基于图像处理与神经网络的磨粒识别方法研究

本文介绍了ＢＰ神经网络的基本原理以及磨粒显微图像的计算机处理与分析方法。将图像处理与神经网络技术应用于铁谱分析中的４类典型磨粒识别。提取磨粒的特征参数，训练磨粒识别神经网络，可实现４类典型磨粒的计算机识别，其识别率令人满意。     

磨粒形状特征提取及神经网络识别

针对具有不规则轮廓特征的显微磨粒图像，应用标记描述对磨粒形状进行表征。该方法将磨粒轮廓一维展开后，提取了具有平移，旋转和尺度不变性的形状特征矢量，然后以提取的形状特征为输入矢量，利用径向基函数神经网络对磨粒形状进行分类识别。应用实例表明，标记充分利用轮廓信息，综合反映了磨粒的总体形状特征和边缘细节，可用于磨粒形状特征的描述；所建立的基于神经网络的磨粒形状分类模型学习速度快，识别率较高。     

基于Mask R-CNN与改进BP神经网络联合算法的变压器套管红外热故障诊断

为解决传统图像类算法在变压器套管状态诊断时存在的效率低、准确度不高以及复杂背景下变电设备目标识别困难等问题，提出了将Mask R-CNN与改进BP神经网络相结合的套管红外图像状态诊断方法。首先，利用Mask R-CNN解决套管红外图像背景复杂时分割困难的问题；其次，基于灰度特征的特征量提取方案，实现对红外伪彩图特征量的提取；最后，引入粒子群优化BP神经网络（PSO-BP）算法对变压器套管特征进行分类识别。实验结果表明，该方法对红外图像中套管的运行状态具有较好的检测效果，对套管中介质损耗故障、接头故障和漏油故障的故障诊断准确率分别可达100.0%、88.9%和96.3%，平均准确率达到93.518%，优于传统BP算法和支撑向量机（SVM）算法。     

基于神经网络的印制线路板图件识别研究

对基于人工神经网络的印制线路板（PCB）图件识别进行了研究。识别过程主要分为两个阶段：图像的预处理和模式识别。图像预处理阶段运用数字图像处理技术，从原始PCB图中提取出待识别的图件对象；在模式识别阶段，采用BP神经网络模型对PCB图件图像进行识别，为降低网络规模，经深入分析比较，提出了一种行、列扫描提取图件图像特征向量的算法，并对标准BP学习算法进行了改进，获得了较好的效果。     

科技成果推介

１智能化HFC光传输网络管理系统HFC网络管理设备采用数字技术，可以管理HFC网络内万余台数字、模拟设备，是集信息技术、通信技术、计算机技术、RF电子技术于一体的高新技术产品群。可广泛应用于邮电、通信等网络。项目单位：航空综合技术研究所联系电话：（０１０）６４６６３３２２－２２８０联系人：殷君盘生物识别技术生物识别技术的（指纹）四个功能为：读取指纹图像、提取特征、保存数据和比对（确认）。通过指纹的读取设备读取到某一个指纹图像，取到图像后要对原始的图像进行初步处理，使之更清晰，指纹辨识软件建立的特征模块…     

支持向量机的红外目标自动检测与识别

针对红外图像提出一种基于支持向量机的目标检测和识别算法，首先运用数学形态学方法对背景进行滤波，突出候选目标；选取适当的阈值和边缘检测算子对候选目标进行图像二值分割和边缘提取；最后以候选目标的边界不变矩作为特征，用支持向量机方法进行目标的识别，确定目标的位置．实验表明，该方法能够有效地实现对红外目标的检测和识别，并具有较高的抗噪声和抗复杂背景的能力。     

跟踪系统中图像目标的快速提取技术研究

研究了牵引式跟踪系统中图像目标的快速提取技术,描述了系统的图像目标模型。提出图像目标灰度凝聚度和灰度集合识别度的定义,据此分析了提取图像目标特征图形的可能性。利用直方图对大量图像的统计研究和理论分析,介绍系统的图像目标的提取方法,利用该方法对目标的提取保持其特征图形,对实际图像的处理结果说明该方法是有效的。     

复杂矿石图像的特征提取与聚类

为使特征提取更适合复杂矿石图像识别,提出并实现一种结合RGB颜色特征及其纹理特征映射的图像内容识别新方法,并将聚类方法应用于图像识别系统中。首先将图像分块,基于不同的颜色空间提取子块的纹理特征,并应用主成份分析进行纹理特征映射。然后提取图像的RGB颜色特征,每个子块的特征向量由上述2种特征组成。最后基于每个子块的特征向量应用Kmeans聚类方法对图像内容进行识别。实验结果表明,该方法能有效结合图像的纹理信息及其颜色构成和分布信息,具有较好的复杂矿石图像理解与识别的效果。     

基于模板匹配的掌纹识别自适应阈值选取方法

结合在线掌纹的特点，对模板匹配算法进行了改进．首先为了去除噪声，在匹配之前对掌纹图像做小波滤波处理；然后对匹配之后的数值矩阵采用各向异性的自适应阈值处理方法，以克服光照不均匀及光的方向性等问题，有效提取掌纹线特征；最后应用本算法对不同掌纹图像进行识别，验证了方法的有效性。     

基于小波矩和叶形特征的叶片识别

植物的叶片是识别植物种类的一个重要属性,文章提出一种基于植物叶片形状的图像内容识别方法.首先对叶片图像进行归一化处理,然后提取叶片的小波矩特征、叶片的周长、面积及伸长度,最后根据这些特征进行支持向量机（SVM）训练和分类,识别出植物的种类.该方法得到的识别率达到95％.     

基于不变矩的机器视觉车辆类型识别技术

针对智能交通领域汽车类型识别的应用背景，利用单目视觉开发了基于计算机视觉车辆类型识别系统；论述了单目视觉原理及特征提取的关键技术，利用不变矩及不变矩矢量在图像平移、旋转及比例变换时保持不变的特性，以其作为主要特征实现车辆类型有效识别。试验结果表明，该技术可以实现车辆类型的自动、快速和准确分类。     

基于计算机视觉的汽车收费系统

给出了一种基于计算机视觉的汽车收费系统 ,该系统由传感装置、图像采集系统和计算机车牌识别和收费管理系统组成 .当埋地线圈检测到汽车通过关口时 ,发出信号给图像采集系统 ,摄入并采集到车牌图像后 ,经识别软件得到汽车的牌照号码 ,由收费系统查询相应的数据库 ,进行收费、通缉报警等操作     

基于计算机视觉的空瓶检测系统

为了利用数字图像处理技术实现空瓶缺陷的自动检测,对啤酒瓶缺陷的光学特征进行了分析,研究了检测过程中的图像获取、图像预处理、图像分割、缺陷识别、外围设备通信控制等关键技术,实现了一个适用于实验室环境的、基于计算机视觉的小型空瓶缺陷在线检测系统．实验结果表明,该系统可有效地检测出有缺陷或异物等不合格空瓶．     

基于MATLAB的身份证号码的识别算法

为快速识别身份证号码,以计算机视觉系统为技术手段,以第二代居民身份证为研究对象,从身份证号码图像中提取号码数字0—9的空间分布特征和结构特征,采用相似系数最大和结构特征一致准则,应用MATLAB软件编程实现了身份证号码的快速识别.运用图像处理和模式识别技术,实现了身份证号码图像的预处理、图像分割、号码图像的修正、号码体的定位、号码体的识别等算法,建立了基于摄像头的身份证号码识别系统.系统的识别速度和准确率可满足实际需要.     

线条纹图像的细化

针对线条纹图像的细化在文字识别，指纹识别，染色体识别等计算机视觉、图像分析和模式识别领域里的重要性，在分析多种细化方法存在不足的基础上，提出了一组改进的细化模板。实验结果表明，利用该组模板细化，克服了腐蚀和毛刺现象，具有良好的连通性。     

基于全方位计算机视觉的ATM机智能监控

探讨了利用全方位视觉传感器(ODVS)以及计算机视觉技术来实现对自动取款机(ATM)的视频智能监控,采用ODVS来获取整个ATM机周围的全景视频图像,通过透视算法将全景视频图像展开成若干个重点监控领域;为了提高检索效率、减少存储和传输信息量,提出了通过基于高斯肤色模型的人脸检测算法获取ATM使用者的人脸图像并将时间地点等信息进行合并,得到一幅包含使用ATM时间、地点和人物图像;为了提高ATM的使用安全性,通过基于卡尔曼滤波的人脸跟踪和行为语义规则判定等手段来检测和分析ATM设备周围环境中的窥视行为.与现有的ATM视频监控技术相比,所提出的监控方法具有检测范围广、智能化水平高、存储检索效率高等优点,实现窥视行为检测算法具有较高的鲁棒性和检测精度.     

基于特征抽取和模式识别的工件智能检测系统

以工件为对象，研究开发了适合于工业应用的视觉算法，在图像的预处理，特征抽取和识别等方面做了深入探讨。重点介绍了形状分析和形状特征抽取算法。链码分析和傅立叶描绘子相结合是本文一大特色。理论分析和实验表明本方法是一种有效快速的高精度图像边界频谱特征的抽取方法。     

基于360度激光扫描仪的深度图像构建

随着计算机视觉应用的日益广泛和自动化程度的日益提高,人们对于计算机视觉系统的要求也越来越高,在诸如机器人导航、飞行器导航、工业零件检测和抓取以及流水线组装等需要三维场景分析的计算机视觉应用领域中,场景深度信息对于系统的任务完成和性能的实现至关重要。提出并实现了一种结构简单可行的深度图像构建系统,系统搭载了轻小型360度激光扫描仪与USB摄像机。首先对360度激光扫描仪和USB摄像机分别进行标定,之后进行整体系统的标定,最后将系统采集的数据融合构建深度图像。通过实验证明,在激光扫描仪的扫描高度范围内本系统能精确构建深度图像,该系统适用于室内小型移动机器人的视觉导航。     

图像分割方法及性能评价综述

图像分割是图像处理与计算机视觉的基本问题之一,是完成图像识别、目标跟踪等复杂处理任务的关键步骤。本文综述了常用的经典图像分割方法,介绍了每种方法各自的特点及在分割处理时的性能。同时,还对图像分割的性能评价方法做了简要介绍。     

Biological object recognition approach using space variant resolution and pigeon-inspired optimization for UAV

Recognizing the target from a rotated and scaled image is an important and difficult task for computer vision. Visual system of humans has a unique space variant resolution mechanism (SVR) and log-polar transformations (LPT) is a mapping method that is invariant to rotation and scale. Motivated by biological vision, we propose a novel global LPT based template-matching algorithm (GLPT-TM) which is invariant to rotational and scale changes; and with pigeon-inspired optimization (PIO) used to optimize search strategy, a hybrid model of SVR and pigeon-inspired optimization (SVRPIO) is proposed to accomplish object recognition for unmanned aerial vehicles (UAV) with rotational and scale changes of the target. To demonstrate the efficiency, effectiveness and reliability of the proposed method, a series of experiments are carried out. By rotating and scaling the sample image randomly and recognizing the target with the method, the experimental results demonstrate that our proposed method is not only efficient due to the optimization, but effective and accurate in recognizing the target for UAV.