保证,需要对仪表图像进行增强。通过比较各种图像增强的技术,发现直方图均衡化对与低对比度的图像处理有很好的效果:另外,Otsu算法能够根据图像质量自动获取最佳阈值增强图像的可视性,为下一步进行仪表定位打下了良好的基础。2.由于图像采集器采集到的图像有可能会出现一定程度的倾斜,本文采用了canny算子对图像边缘进行检测,然后利用Hough变换,实现了对仪表数字区域的倾斜矫正,效果良好。3.本文首先通过采用水平和垂直投影定位的方法来实现对仪表表数字区域的粗定位,然后采用边缘检测和数学形态学相结合的方法有效地实现了仪表表数字区域的准确定位和局部修正。4.通过不变矩来提取数字图像的特征提取,结合扫描穿刺技术得到数字图像的特征信息。5.本文采用改进的支持向量机对仪表数字进行识别,实验证明该方法的效果很好。对比实验表明,改进的支持向量机的识别率优于传统的支持向量机方法和BP神经网络算法。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题研究背景及意义
• 1.2 抄表模式概述
• 1.3 仪表数字识别的现状
• 1.4 本文的研究目的及步骤
• 2 仪表数字图像的预处理
• 2.1 图像的采集
• 2.2 图像预处理方法比较
• 2.2.1 图像灰度化
• 2.2.2 直方图均衡化
• 2.2.3 滤波
• 2.2.4 二值化技术
• 2.3 本章小结
• 3 仪表数字区域定位
• 3.1 仪表数字区域的特征
• 3.2 基于投影的仪表数字区域定位
• 3.2.1 投影法介绍
• 3.2.2 投影法在本文中的应用
• 3.3 基于数学形态学的定位
• 3.3.1 数学形态学介绍
• 3.3.2 形态学变换
• 3.3.3 定位过程
• 3.4 基于颜色的仪表数字区域定位
• 3.5 本章小结
• 4 仪表数字区域的校正与分割
• 4.1 仪表数字区域的倾斜校正
• 4.1.1 校正的原理
• 4.1.2 常见的水平校正方法比较
• 4.1.3 边缘检测
• 4.2 仪表数字的分割
• 4.2.1 投影法分割字符
• 4.2.2 数字图像的归一化
• 5 仪表数字的识别
• 5.1 特征提取
• 5.1.1 字符图像的特征
• 5.1.2 本文的特征提取方法
• 5.2 支持向量机
• 5.2.1 支持向量机简介
• 5.2.2 支持向量机模型概述
• 5.2.3 非线性分类的方法
• 5.2.4 支持向量机多分类方法
• 5.3 基于HUFFMAN 树的支持向量机
• 5.3.1 类间的可分离度
• 5.3.2 基于上述思想的算法描述
• 5.4 对半字的处理
• 5.5 试验结果分析
• 5.5.1 样本采集
• 5.5.2 实验结果
• 6 结论
• 致谢
• 参考文献
• 附录