【技术实现步骤摘要】
本专利技术涉及图像识别，尤其是涉及一种基于优化canny边缘检测的仪表图像识别方法及系统。
技术介绍
1、图像边缘检测是图像分析和图像识别的基础。常用的边缘检测微分算子有一阶(reberts,sobel.prewit. krish)，二阶算子 (laplacian) 。这些算子都是通过原图像素和模板进行卷积来提取边缘，特点计算简单，易于实现，但常常会丢失一些边缘信息。
2、传统的canny边缘检测算子的基本思想是先进行高斯滤波q高斯滤波是通过图像卷积进行的，然后通过一阶微分算子对边缘进行提取。然后通过梯度进行非极大值抑制，在一阶微分算子中只采用了水平，竖直放行而没考虑45°和135°方向来提取边缘。高低阈值需要进行自己设置，或者用outs方法进行双阈值的求取，根据高低阈值处理后的图像进行边缘连接。
3、此外，原canny算法缺点:其一，canny算法采用的高斯平滑滤波器不能有效的抑制脉冲噪声，目平滑降噪和边缘检测之间具有冲突，滤波在抑制噪声的同时，图像边缘也被平滑，影响边缘检测精度。其二，利用sobel算子计算x和y方向的偏导数，非极大值抑制进而得到梯度的过程，对噪声过于敏感，容易产生比较明显的误差。其三，检测和连接边缘的双闻值法中闻值需要人为设定，而阈值设置过高易丢失细节信息，边缘断裂，过低易检测出伪边缘。
4、因此亟需一种基于优化canny边缘检测的仪表图像识别方法及系统。
技术实现思路
1、为了解决上述提到的问题，本专利技术提供一种基于优化
2、第一方面，本专利技术提供的一种基于优化canny边缘检测的仪表图像识别方法，采用如下的技术方案：
3、一种基于优化canny边缘检测的仪表图像识别方法，包括：
4、获取仪表图像；
5、对获取的仪表图像进行图像预处理；
6、对预处理后的仪表图像，利用改进的梯度幅值计算方法，检测图像数据中梯度幅值的极大值点；
7、基于自适应双阈值处理，对图像数据进行非极大值抑制；
8、根据非极大值抑制结果得到识别图像。
9、进一步地，所述获取仪表图像，包括本文以汽车仪表为测试对象,将复杂环境下的汽车仪表图像根据圆形模板匹配进行剪切保存。
10、进一步地，所述对获取的仪表图像进行图像预处理，包括对仪表图像进行灰度化、去噪和平滑操作。
11、进一步地，所述对预处理后的图像数据，利用改进的梯度幅值计算方法，检测图像数据中梯度幅值的极大值点，包括通过计算图像数据的像素点的8个方向的一阶偏导数有限差分来确定像素梯度幅值。
12、进一步地，所述对预处理后的图像数据，利用改进的梯度幅值计算方法，检测图像数据中梯度幅值的极大值点，还包括利用改进得梯度幅值计算方法，将传统的 2x2 邻域增加至5x5邻域，得到5x5邻域的滤波器。
13、进一步地，所述对预处理后的图像数据，利用改进的梯度幅值计算方法，检测图像数据中梯度幅值的极大值点，还包括利用5x5邻域的滤波器对像素梯度幅值中任一像素沿梯度方向进行梯度幅值的插值，检测到像素梯度幅值的极大值点。
14、进一步地，所述基于自适应双阈值处理，对图像数据进行非极大值抑制，包括采用otsu最大类间方差的处理，找到双阈值，根据得到的极大值点，将非极大值点对应的灰度置为0。
15、第二方面，一种基于优化canny边缘检测的仪表图像识别系统，包括：
16、数据获取模块，被配置为，获取仪表图像；
17、预处理模块，被配置为，对获取的仪表图像进行图像预处理；
18、检测模块，被配置为，对预处理后的仪表图像，利用改进的梯度幅值计算方法，检测图像数据中梯度幅值的极大值点；
19、处理模块，被配置为，基于自适应双阈值处理，对图像数据进行非极大值抑制；
20、输出模块，被配置为，根据非极大值抑制结果得到识别图像。
21、第三方面，本专利技术提供一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于优化canny边缘检测的仪表图像识别方法。
22、第四方面，本专利技术提供一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于优化canny边缘检测的仪表图像识别方法。
23、综上所述，本专利技术具有如下的有益技术效果：
24、本专利技术改进canny 算法提高了仪表的边缘检测精度，使 hough 变换检测直线和圆边缘更加准确。改进 canny 算法自动设置阀值且是最优阀值与传统canny 算法相比,缩短了仪表识别算法的运行时间。改进 canny 算法保留了原图像的边缘，比传统方法具有更好的边缘检测效果,可应用于巡检机器平台。
25、通过采用5x5邻域计算像素梯度幅值的方法,提高了边缘检测精度,并采用自适应双阀值选择法,有效避免了传统 canny 算法易出现伪边缘、边缘信息多等现象,提高仪表识别精度。经实验对比验证,该算法检测效果优于传统 canny 算法仪表读数识别精度达到95%。
本文档来自技高网...【技术保护点】
1.一种基于优化Canny边缘检测的仪表图像识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于优化Canny边缘检测的仪表图像识别方法，其特征在于，所述获取仪表图像，包括本文以汽车仪表为测试对象,将复杂环境下的汽车仪表图像根据圆形模板匹配进行剪切保存。
3.根据权利要求2所述的一种基于优化Canny边缘检测的仪表图像识别方法，其特征在于，所述对获取的仪表图像进行图像预处理，包括对仪表图像进行灰度化、去噪和平滑操作。
4.根据权利要求3所述的一种基于优化Canny边缘检测的仪表图像识别方法，其特征在于，所述对预处理后的图像数据，利用改进的梯度幅值计算方法，检测图像数据中梯度幅值的极大值点，包括通过计算图像数据的像素点的8个方向的一阶偏导数有限差分来确定像素梯度幅值。
5.根据权利要求4所述的一种基于优化Canny边缘检测的仪表图像识别方法，其特征在于，所述对预处理后的图像数据，利用改进的梯度幅值计算方法，检测图像数据中梯度幅值的极大值点，还包括利用改进得梯度幅值计算方法，将传统的 2x2 邻域增加至5x5邻域，得到5x5邻
6.根据权利要求5所述的一种基于优化Canny边缘检测的仪表图像识别方法，其特征在于，所述对预处理后的图像数据，利用改进的梯度幅值计算方法，检测图像数据中梯度幅值的极大值点，还包括利用5x5邻域的滤波器对像素梯度幅值中任一像素沿梯度方向进行梯度幅值的插值，检测到像素梯度幅值的极大值点。
7.根据权利要求6所述的一种基于优化Canny边缘检测的仪表图像识别方法，其特征在于，所述基于自适应双阈值处理，对图像数据进行非极大值抑制，包括采用OTSU最大类间方差的处理，找到双阈值，根据得到的极大值点，将非极大值点对应的灰度置为0。
8.一种基于优化Canny边缘检测的仪表图像识别系统，其特征在于，包括：
9.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行如权利要求1所述的一种基于优化Canny边缘检测的仪表图像识别方法。
10.一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行如权利要求1所述的一种基于优化Canny边缘检测的仪表图像识别方法。
...【技术特征摘要】
1.一种基于优化canny边缘检测的仪表图像识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于优化canny边缘检测的仪表图像识别方法，其特征在于，所述获取仪表图像，包括本文以汽车仪表为测试对象,将复杂环境下的汽车仪表图像根据圆形模板匹配进行剪切保存。
3.根据权利要求2所述的一种基于优化canny边缘检测的仪表图像识别方法，其特征在于，所述对获取的仪表图像进行图像预处理，包括对仪表图像进行灰度化、去噪和平滑操作。
4.根据权利要求3所述的一种基于优化canny边缘检测的仪表图像识别方法，其特征在于，所述对预处理后的图像数据，利用改进的梯度幅值计算方法，检测图像数据中梯度幅值的极大值点，包括通过计算图像数据的像素点的8个方向的一阶偏导数有限差分来确定像素梯度幅值。
5.根据权利要求4所述的一种基于优化canny边缘检测的仪表图像识别方法，其特征在于，所述对预处理后的图像数据，利用改进的梯度幅值计算方法，检测图像数据中梯度幅值的极大值点，还包括利用改进得梯度幅值计算方法，将传统的 2x2 邻域增加至5x5邻域，得到5x5邻域的滤波器。
6.根据权...
【专利技术属性】
技术研发人员：夏润生，武慧芳，盛兆任，
申请(专利权)人：济南新天宇汽车电器有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。