学位论文 > 优秀研究生学位论文题录展示

电能表表号点状数字识别算法研究

作 者: 徐剑峰
导 师: 李一波
学 校: 沈阳航空工业学院
专 业: 模式识别与智能系统
关键词: 图像预处理 区域定位 数字切割 特征提取 数字识别
分类号: TM933.4
类 型: 硕士论文
年 份: 2010年
下 载: 62次
引 用: 1次
阅 读: 论文下载
 

内容摘要


电力部门对电能表的身份管理是通过唯一的一个序列号来标识的,而这个序列号普遍用得多的就是条码,但在电能表出产前是没有条码的,条码是电力部门在购买电能表后粘贴在电能表表面的,但是在电能表出产时,电能表上就已经有一个唯一的表号与之对应,如果能正确识别电能表上的表号,就可以识别出电能表的身份,也就可以不用在电能表上添加条码,这样会减少了电力部门对电能表的管理工作,减少大量的物力投资,节省成本。基于此,本文研究了一套通过识别电能表表号来识别电能表身份的图像识别算法。本文在简要介绍字符识别技术研究现状的基础上,对电能表表号区域定位算法及数字识别算法进行了深入的研究,主要完成了以下工作:1.电能表表号区域的定位:通过选择合适的定位流程,主要包括对电能表图像做边缘检测、形态学处理,区域限制等,并结合电能表图像本身的特性,较好的实现了电能表表号区域的定位。2.电能表表号数字的识别:通过对数字粗网格的特征的提取,发现其抗干扰能力差,因此本文提出了基于像素矩的提取特征。针对模板匹配法需要标准的模板,而提取的数字字符特征差别大,采用了基于BP神经网络的字符识别算法。并通过结合采用本文提出的特征提取方法,大大提高神经网络对数字的识别率。3.整个系统的完成:本文通过采用合适的算法对图像进行预处理,区域定位,字符切割,特征提取,字符识别,实现了整个字符的识别流程。并对结果进行了大量实验。通过对采集回来的图像进行实验,结果表明,本文所采用的方法能达到较好的表号区域定位和数字字符识别效果,具有一定的鲁棒性。对图像的表号区域定位正确率达到了87.8%。而对图像的表号数字识别率能达到96.8%。

全文目录


摘要  6-7
Abstract  7-11
第1章 绪论  11-18
  1.1 课题的研究背景及意义  11-13
  1.2 图像识别技术的国内外发展  13-14
  1.3 字符识别技术分类  14-16
  1.4 论文的主要研究内容和结构  16-18
第2章 电能表图像的预处理  18-27
  2.1 电能表图像的灰度化  18-19
  2.2 电能表图像的边缘检测  19-22
    2.2.1 Sobel 边缘算子  20-21
    2.2.2 Prewitt 边缘算子  21
    2.2.3 Canny 边缘算子  21-22
  2.3 图像的二值化  22-23
  2.4 图像的形态学运算  23-25
    2.4.1 膨胀运算  23-24
    2.4.2 腐蚀运算  24-25
  2.5 图像的插值算法  25-26
  2.6 本章小结  26-27
第3章 电能表表号数字区域的定位  27-37
  3.1 电能表图像的特征  27-28
  3.2 文本定位方法  28-32
    3.2.1 基于边缘的方法  28-30
    3.2.2 基于区域的方法  30
    3.2.3 基于纹理的方法  30-32
    3.2.4 基于机器学习方法  32
  3.3 表号区域定位方法  32-35
  3.4 定位结果分析  35-36
  3.5 本章小结  36-37
第4章 电能表表号数字的切割  37-44
  4.1 表号区域数字的特征  37
  4.2 表号区域数字切割  37-43
    4.2.1 表号区域预处理  38-39
    4.2.2 区域数字的切割  39-42
    4.2.3 结果分析  42-43
  4.3 本章小结  43-44
第5章 电能表表号数字的识别  44-54
  5.1 表号数字识别原理  44
  5.2 基于像素矩的数字特征提取  44-47
    5.2.1 粗网格特征  45
    5.2.2 像素矩特征  45-47
  5.3 基于模板匹配的数字识别  47
  5.4 基于BP 神经网络的数字识别  47-52
    5.4.1 BP 网络模型  48-49
    5.4.2 BP 网络学习方法  49-50
    5.4.3 样本的训练  50-51
    5.4.4 识别结果  51-52
  5.5 结果分析  52-53
  5.6 本章小结  53-54
结论  54-55
参考文献  55-57
致谢  57-58
攻读硕士期间发表(含录用)的学术论文  58

相似论文

  1. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  2. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  3. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  4. Q学习在基于内容图像检索技术中的应用,TP391.41
  5. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  6. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  7. 舌图像中瘀斑瘀点检测技术研究,TP391.41
  8. 空间交会接近视觉测量方法研究,TP391.41
  9. 图像实时采集、存储与处理方法研究,TP391.41
  10. 唇读中的特征提取、选择与融合,TP391.41
  11. 多币种纸币处理技术的研究与实现,TP391.41
  12. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  13. 基于图像的路面破损识别,TP391.41
  14. 移动机器人视觉检测和跟踪研究,TP242.62
  15. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  16. 基于随机森林的植物抗性基因识别方法研究,Q943
  17. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  18. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  19. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  20. 红外图像目标识别及跟踪技术研究,TP391.41
  21. 水下目标特征的压缩与融合技术研究,TN911.7

中图分类: > 工业技术 > 电工技术 > 电气测量技术及仪器 > 电数量的测量及仪表 > 电能测量、电度表
© 2012 www.xueweilunwen.com