鋼筋是建筑樓房以及各種設(shè)施的必要原材料,隨著建筑業(yè)需求不斷增長,成捆鋼筋的計數(shù)問題在鋼筋的復(fù)核中顯得十分重要。目前存在的鋼筋自動計數(shù)方法有光電法、RFID標(biāo)簽法和圖像識別計數(shù)法。光電法對于成捆鋼筋的計數(shù)結(jié)果誤差太大,RFID標(biāo)簽雖然準(zhǔn)確率高、但使用成本高、環(huán)境要求高。而圖像識別計數(shù)法耗費低,準(zhǔn)確率高,且大部分工作由計算機完成,因此成為解決鋼筋計數(shù)問題的熱門。鋼筋圖像由于背景雜亂、對比度低、噪聲多,且鋼筋堆積緊密、端面形狀不規(guī)則,為鋼筋端面目標(biāo)的識別與計數(shù)增加了難度。在圖像分析與識別中,圖像的預(yù)處理和二值化的好壞會影響鋼筋識別與計數(shù)結(jié)果的準(zhǔn)確率。本文將對圖像對比度增強方法和二值化方法進(jìn)行研究與改進(jìn),并提出新的鋼筋識別與計數(shù)方法。主要的研究工作和成果如下:（1）優(yōu)化了局部ACE法中的增益系數(shù)和增強方法針對鋼筋圖像背景復(fù)雜、對比度不足、亮度不均的問題,本文對局部ACE（自適應(yīng)對比度增強）算法進(jìn)行研究和改進(jìn)。針對局部ACE算法的局限性,改進(jìn)增益系數(shù)為基于標(biāo)準(zhǔn)差的變量,并通過局部與全局均值和標(biāo)準(zhǔn)差的對比將圖像有選擇性地分段增強,優(yōu)化了局部ACE算法,實現(xiàn)本文中圖像對比度的增強。實驗結(jié)果表明,改進(jìn)... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀及存在問題
        1.2.1 國內(nèi)外研究現(xiàn)狀
        1.2.2 主要存在的問題
    1.3 本文研究內(nèi)容
    1.4 章節(jié)組織結(jié)構(gòu)
第2章 鋼筋端面圖像預(yù)處理方法研究
    2.1 基于移位運算的鋼筋端面圖像灰度化
        2.1.1 基于整數(shù)移位運算的快速灰度化
        2.1.2 快速灰度化實驗結(jié)果
    2.2 鋼筋端面圖像對比度增強方法對比研究
        2.2.1 全局增強方法對比
        2.2.2 局部增強方法
        2.2.3 改進(jìn)局部ACE方法
        2.2.4 端面圖像增強實驗結(jié)果對比驗證
    2.3 鋼筋端面圖像濾波去噪方法研究
        2.3.1 鋼筋端面圖像噪聲分類和去噪必要性分析
        2.3.2 濾波去噪方法對比
        2.3.3 雙層濾波去噪
        2.3.4 去噪實驗結(jié)果驗證
    2.4 本章小結(jié)
第3章 鋼筋端面圖像的二值化處理方法研究
    3.1 鋼筋端面圖像分割方法對比研究
        3.1.1 迭代閾值法
        3.1.2 分水嶺分割法
        3.1.3 OTSU分割法
        3.1.4 端面圖像分割效果對比研究
    3.2 改進(jìn)的OTSU分割算法
        3.2.1 引入類內(nèi)方差
        3.2.2 調(diào)整方差權(quán)重
        3.2.3 約束閾值搜索范圍
        3.2.4 改進(jìn)的OTSU分割實驗結(jié)果對比研究
    3.3 鋼筋端面二值圖像后處理研究
        3.3.1 鋼筋端面二值圖像后處理
        3.3.2 二值圖像后處理結(jié)果
    3.4 本章小結(jié)
第4章 成捆鋼筋端面識別與計數(shù)方法研究
    4.1 連通區(qū)域分析
        4.1.1 二值像素關(guān)系準(zhǔn)則
        4.1.2 連通區(qū)域分析
    4.2 連通區(qū)域特征提取及分類
        4.2.1 連通區(qū)域特征提取
        4.2.2 目標(biāo)區(qū)域分類
    4.3 識別與計數(shù)方法原理與分析
        4.3.1 面積計數(shù)法原理與分析
        4.3.2 基于NCC相似度的多模板匹配法
    4.4 融合連通域多特征的分類識別計數(shù)法
        4.4.1 基于歐式距離的分離判斷
        4.4.2 多特征融合的分類匹配識別與計數(shù)
    4.5 實驗識別與計數(shù)結(jié)果和分析
        4.5.1 識別結(jié)果對比與分析
        4.5.2 計數(shù)結(jié)果對比分析
        4.5.3 多特征融合分類匹配法計數(shù)結(jié)果統(tǒng)計分析
    4.6 本章小結(jié)
第5章 總結(jié)和展望
    5.1 研究工作總結(jié)
    5.2 課題展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于游程的連通區(qū)域標(biāo)記兩次掃描快速算法[J]. 呂�？�,徐巖,羅冰心.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2017(07)
[2]用于脂肪肝分級診斷的超聲圖像增強算法[J]. 王正發(fā),欒強厚,黃鑫,彭國華,武劍輝.  生物醫(yī)學(xué)工程研究. 2017(02)
[3]結(jié)合暗原色優(yōu)先和Gamma校正的紅外交通圖像增強算法[J]. 顧明,鄭林濤,劉中華.  交通運輸工程學(xué)報. 2016(06)
[4]基于Otsu方法的鋼軌圖像分割[J]. 袁小翠,吳祿慎,陳華偉.  光學(xué)精密工程. 2016(07)
[5]基于凸殼式剝離的高黏著度棒材檢測計數(shù)方法[J]. 徐源,方康玲,劉新海.  計算機應(yīng)用與軟件. 2015(03)
[6]基于改進(jìn)Gamma和改進(jìn)BP算法的人臉識別研究[J]. 李國芳,王力.  微型機與應(yīng)用. 2015(04)
[7]一種基于不規(guī)則區(qū)域的高斯濾波去噪算法[J]. 姒紹輝,胡伏原,顧亞軍,鮮學(xué)豐.  計算機科學(xué). 2014(11)
[8]負(fù)公差軋制在棒材生產(chǎn)實踐中的應(yīng)用[J]. 韓書棟.  山西冶金. 2014(05)
[9]保持圖像亮度的自適應(yīng)局部對比度增強[J]. 余權(quán),馬勝前,馬冬梅.  計算機工程與應(yīng)用. 2015(07)
[10]改進(jìn)的分水嶺圖像分割算法[J]. 孫惠杰,鄧廷權(quán),李艷超.  哈爾濱工程大學(xué)學(xué)報. 2014(07)

碩士論文
[1]基于圖像處理的棒材識別計數(shù)系統(tǒng)設(shè)計與實現(xiàn)[D]. 李中銳.鄭州大學(xué) 2017
[2]基于直方圖均衡化和Retinex的圖像去霧算法研究[D]. 汪秦峰.西北大學(xué) 2016
[3]稻瘟病孢子圖像識別算法研究[D]. 童源.哈爾濱工業(yè)大學(xué) 2015
[4]目標(biāo)識別技術(shù)在鋼筋計數(shù)系統(tǒng)中的研究與應(yīng)用[D]. 郭倩倩.沈陽理工大學(xué) 2015
[5]基于機器視覺的棒材計數(shù)系統(tǒng)研究與實現(xiàn)[D]. 薛彥冰.山東大學(xué) 2014
[6]視頻圖像預(yù)處理技術(shù)研究與實現(xiàn)[D]. 胡靜.南京理工大學(xué) 2014
[7]RGB-D圖像分析關(guān)鍵技術(shù)研究[D]. 李實秋.天津大學(xué) 2014
[8]蛙人識別算法研究及DSP實現(xiàn)[D]. 李晶.哈爾濱工程大學(xué) 2013
[9]基于數(shù)字圖像處理的棒材計數(shù)方法研究[D]. 陳基偉.山東大學(xué) 2012
[10]面向捆扎棒材計數(shù)系統(tǒng)的圖像處理算法研究[D]. 段政偉.鄭州大學(xué) 2012



本文編號：3161725