基于波形分析的二维条码识别

传统的条码识别方法是通过边缘检测来定位条码边界，对于被光学系统点扩展函数严重模糊的高密度条码图像，这种方法的性能急剧下降，为了克服点扩展函数造成的模糊，提出了一种基于波形分析的二维条码识别算法，先在图像上定位条码位置，并在条码中分割出单行码字符号的图像，然后分析条码波形，计算出点扩展函数的标准方差，根据点扩展函数，重建条码波形，最后为了提高对图像噪音的抗干扰性，根据波形峰点定位条码边界，实验结果表明，基于波形分析的识别算法具有优秀的性能，显著地提高了高密度条码的识别率，满足了实际使用的要求。     

基于链码跟踪的Data Matrix二维条码快速识别

为实现工业现场中Data Matrix二维条码的快速识别,提出一种基于链码跟踪、直线段提取的条码快速识别方法。首先采用Sobel算子提取图像边缘;然后基于链码跟踪方法,跟踪图像的边缘点,记录链码;接着根据快速直线段提取方法,将直线相似度低于阈值的线段剔除,结合线形连接方法合并断裂线段,并使用长度判别剔除不可靠的线段;最后结合Data Matrix二维条码的特征,定位Data Matrix二维条码。实际测试表明,该识别方法能够快速、准确地定位二维条码区域,识别正确率可达99.39%以上,具有实时性强、可靠性好等特点,满足工业现场要求。     

微电子封装位置在线实时图像识别算法研究

提出一种针对流水线上微电子点胶封装位置的在线实时图像识别算法。通过对封装位置所在圆的颜色特征分析,提取R分量进行图像灰度化,采用迭代法对灰度图像进行阈值分割去除复杂背景得到二值图像,利用中值滤波法平滑二值图像消除分割后的噪声,运用Sobel算子提取边缘获得边缘信息,利用Hough变换找出边缘信息中待识别圆的中心位置,完成对封装位置的检测。实验结果表明,利用机器视觉技术可以快速、准确地对微电子封装位置进行定位,具有很好的理论和实际应用价值。     

复杂图像背景下的一维条码定位研究

复杂背景中的条码自动定位在图像式条码识别系统中是一个关键步骤,如何在复杂的背景中快速、自动地检测出条形码是研究的主要内容。主要利用条码区域的边缘密度高、以及边缘方向单一特征检测条码区域,研究了复杂图像背景中条码定位的步骤并提出一种基于边缘梯度方向的边缘提取法,得到了较好的效果。     

局部特征自适应的DM二维码结构提取方法

针对非规则变形导致DM码图像解码率低的问题,提出了通过边缘梯度特征来进行自适应定位的方法,该方法显著提高了结构提取准确率。算法主要由以下3步组成:首先,算法根据DM码的轮廓特征进行L形定位,得到DM码的包围盒位置;其次,通过外轮廓虚线部分估计出条码规格,形成标准编码结构点阵,并通过仿射变换得到点阵在当前位置的映射点;最后,针对非规则变形所导致的定位点不准确,使得仿射变换无法得到正确结果的问题,采用局部边缘特征进行自适应调整,使得点阵分布能够重建出原始编码结构。在实验部分,对大量二维条码图片进行解码测试。结果表明,本算法能够适用于失真非常明显的图片,解码准确率从已有方法的93.5%提高到98.5%。     

基于亚像素边缘检测的二维条码识别

提出了一种基于亚像素边缘检测的二维条码识别算法、能有效地解决边缘模糊对条码识别的影响。以PDF417条码为例研究了基于亚像素边缘检测的二维条码识别算法。首先定位条码位置并在条码中分割出单个码字符号图像。然后根据分割出来的单个码字符号图像讨论r基于亚像素边缘检测的识别算法。实验结果表明基于亚像素边缘检测的识别算法具有良好的性能，显著地提高了条码的识别率，满足了实际使用的要求。     

工业光学检测中定位点的识别

提出了一种新的定位点识别方法,在无需事先学习定位点图形的条件下,对有较强噪声的圆形或环形定位点实现准确快速的识别和定位.利用图形质心性质和圆形定位点图像几何形状特征搜索其质心位置,根据图形的填充率判断其形状,从而完成对定位点的自动识别.经实际测试,证明这种方法在多种复杂的图像环境中可以对定位点进行定位和识别,并得到较高的定位精度.实验结果也表明该方法还可以应用到其他一些图形物体的图像识别中.     

结合列边缘提取的PDF417条码检测方法

针对PDF417条码在复杂背景中检测定位的技术问题,提出一种基于字符间列边缘提取的定位方法。通过对PDF417码的结构特征进行分析,利用子区域的多特征分析法提取目标区域,并在此基础上提取条码的列向边缘,实现了准确定位。通过霍夫变换确定条码边界,对条码区域进行提取。实验结果表明,对于背景复杂且条码区域信息未知的情况,该定位算法具有良好的结果。     

工业光学检测中定位点的识别

提出了一种新的定位点识别方法，在无需事先学习定位点图形的条件下，对有较强噪声的圆形或环形定位点实现准确快速的识别和定位。利用图形质心性质和圆形定位点图像几何形状特征搜索其质心位置，根据图形的填充率判断其形状，从而完成对定位点的自动识别。经实际测试，证明这种方法在多种复杂的图像环境中可以对定位点进行定位和识别，并得到较高的定位精度。实验结果也表明该方法还可以应用到其他一些图形物体的图像识别中。     

二维条码的识别方法

以QR矩阵码为例,介绍一种实用的二维条码识别算法。首先探讨了二维条码的定位与分割算法,利用Hough变换与Sobel边缘检测把条码图像从原始采集的图像中有效地分割出来;然后分析了条码图像经过光学系统的噪声模型,提出了一种计算点扩展函数标准方差的算法;采用Flourier变换自适应地选取阈值去除噪声导致的无效边界,从而得到条码的基本模块。实验结果表明,该算法具有很好的抗噪性,提高了二维条码的识别率。     

基于图形变换的人体经络可视化

提出了一种可以检测并直观表示人体经络分布的实时定位和显示方法。首先,利用多通道经络阻抗检测仪和磁定位跟踪仪确定人体体表经络点的位置,获取经络点的三维信息;其次,对场景摄像机进行标定,并将其结果和经络点的三维信息通过图形变换技术变换到统一的世界坐标系下,获取摄像机的投影矩阵H;最后,根据该投影矩阵H,将经络点三维信息投影到二维图像上,形成二维经络线,并将其融合于场景摄像机拍摄的人体体表实时图像上,实现人体经络的可视化。测试结果表明,该方法能够准确有效地定位和显示人体经络。     

直接零件标记的二维条码定位方法

针对直接零件标记（DPM, Direct Part Marking）二维条码的定位技术展开研究。由于环境光照、金属材质等因素,采集到的条码图像会存在光照不均、对比度低和高光等问题,对DPM二维条码定位带来很大的影响。采用了同态滤波的方法来增强图像,用梯度投影法对二维条码区域进行初定位。针对背景灰度级与目标灰度级相近导致传统阈值化存在误分割的问题,采用了一种OSTU与邻域阈值相结合的自适应二值化算法。利用形态学拟合Data Matrix二维条码的L型定位边,最后采用凸包算法实现对二维条码精定位。实验表明,该方法能有效解决图像采集中出现的光照不均、对比度低等问题,快速定位出条码区域。     

瞳孔亚像素边缘检测与中心定位

为提高视线跟踪系统的分辨率和精确度,提出了一种亚像素精度的边缘检测与中心定位算法。利用设计的一维边缘检测算子对瞳孔像素级边缘点进行提取,然后利用边缘点小邻域内梯度方向上图像信息,进行亚像素边缘位置检测,最后经椭圆拟合确定瞳孔中心的精确位置及瞳孔形状参数。仿真实验验证了算法的有效性,提出的算法已被成功应用于实时视线跟踪系统中。     

基于曲线拟合的Placido图像中心提取方法

中心提取是Placido图像特征提取的关键环节,提出了一种基于曲线拟合的中心定位方法。利用Hough变换定位图像的像素级中心,建立图像的极坐标系;在极坐标轴方向,通过亮环灰度变化曲线的导数特征检测亮环中心线;将亮环中心线进行曲线拟合,确定亮环中心位置。中心提取精度达到亚像素级,利用标准球验证算法精度,屈光度误差小于0.25D。与常规算法进行对比,分析结果表明,曲线拟合法在准确性和稳定性上更优,为绘制精确的角膜地形图提供了保证。     

在Vega下基于三点的视点定位算法研究

如何有效地确定视点的位置,尤其是基于三点的视点定位,是视景仿真中需要解决的一个问题.所谓基于三点的定位方式指的是空间中有三个点,视点必须同时观察到这三个点,并且与三点的距离近似相等.对Vega下视点(即观察者)基于三点定位算法的提出、分析做了详尽的阐述,首先介绍了Vega坐标系的特点以及位置类的应用,接着说明了Lynx面板下的观察者模块的设置.然后建立算法的数学模型,运用空间几何学的向量、向量积等概念系统分析了算法的主要步骤,并最终给出了主要程序段的代码.     

车载式经纬仪CCD成像就位系统研究

针对车载经纬仪就位误差大、操作使用繁琐的实际情况,设计并实现了基于CCD成像处理的自动就位系统;系统通过经纬仪底部的CCD相机获取地基环图像,进行预处理,然后对地基环进行边缘检测、特征提取,实现图形匹配,最后采用形心算法进行位置计算,控制载车液压就位装置实现经纬仪自动就位;实验证明系统能实现车载经纬仪自动就位,提高了精度和效率。     

利用影像匹配和摄影测量实现无人机精确导航

GPS技术已广泛应用于无人机的空间定位和导航,但在战时、困难地区的应用会受到限制.本文提出了一种利用影像匹配和摄影测量原理实现无人机精确定位和导航的方法,首先对无人机获取的实时影像和基准影像进行小波变换处理,以获得足够的初选同名点位,然后利用最小二乘影像匹配获取精确的同名点坐标,使用这些同名点,经摄影测量处理得到了精确的无人机空间位置.     

三维人脸鼻子特征检测

针对现有三维数据鼻子检测与定位方法的不足,提出了自动检测与定位鼻子特征方法.通过对三维海量数据点进行二维空间Delaunay三角化并映射到三维空间,得到三维人脸模型.基于鼻子区域的凹凸特性,确定鼻子大致区域.对区域内空洞进行填补,并采用形态滤波方法对鼻子边缘进行光滑以得到准确的鼻子特征与特征点.通过对不同三维人脸数据的鼻子特征点检测与定位,表明了所提方法的有效性和可靠性.     

深度学习人脸特征点自动定位综述

人脸特征点定位是根据输入的人脸数据自动定位出预先按人脸生理特征定义的眼角、鼻尖、嘴角和脸部轮廓等面部关键特征点,在人脸识别和分析等系统中起着至关重要的作用。本文对基于深度学习的人脸特征点自动定位进行综述,阐释了人脸特征点自动定位的含义,归纳了目前常用的人脸公开数据集,系统阐述了针对2维和3维数据特征点的自动定位方法,总结了各方法的研究现状及其应用,分析了当前人脸特征点自动定位技术在深度学习应用中的现状、存在问题及发展趋势。在公开的2维和3维人脸数据集上对不同方法进行了比较。通过研究可以看出,基于深度学习的2维人脸特征点的自动定位方法研究相对比较深入,而3维人脸特征点定位方法的研究在模型表示、处理方法和样本数量上都存在挑战。未来基于深度学习的3维人脸特征点定位方法将成为研究趋势。     

Landmarking of cephalograms using a microcomputer system

Landmarks, or certain characteristic reference points, on cephalograms are used as a diagnostic aid employed in treatment planning by orthodontists. This work presents an algorithm for recognizing some anatomical features and locating landmarks on lateral skull X rays (cephalograms) using digital image processing and feature recognition techniques. A cephalogram is digitized and stored in a computer memory. Prefiltering is applied to remove image noise. The bony and flesh profiles of jaw and front face are traced. Using these profiles the algorithm locates 17 points on the image, some on bony features and others on soft tissue. To locate these points, edge-enhancement, thresholding, and edge-detection techniques are applied. The algorithm can be run on an IBM compatible microcomputer.