-
公开(公告)号：CN110781901B
公开(公告)日：2023-04-28
申请号：CN201911038311.6
申请日：2019-10-29
Applicant: 湖北工业大学
Abstract: 本发明涉及图像识别领域，公开了一种基于BP神经网络预测阈值的仪表重影字符识别方法，包括如下步骤：获取数显仪表的彩色图像，并进行灰度化处理取得灰度图像，计算灰度图像的灰度级分布统计量，输入到BP神经网络，预测出理想的二值化全局阈值，并对灰度图像进行二值化，得到消除重影的二值图，再将二值图进行去除小连通域处理，创建二值图的最小外接矩形，计算出倾斜角度，并通过仿射变换实现倾斜矫正，采用投影分割法将矫正后的二值图分割成单个字符图像，将字符图像尺寸归一化到32×32，输入到LeNet‑5模型进行识别，取得数显仪表字符的识别结果。本发明基于BP神经网络预测阈值的仪表重影字符识别方法，有效克服重影的影响，识别率高、识别速度快。
-
公开(公告)号：CN108960320A
公开(公告)日：2018-12-07
申请号：CN201810706143.2
申请日：2018-06-26
Applicant: 湖北工业大学
CPC classification number: G06K9/6269 , G06K9/4642
Abstract: 本发明涉及图像处理和故障识别领域，公开了一种列车折角塞门故障图像实时检测方法，包括如下步骤：使用图像制作数据库，提取多尺度联合特征，进行归一化处理，进而训练级联检测器，然后采集折角塞门待检测图像，提取多尺度联合特征并进行归一化处理后将特征送入训练好的级联检测器，定位目标区域并计算置信度，与设置的阈值相比较，检测出折角塞门是否出现故障。本发明列车折角塞门故障图像实时检测方法，检测效率和准确率高，且实时性强，能及时发现折角塞门故障。
-
公开(公告)号：CN108960320B
公开(公告)日：2021-04-27
申请号：CN201810706143.2
申请日：2018-06-26
Applicant: 湖北工业大学
Abstract: 本发明涉及图像处理和故障识别领域，公开了一种列车折角塞门故障图像实时检测方法，包括如下步骤：使用图像制作数据库，提取多尺度联合特征，进行归一化处理，进而训练级联检测器，然后采集折角塞门待检测图像，提取多尺度联合特征并进行归一化处理后将特征送入训练好的级联检测器，定位目标区域并计算置信度，与设置的阈值相比较，检测出折角塞门是否出现故障。本发明列车折角塞门故障图像实时检测方法，检测效率和准确率高，且实时性强，能及时发现折角塞门故障。
-
公开(公告)号：CN110781901A
公开(公告)日：2020-02-11
申请号：CN201911038311.6
申请日：2019-10-29
Applicant: 湖北工业大学
Abstract: 本发明涉及图像识别领域，公开了一种基于BP神经网络预测阈值的仪表重影字符识别方法，包括如下步骤：获取数显仪表的彩色图像，并进行灰度化处理取得灰度图像，计算灰度图像的灰度级分布统计量，输入到BP神经网络，预测出理想的二值化全局阈值，并对灰度图像进行二值化，得到消除重影的二值图，再将二值图进行去除小连通域处理，创建二值图的最小外接矩形，计算出倾斜角度，并通过仿射变换实现倾斜矫正，采用投影分割法将矫正后的二值图分割成单个字符图像，将字符图像尺寸归一化到32×32，输入到LeNet-5模型进行识别，取得数显仪表字符的识别结果。本发明基于BP神经网络预测阈值的仪表重影字符识别方法，有效克服重影的影响，识别率高、识别速度快。
-
-
-
Search Results
4
records
(took 0.019 seconds)
