發(fā)布時(shí)間：2022-10-08 18:31

　　隨著計(jì)算機(jī)技術(shù)的快速發(fā)展,圖像識(shí)別技術(shù)也在不斷的發(fā)展與完善。圖像自動(dòng)識(shí)別技術(shù)早已應(yīng)用在了生產(chǎn)生活中的各個(gè)領(lǐng)域,將人從一些重復(fù)、機(jī)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(dòng)識(shí)別、手寫數(shù)字字符識(shí)別和人臉識(shí)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(shí)別就是運(yùn)用圖像處理技術(shù),可以對(duì)儀表圖像進(jìn)行增強(qiáng),增強(qiáng)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(jìn)而提取到儀表圖像的特征信息,再應(yīng)用數(shù)字字符識(shí)別技術(shù),自動(dòng)準(zhǔn)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(dòng)力,同時(shí)也提高了讀數(shù)的準(zhǔn)確性,這在直讀式儀表被廣泛應(yīng)用的當(dāng)今社會(huì)無疑是具有十分重要的意義。本文旨在設(shè)計(jì)一款簡(jiǎn)單、快速并且識(shí)別率比較高的識(shí)別系統(tǒng),可以應(yīng)用于各種工業(yè)現(xiàn)場(chǎng),甚至某些工作人員無法出入的特殊工作場(chǎng)地。針對(duì)這個(gè)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(duì)圖像的影響,對(duì)質(zhì)量較差的儀表讀數(shù)圖像進(jìn)行圖像增強(qiáng),對(duì)過亮或過暗的圖像采用直方圖均衡化處理,對(duì)光照不均的儀表讀數(shù)圖像實(shí)行局部閾值處理... 

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)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(qiáng)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(cè)
        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(jī)識(shí)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(jì)特征提取法
    4.3 數(shù)字識(shí)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(shí)別模版
        4.4.3 改進(jìn)的標(biāo)準(zhǔn)模版制作
        4.4.4 模版匹配識(shí)別結(jié)果
    4.5 支持向量機(jī)(SVM)
        4.5.1 支持向量機(jī)簡(jiǎn)介
        4.5.2 支持向量機(jī)基本算法
        4.5.3 支持向量機(jī)優(yōu)勢(shì)
        4.5.4 支持向量機(jī)識(shí)別數(shù)字方法
        4.5.5 支持向量機(jī)識(shí)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(shí)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(jìn)
        5.3.1 輸入層與輸出層改進(jìn)
        5.3.2 中間層的改進(jìn)
        5.3.3 網(wǎng)絡(luò)訓(xùn)練和實(shí)現(xiàn)
    5.4 識(shí)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(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]基于直方圖均衡化圖像增強(qiáng)的兩種改進(jìn)方法[J]. 董麗麗,丁暢,許文海.  電子學(xué)報(bào). 2018(10)
[2]基于改進(jìn)隨機(jī)Hough變換的直線檢測(cè)算法[J]. 徐超,平雪良.  激光與光電子學(xué)進(jìn)展. 2019(05)
[3]工業(yè)線性指針儀表識(shí)別改進(jìn)方法[J]. 霍鳳財(cái),王迪,李政璋.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(04)
[4]基于KAZE特征匹配的指針式儀表自動(dòng)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(cè)和Hough變換的圓定位算法[J]. 安培源,張華.  浙江理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[6]變電站室內(nèi)數(shù)顯儀表的讀數(shù)識(shí)別[J]. 鄧清男,石曉龍.  工業(yè)儀表與自動(dòng)化裝置. 2018(02)
[7]基于機(jī)器視覺的指針式儀表示數(shù)識(shí)別方法研究[J]. 童偉圓,葛一粟,楊程光,金一鳴,高飛.  計(jì)算機(jī)測(cè)量與控制. 2018(03)
[8]指針式儀表讀數(shù)的機(jī)器視覺智能識(shí)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(jìn)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(jì)算機(jī)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(chǎng)景中數(shù)字識(shí)別[J]. 周成偉.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(11)

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



本文編號(hào)：3688213