-
公开(公告)号：CN103034838B
公开(公告)日：2015-08-19
申请号：CN201210509245.8
申请日：2012-12-03
Applicant: 中国人民解放军63963部队 , 北京科技大学
Abstract: 一种基于图像特征的特种车辆仪表类型识别与标定方法。本发明属于图像处理、模式识别领域。首先对每种类型的特种车辆仪表，采集一些特种车辆仪表图像，经过人工判断，把有代表性的图像留下当作训练样本；针对每个训练样本，通过图像预处理方法对图像质量进行归一化；然后提取出仪表图像的圆盘，根据圆盘半径对仪表图像进行大小归一化；归一化后分别对特种车辆仪表图像提取颜色特征和Gabor纹理特征；最后针对所有的训练样本，分别以颜色特征和Gabor纹理特征为向量为每种类型建立模型；每种类型的仪表的训练样本库的特征模型建立好后，对于采集到的实时图像，同样经过图像预处理进行图像质量归一化，对这两种特征与各个类型的仪表训练样本的特征模板分别进行模式匹配，用最近邻法则得到仪表分类结果。
-
公开(公告)号：CN103020627A
公开(公告)日：2013-04-03
申请号：CN201210456988.3
申请日：2012-11-14
Applicant: 中国人民解放军63963部队 , 北京科技大学
IPC: G06K9/46
Abstract: 本发明提供了一种特种车辆仪表指针的提取方法，其特征在于，该方法采用检测和验证的综合算法来精确提取所述仪表指针，其中检测算法包括Hough变换法、基于极坐标灰度投影法和基于指针边缘点的最小二乘法。本发明将三种指针提取的方法综合，保留各自的优点，克服各种方法针对特种车辆仪表指针的缺点，使得指针的自动提取针对不同品质的特种车辆仪表图像都非常的准确；本发明能应用于大量不同类型的特种车辆仪表的指针提取。
-
公开(公告)号：CN103134546A
公开(公告)日：2013-06-05
申请号：CN201210546049.8
申请日：2012-12-14
Applicant: 中国人民解放军63963部队 , 北京科技大学 , 清华大学
Abstract: 本发明提供一种针对特种车辆指针式仪表的半自动校验方法，该方法基于图像识别技术，包括多个步骤，其中一些步骤是自动执行，另外一些步骤人工执行。本发明最主要的优势在于它符合特种车仪表的特点，能快速校验和识别大量不同类型的特种车指针式仪表，并且有比全自动识别有高得多的准确率。
-
公开(公告)号：CN103267498A
公开(公告)日：2013-08-28
申请号：CN201310167762.6
申请日：2013-05-09
Applicant: 北京科技大学
IPC: G01B11/30
Abstract: 本发明为一种铁矿石粗糙度自动数字量化测量方法，采用扫描电子显微镜和计算机图像处理系统进行铁矿石粗糙度自动数字化测量。本发明的方法通过计算机系统对图像进行处理得到的数据完全符合人的量化特征，表明粗糙度的量化完全可以用数字代替，避免了人为的将铁矿石粗糙度粗分为有限的几个量化等级；并且避免了人工判断的主观性，测量准确、快速，操作简便，为烧结制粒提供配料依据；实现了测量过程的自动化，无须专业人员操作。
-
公开(公告)号：CN103020627B
公开(公告)日：2016-05-18
申请号：CN201210456988.3
申请日：2012-11-14
Applicant: 中国人民解放军63963部队 , 北京科技大学
IPC: G06K9/46
Abstract: 本发明提供了一种特种车辆仪表指针的提取方法，其特征在于，该方法采用检测和验证的综合算法来精确提取所述仪表指针，其中检测算法包括Hough变换法、基于极坐标灰度投影法和基于指针边缘点的最小二乘法。本发明将三种指针提取的方法综合，保留各自的优点，克服各种方法针对特种车辆仪表指针的缺点，使得指针的自动提取针对不同品质的特种车辆仪表图像都非常的准确；本发明能应用于大量不同类型的特种车辆仪表的指针提取。
-
Patent Agency Ranking
公开(公告)号：CN103267498B
公开(公告)日：2016-04-27
申请号：CN201310167762.6
申请日：2013-05-09
Applicant: 北京科技大学
IPC: G01B11/30
Abstract: 本发明为一种铁矿石粗糙度自动数字量化测量方法，采用扫描电子显微镜和计算机图像处理系统进行铁矿石粗糙度自动数字化测量。本发明的方法通过计算机系统对图像进行处理得到的数据完全符合人的量化特征，表明粗糙度的量化完全可以用数字代替，避免了人为的将铁矿石粗糙度粗分为有限的几个量化等级；并且避免了人工判断的主观性，测量准确、快速，操作简便，为烧结制粒提供配料依据；实现了测量过程的自动化，无须专业人员操作。
-
公开(公告)号：CN103164692B
公开(公告)日：2015-11-25
申请号：CN201210511395.2
申请日：2012-12-03
Applicant: 北京科技大学 , 中国人民解放军63963部队 , 清华大学
CPC classification number: G06K9/00832 , G06K2209/03
Abstract: 本发明属于仪表识别、计算机视觉、软件工程、视频图像处理，能通过摄像机获取的视频图像，可以自动识别特种车辆仪表。一种基于计算机视觉的特种车辆仪表自动识别系统，其特征在于：所述系统包括仪表视频图像采集系统、数据处理系统及仪表自动识别和检测系统；所述仪表视频图像采集系统包括一CCD数字摄像机，并通过总线从摄像机里实时获取特种车辆仪表动态的视频图像，并将视频图像传输给数据处理系统；所述数据处理系统负责视频数据的保存和筛选，识别结果的保存和管理数据相关的任务,并将视频数据传输给仪表自动识别和检测系统；所述识别和检测系统调用特种车辆仪表图像的识别算法，并将识别的结果反馈给数据处理中心。
-
公开(公告)号：CN103034838A
公开(公告)日：2013-04-10
申请号：CN201210509245.8
申请日：2012-12-03
Applicant: 中国人民解放军63963部队 , 北京科技大学
Abstract: 一种基于图像特征的特种车辆仪表类型识别与标定方法。本发明属于图像处理、模式识别领域。首先对每种类型的特种车辆仪表，采集一些特种车辆仪表图像，经过人工判断，把有代表性的图像留下当作训练样本；针对每个训练样本，通过图像预处理方法对图像质量进行归一化；然后提取出仪表图像的圆盘，根据圆盘半径对仪表图像进行大小归一化；归一化后分别对特种车辆仪表图像提取颜色特征和Gabor纹理特征；最后针对所有的训练样本，分别以颜色特征和Gabor纹理特征为向量为每种类型建立模型；每种类型的仪表的训练样本库的特征模型建立好后，对于采集到的实时图像，同样经过图像预处理进行图像质量归一化，对这两种特征与各个类型的仪表训练样本的特征模板分别进行模式匹配，用最近邻法则得到仪表分类结果。
-
公开(公告)号：CN103134546B
公开(公告)日：2015-08-19
申请号：CN201210546049.8
申请日：2012-12-14
Applicant: 中国人民解放军63963部队 , 北京科技大学 , 清华大学
Abstract: 本发明提供一种针对特种车辆指针式仪表的半自动校验方法，该方法基于图像识别技术，包括多个步骤，其中一些步骤是自动执行，另外一些步骤人工执行。本发明最主要的优势在于它符合特种车仪表的特点，能快速校验和识别大量不同类型的特种车指针式仪表，并且有比全自动识别有高得多的准确率。
-
公开(公告)号：CN103278505B
公开(公告)日：2015-03-11
申请号：CN201310167403.0
申请日：2013-05-08
Applicant: 北京科技大学
IPC: G01N21/84
Abstract: 本发明为一种基于多特征分析的高炉除尘灰成分分析方法，采用数字摄像头采集图像，再利用计算机图像处理系统进行高炉除尘灰组成成分分析。本发明方法通过计算机系统对图像进行处理得到高炉除尘灰成分分类，表明高炉除尘灰完全可以找到一个很好的自动分类方法，从而准确的自动分析出除尘灰的组成成分，为高炉除尘灰各部分成分分离及后续利用提供保障；避免了人工判断的主观性，测量快速，结果准确，劳动强度低。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.029 seconds)
