隨著計算機技術(shù)的快速發(fā)展,圖像識別技術(shù)也在不斷的發(fā)展與完善。圖像自動識別技術(shù)早已應(yīng)用在了生產(chǎn)生活中的各個領(lǐng)域,將人從一些重復(fù)、機械的工作環(huán)境中解放出來,大大提高了生產(chǎn)的效率,給人們的生活帶來極大的便利。例如已經(jīng)投入使用的車牌自動識別、手寫數(shù)字字符識別和人臉識別等,這些無一不給人們的日常生活帶來方便。直讀式儀表讀數(shù)識別就是運用圖像處理技術(shù),可以對儀表圖像進行增強,增強圖像的視覺效果,可以挖掘出人類視覺中無法捕捉到的特征信息,進而提取到儀表圖像的特征信息,再應(yīng)用數(shù)字字符識別技術(shù),自動準確的讀取儀表圖像的讀數(shù),將人從單一重復(fù)的讀表工作中解放出來,不僅可以解放了勞動力,同時也提高了讀數(shù)的準確性,這在直讀式儀表被廣泛應(yīng)用的當今社會無疑是具有十分重要的意義。本文旨在設(shè)計一款簡單、快速并且識別率比較高的識別系統(tǒng),可以應(yīng)用于各種工業(yè)現(xiàn)場,甚至某些工作人員無法出入的特殊工作場地。針對這個目的,本文主要做了如下工作:（1）儀表讀數(shù)圖像預(yù)處理。在圖像采集階段,考慮到各種復(fù)雜環(huán)境對圖像的影響,對質(zhì)量較差的儀表讀數(shù)圖像進行圖像增強,對過亮或過暗的圖像采用直方圖均衡化處理,對光照不均的儀表讀數(shù)圖像實行局部閾值處理... 

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
1.緒論
    1.1 課題研究的背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 課題研究的工作及內(nèi)容安排
        1.3.1 課題研究的工作
        1.3.2 本文內(nèi)容的安排
2.直讀式儀表圖像的采集和預(yù)處理
    2.1 儀表圖像的采集
    2.2 儀表圖像的預(yù)處理
        2.2.1 儀表圖像的灰度化處理
        2.2.2 儀表圖像的增強處理
        2.2.3 儀表圖像的去噪處理
        2.2.4 儀表圖像的閾值分割處理
    2.3 直讀式儀表圖像的傾斜矯正
        2.3.1 傾斜矯正的基本原理
        2.3.2 邊緣檢測
        2.3.3 矯正方法
    2.4 本章小結(jié)
3.直讀式儀表圖像的數(shù)字分割
    3.1 連通區(qū)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 數(shù)字字符的歸一化
    3.4 本章小結(jié)
4.模版匹配與支持向量機識別方法研究
    4.1 特征提取
    4.2 數(shù)字字符特征的提取方法
        4.2.1 結(jié)構(gòu)特征提取法
        4.2.2 統(tǒng)計特征提取法
    4.3 數(shù)字識別中的結(jié)構(gòu)特征提取
    4.4 模版匹配
        4.4.1 模版匹配原理
        4.4.2 模版匹配識別模版
        4.4.3 改進的標準模版制作
        4.4.4 模版匹配識別結(jié)果
    4.5 支持向量機(SVM)
        4.5.1 支持向量機簡介
        4.5.2 支持向量機基本算法
        4.5.3 支持向量機優(yōu)勢
        4.5.4 支持向量機識別數(shù)字方法
        4.5.5 支持向量機識別數(shù)字結(jié)果
    4.6 本章小結(jié)
5.卷積神經(jīng)網(wǎng)絡(luò)識別方法研究
    5.1 卷積神經(jīng)網(wǎng)絡(luò)
        5.1.1 卷積層
        5.1.2 子采樣層
        5.1.3 全連接層
    5.2 LeNet-5神經(jīng)網(wǎng)絡(luò)模型
    5.3 LeNet-5模型的改進
        5.3.1 輸入層與輸出層改進
        5.3.2 中間層的改進
        5.3.3 網(wǎng)絡(luò)訓練和實現(xiàn)
    5.4 識別過程及結(jié)果分析
    5.5 本章小結(jié)
6.總結(jié)和展望
    6.1 總結(jié)
    6.2 展望
參考文獻
攻讀碩士學位期間發(fā)表學術(shù)論文情況
致謝
作者簡介


【參考文獻】：
期刊論文
[1]基于直方圖均衡化圖像增強的兩種改進方法[J]. 董麗麗,丁暢,許文海.  電子學報. 2018(10)
[2]基于改進隨機Hough變換的直線檢測算法[J]. 徐超,平雪良.  激光與光電子學進展. 2019(05)
[3]工業(yè)線性指針儀表識別改進方法[J]. 霍鳳財,王迪,李政璋.  吉林大學學報(信息科學版). 2018(04)
[4]基于KAZE特征匹配的指針式儀表自動讀數(shù)方法[J]. 胡彬,江寧,潘雨.  儀表技術(shù)與傳感器. 2018(05)
[5]基于邊緣檢測和Hough變換的圓定位算法[J]. 安培源,張華.  浙江理工大學學報(自然科學版). 2018(05)
[6]變電站室內(nèi)數(shù)顯儀表的讀數(shù)識別[J]. 鄧清男,石曉龍.  工業(yè)儀表與自動化裝置. 2018(02)
[7]基于機器視覺的指針式儀表示數(shù)識別方法研究[J]. 童偉圓,葛一粟,楊程光,金一鳴,高飛.  計算機測量與控制. 2018(03)
[8]指針式儀表讀數(shù)的機器視覺智能識別方法[J]. 施瀅,夏春華,胡琳娜,孟迎軍.  傳感器與微系統(tǒng). 2017(11)
[9]基于改進激活函數(shù)的卷積神經(jīng)網(wǎng)絡(luò)研究[J]. 曲之琳,胡曉飛.  計算機技術(shù)與發(fā)展. 2017(12)
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的自然場景中數(shù)字識別[J]. 周成偉.  計算機技術(shù)與發(fā)展. 2017(11)

碩士論文
[1]變電站指針式儀表自動識別方法研究[D]. 陳鏡宇.武漢科技大學 2018
[2]指針式儀表自動校驗系統(tǒng)的研究和設(shè)計[D]. 邵力夫.南昌大學 2016



本文編號：3688213