基于图像识别的钢水连铸下渣检测方法的研究
|
摘要
中国钢铁产业的迅猛发展对钢铁生产的质量及自动化程度都提出了更高的要求。本文以武钢某连铸线的大包下渣检测环节为研究对象，针对其工作环境恶劣但在生产中具有重要地位的情况，通过大量理论调研和现场分析，根据现场采用的人工观察法，提出了一套具有实时下渣检测和离线图像分析功能的钢水连铸下渣检测方案，并实现了系统的具体设计。
结合钢铁连铸现场环境和实际需求，采用了具有可行性的图像增强方案及图像特征提取方案，并分别从理论上对下渣检测系统中采用到的对比度增强、图像平滑、图像锐化进行阐述，同时详细分析了基于色彩、纹理和形态特征的下渣特征提取技术。最后分别给出软件中各图像分析方法的算法实现，并利用现场图片进行图像分析实验。
基于图像识别的钢水连铸下渣检测系统分为两大部分：基于工业摄像机的图像采集系统和基于PC的下渣检测软件系统。图像采集系统与PC软件之间利用以太网进行视频数据传输及采集参数控制。系统通过摄像机对中间包钢水液面视频图像进行实时采集并传输，利用检测软件对视频图像进行定时抓取、增强、多种方式的特征提取及分析，来判断大包是否下渣；同时对图像进行保存，利用软件的离线图像分析功能对图像进行分析，对决策模块进行参数优化。
论文详细阐述了PC端下渣检测软件系统的实现，分别从多线程控制、文件存取操作及图像分析方法上指出了软件设计的技术要点，详细分析了软件模块的划分、各模块子系统的实现及模块与缓存区的相互访问关系，并展示了软件运行的主流程图及运行效果图。
本文最后对完成本系统所做工作进行了总结，并对将来的工作进行了展望。
With the rapid development of China's steel industry, higher requirements have set on the quality of steel production and the degree of automation. The subject investigated is the process of bale slag detection in the continuous casting production workshop of Wuhan Iron and Steel Plant. According to the poor working environment, importance in production, through plenty of theoretical research and on-site analysis, a new slag detection system of molten steel casting is presented, which has real-time slag detection and off-line image analysis functions. Specific designs are also achieved.
Combined with the environment of steel casting scene and the actual demand, the system adopted the image enhancement program and the feature extraction program. Contrast enhancement, image smoothing and image sharpening used in the slag detection system were theoretically elaborated in detail. Meanwhile, the feature extraction technique based on color, texture and shape features was minutely analyzed. Finally, the different image analysis algorithms were given and the image analysis experiments were done by using on-site photos.
The slag detection system based on image recognition comprised two main components: the industrial-camera-based image acquisition system and the PC-based slag detection software. Between image acquisition system and PC software, Ethernet was used to gather control parameters and transmit video data. The system collected and transmitted the video images of molten steel surface of pouring box through the camera. The detection software was used to judge whether the bale slag through timing crawls, enhancement, different methods of feature extraction and analysis video images. Meanwhile, using the off-line image analysis function of the software analyzed the preserved image to optimize the parameters of the decision-making module.
Paper introduced the slag detection software implementation on the PC side, and pointed out the software design techniques from multi-thread control, file access operation and image analysis method. Then, it analyzed the software modules, the realization of subsystems, mutual visit between modules and cache. In the Last, it displayed the main flow chart and effect map of the software.
Finally, the paper made a conclusion about what have done and future work prospects.
结合钢铁连铸现场环境和实际需求，采用了具有可行性的图像增强方案及图像特征提取方案，并分别从理论上对下渣检测系统中采用到的对比度增强、图像平滑、图像锐化进行阐述，同时详细分析了基于色彩、纹理和形态特征的下渣特征提取技术。最后分别给出软件中各图像分析方法的算法实现，并利用现场图片进行图像分析实验。
基于图像识别的钢水连铸下渣检测系统分为两大部分：基于工业摄像机的图像采集系统和基于PC的下渣检测软件系统。图像采集系统与PC软件之间利用以太网进行视频数据传输及采集参数控制。系统通过摄像机对中间包钢水液面视频图像进行实时采集并传输，利用检测软件对视频图像进行定时抓取、增强、多种方式的特征提取及分析，来判断大包是否下渣；同时对图像进行保存，利用软件的离线图像分析功能对图像进行分析，对决策模块进行参数优化。
论文详细阐述了PC端下渣检测软件系统的实现，分别从多线程控制、文件存取操作及图像分析方法上指出了软件设计的技术要点，详细分析了软件模块的划分、各模块子系统的实现及模块与缓存区的相互访问关系，并展示了软件运行的主流程图及运行效果图。
本文最后对完成本系统所做工作进行了总结，并对将来的工作进行了展望。
With the rapid development of China's steel industry, higher requirements have set on the quality of steel production and the degree of automation. The subject investigated is the process of bale slag detection in the continuous casting production workshop of Wuhan Iron and Steel Plant. According to the poor working environment, importance in production, through plenty of theoretical research and on-site analysis, a new slag detection system of molten steel casting is presented, which has real-time slag detection and off-line image analysis functions. Specific designs are also achieved.
Combined with the environment of steel casting scene and the actual demand, the system adopted the image enhancement program and the feature extraction program. Contrast enhancement, image smoothing and image sharpening used in the slag detection system were theoretically elaborated in detail. Meanwhile, the feature extraction technique based on color, texture and shape features was minutely analyzed. Finally, the different image analysis algorithms were given and the image analysis experiments were done by using on-site photos.
The slag detection system based on image recognition comprised two main components: the industrial-camera-based image acquisition system and the PC-based slag detection software. Between image acquisition system and PC software, Ethernet was used to gather control parameters and transmit video data. The system collected and transmitted the video images of molten steel surface of pouring box through the camera. The detection software was used to judge whether the bale slag through timing crawls, enhancement, different methods of feature extraction and analysis video images. Meanwhile, using the off-line image analysis function of the software analyzed the preserved image to optimize the parameters of the decision-making module.
Paper introduced the slag detection software implementation on the PC side, and pointed out the software design techniques from multi-thread control, file access operation and image analysis method. Then, it analyzed the software modules, the realization of subsystems, mutual visit between modules and cache. In the Last, it displayed the main flow chart and effect map of the software.
Finally, the paper made a conclusion about what have done and future work prospects.
引文
[1] 神州报告网．2006年世界钢铁产量情况分析[EB／OL]．(2006-7-11)[2006-12-8] http://www.datagoo.com/07/0705/200702081644396.asp
[2] 李具中，喻承欢，米源等编著．武钢二炼钢连铸工艺分析报告[Z]．武汉钢铁(集团)公司第二炼钢厂内部文件，2005
[3] 胡军宏．板坯连铸结晶器液压振动系统状态监测试验研究[J]．冶金自动化， 2006(5)：1-5
[4] 张萌，柳旭．称重传感器高精度自动检测系统设计[J]．厦门大学学报(自然科学版)，2005，44(2)：206-209
[5] 张红．连铸钢包用电磁感应下渣检测技术[J]．仪表与检测，1998，1：15-18
[6] 徐红，张红，茅洪洋．转炉炉渣自动检测技术及其应用[J]．冶金设备，1989，7： 78-81
[7] 赵丽，王友钊．钢铁连铸过程中的振动式高灵敏度大包下渣检测系统的研究及开发[J]．电子器件，2005，28(4)：823-826
[8] 李培玉，邹福星．HMM在钢水连铸下渣振动检测方法中的应用[J]．冶金自动化，2005，29(1)：14-18
[9] 于学斌，张红，邱玲惠et al．连铸钢包下渣检测技术的开发[J]．华东冶金学院学报，1997，14(4)：53-56
[10] 孙巧玲，袁伟霞．采用振动测量法检测钢包至中间包的下渣[J]．钢铁研究， 1994，3：35-39 李培玉，赵明祥．连铸下渣检测方法的研究与进展[J]．炼钢， 2003，19(3)：16-22
[11] 美国联合工程技术公司，北京优仪特冶金技术有限公司．新型的大包下渣检测系统[G]．板坯连铸会议文件汇编，2003：47-51
[12] 邱东明．300吨连铸钢包下渣检测系统的研制[J]．仪器仪表学报，1999，19(1)： 135-138
[13] 李志刚，谢长川．控制转炉渣进入结晶器的系列技术[J]．钢铁研究，2001，4： 46-50
[14] M．Borz，P．Ortelt．转炉出钢口闸板的新型红外摄像控制法IRIS[J]．钢铁， 2007，37(5)：22-24
[15] 镭目科技有限责任公司．RAMON下渣检测系统．[EB／OL]．(2006-8-10)[2006-10-8]．http://www.ramon.com.cn/cn/first/index05e.htm.
[16] 吴非，王友钊．利用视频系统监控大包下渣的方法研究[J]．工业控制计算机， 2005，18(3)：38-39
[17] 杨淑莹，李兰友．图像模式识别[M]．北京：清华大学出版社，2005
[18] 杨淑莹．VC++图像处理程序设计[M]．北京：北京交通大学出版社，2003
[19] 刘丹．计算机图像处理的数学和算法基础[M]．北京：国防工业出版社，2005
[20] 王新成．多媒体实用技术[M]．四川：电子科技大学出版社，1994
[21] 陈廷标，夏良正．数字图像处理[M]．北京：北京人民邮电出版社，1990
[22] 田捷，沙飞，张新生．实用图像分析与处理技术[M]．北京：电子工业出版社出版，1995
[23] 北京微视．MVC2000DA-GE16(／12B)硬件说明书．北京：北京微视科技有限公司，2006
[24] 谭浩强．C程序设计[M]．北京：清华大学出版社，1991
[25] 徐士良．C常用算法程序集[M]．北京：清华大学出版社，1996
[26] 康博创作室．Visual C++6.0开发实用教程[M]．北京：人民邮电出版社，1998
[27] 周鸣杨．Visual C++界面编程技术[M]．北京：北京希望电子出版社，2003
[28] 陆其明．DirectShow务实精选[M]．北京：北京科海电子出版社，2004
[29] 魏丹，陈淑珍．梯度倒数加权平滑算法的改进与实现[J]．计算机应用研究， 2005，22(3)：153-154
[30] 王劲松，叶中付，李厚强．基于二维直方图和彩色分割方法的运动目标检测[J]．计算机工程与应用，2003，39(19)：96-99
[31] 严曲，赵跃龙．一种基于迭代阈值法的身份证图像二值化算法研究[J]．计算机测量与控制，2005，13(6)：595-597
[32] 高春鸣，兰秋军．基于自动分析直方图灰度分布的数字图像阈值化算法[J]． 计算机科学，2001，4：58-60
[33] 曹计昌，杨帆．基于图像增强的灰度插值算法[J]．计算机辅助工程，2006， 15(4)：47-49
[34] 王立志．基于彩色图像的实时边缘检测[D]．哈尔滨：哈尔滨工业大学，2003
[35] 徐贵力，毛罕平．彩色图像颜色和纹理特征提取的应用算法[J]．计算机工程， 2002，28(6)：25-27
[36] 曹莉华，柳伟，李国辉．基于多种主色调的图像检索算法研究与实现[J]．计算机研究与发展，1999，1：96-100
[37] 苟怡，吴荣珍，康戈文．带钢表面质量监测系统中基于颜色的图像检索技术研究[J]．机械，2002，3：38-40．
[38] 严国莉．基于数字图像处理对沉淀池矾花控制系统的算法研究[D]．成都：四川大学，2003
[39] 刘兴，蒋天发．车牌字符图像分割技术的研究与应用[J]．武汉大学学报工学版，2006，39(6)：125-128
[40] Smith JR. Integrated spatial and feature image system:Retrieval,analysis and compression[J],Columbia University,NewYork, 1997
[41] Manjunath, B.S.; Ma, W.Y. Texture Features for Browsing and Retrieval of Image Data.IEEE PAMI, 1996, 18(8): 837-841
[42] Roman, D.Fisher, M.; Cubillo, J.; Digital image processing-an object-oriented approach[J]. IEEE Trans, 1998, 4(4): 331-333
[43] KennethR ,Castleman. Digital image processing[M].Prentice Hall International,In c.,1998
[44] 李晓昆．基于图象纹理分析的纱线质量检测[J]．计算机工程，1999，4：55-56
[45] 方如明等．计算机图像处理技术及其在农业工程中的应用[M]．北京：清华大学出版社，1999
[46] Bach J R, Fuller C et al. Virage image search engine: An open framework for image management[J].Proc of SPIE,Storage and Retrieval for Image and Video Database Ⅳ.San Jose, 1996:76-87
[47] 张文景，张文渊，苏继峰等．计算机视觉检测技术及其在机器零件检测中的应用[J]．上海交通大学学报，1999，5：33-35
[48] Obeso F, Gonzalez J A ,Brown A .Intelligent On-line Surface Inspection on a Skinpass Mill[J]. Iron and Steel Engineer,1997,9: 29-35
[49] Badger J C, Endght S T. Automated Surface Inspection System[J]. Iron and Steel Engineer, 1996, 3: 48-51
[50] Suresh B R ,Fundakowski R A, Levit T S, et al .A Real-time Automated Visual Inspection System for Hot Steel Slabs[J]. IEEE Trans. Patem Anal.Machine Intell., 1983,5: 563-572
[51] Thomas F Porter, Rober A Sytvester, Theodore W Bouyoucas,et al. Automatic Strip Surface Defect Detection System[J]. Iron and Steel Engineer, 1988, 65:17-20
[52] Jae-Yeol Kim, Hyun-Jo Jeong, Hun-Cho Kim. Adaptation of neural network and application of digital ultrasonic image processing for the pattern recognition of defects in semiconductor[J]. Electronic Materials and Packaging, 2001, 11:274-279
[53] Kirlangic, M.E. Denizhan, Y. Fractal modelling for pattern recognition via artificial neural networks[J]. Acoustics, Speech, and Signal Processing, 2000,6:3610-3613
[54] 廖春红．图像处理技术的钢水熔炼终点识别及控制[J]．特种铸造及有色合金，2006，26(9)：552-554
[55] 何炳林，龙建军，司振军．热轧带钢板形质量可视化研究[J]．机床与液压， 2004，10：62-65
[56] 王娟，罗庆生，韩宝玲等．图像处理技术在特殊目标识别中的应用[J]．机械与电子，2006，11：59-61
[57] 王宗荣，左敦稳，王珉．基于GA—NN的钛合金工件磨削表面烧伤裂纹图像的自动识别[J]．南京理工大学学报：自然科学版，2006，30(6)：697-700，704
[58] 杨大成 许晋华．一种基于DSP和图像识别的药品检测系统设计[J]．电气传动自动化，2006，28(6)：19-21
[59] 吴国荣，戚飞虎，史勇红等．Deformable Registration of MR Brains with Best Features[J]．上海交通大学学报：英文版，2006，11(3)：290-295
[60] 王琪，李言俊，江友谊．基于旋转和尺度不变性的图像识别研究[J]．红外技术，2006，28(10)：559-566
[61] 万来毅，陈建勋，王卫平．基于BP神经网络的图像识别研究[J]．武汉科技大学学报：自然科学版，2006，29(3)：277-279，292
[62] 吉波，华继学，杜蓬勃．红外图像特征提取的一种方法[J]．航空计算技术， 2005，35(3)：44-46
[63] 张兴国，李靖，刘上乾等．一种基于数学形态学的红外图像分割方法[J]．制导与引信，2006，27(4)：40-43
[64] 游安清，程义民，张凯等．一种采用形态距离匹配度量的图像匹配方法[J]．信号处理，2006，22(2)：278-280
[65] 苟怡．带钢表面自动监测系统中缺陷图像识别技术的研究与开发[D]．成都：四川大学，2004
[66] 李丽娟，何克清．图像识别平台中软构件的设计与实现[J]．计算机应用与软件，2006，23(9)：14-15，23
[67] 王执煜，李宁宁，丛喜东．计算机及图像识别技术在原木检尺中的应用研究[J]．林业机械与木工设备，2006，34(9)：13-16
[68] 甄彤．运动图像识别技术在谷物害虫检测中的应用[J]．微计算机信息，2006， 07S：233-235
[69] 李婷．自动指纹识别系统[J]．国外科技新书评介，2006，6：4-4
[70] 纪淑波，刘晶，孟庆凤．图像识别在目标自动识别系统中的应用[J]．电光与控制，2006，13(3)：109-112
[71] 张育胜，付永领．实时棒材图像识别与跟踪方法研究[J]．北京航空航天大学学报，2006，32(5)：575-579
[2] 李具中，喻承欢，米源等编著．武钢二炼钢连铸工艺分析报告[Z]．武汉钢铁(集团)公司第二炼钢厂内部文件，2005
[3] 胡军宏．板坯连铸结晶器液压振动系统状态监测试验研究[J]．冶金自动化， 2006(5)：1-5
[4] 张萌，柳旭．称重传感器高精度自动检测系统设计[J]．厦门大学学报(自然科学版)，2005，44(2)：206-209
[5] 张红．连铸钢包用电磁感应下渣检测技术[J]．仪表与检测，1998，1：15-18
[6] 徐红，张红，茅洪洋．转炉炉渣自动检测技术及其应用[J]．冶金设备，1989，7： 78-81
[7] 赵丽，王友钊．钢铁连铸过程中的振动式高灵敏度大包下渣检测系统的研究及开发[J]．电子器件，2005，28(4)：823-826
[8] 李培玉，邹福星．HMM在钢水连铸下渣振动检测方法中的应用[J]．冶金自动化，2005，29(1)：14-18
[9] 于学斌，张红，邱玲惠et al．连铸钢包下渣检测技术的开发[J]．华东冶金学院学报，1997，14(4)：53-56
[10] 孙巧玲，袁伟霞．采用振动测量法检测钢包至中间包的下渣[J]．钢铁研究， 1994，3：35-39 李培玉，赵明祥．连铸下渣检测方法的研究与进展[J]．炼钢， 2003，19(3)：16-22
[11] 美国联合工程技术公司，北京优仪特冶金技术有限公司．新型的大包下渣检测系统[G]．板坯连铸会议文件汇编，2003：47-51
[12] 邱东明．300吨连铸钢包下渣检测系统的研制[J]．仪器仪表学报，1999，19(1)： 135-138
[13] 李志刚，谢长川．控制转炉渣进入结晶器的系列技术[J]．钢铁研究，2001，4： 46-50
[14] M．Borz，P．Ortelt．转炉出钢口闸板的新型红外摄像控制法IRIS[J]．钢铁， 2007，37(5)：22-24
[15] 镭目科技有限责任公司．RAMON下渣检测系统．[EB／OL]．(2006-8-10)[2006-10-8]．http://www.ramon.com.cn/cn/first/index05e.htm.
[16] 吴非，王友钊．利用视频系统监控大包下渣的方法研究[J]．工业控制计算机， 2005，18(3)：38-39
[17] 杨淑莹，李兰友．图像模式识别[M]．北京：清华大学出版社，2005
[18] 杨淑莹．VC++图像处理程序设计[M]．北京：北京交通大学出版社，2003
[19] 刘丹．计算机图像处理的数学和算法基础[M]．北京：国防工业出版社，2005
[20] 王新成．多媒体实用技术[M]．四川：电子科技大学出版社，1994
[21] 陈廷标，夏良正．数字图像处理[M]．北京：北京人民邮电出版社，1990
[22] 田捷，沙飞，张新生．实用图像分析与处理技术[M]．北京：电子工业出版社出版，1995
[23] 北京微视．MVC2000DA-GE16(／12B)硬件说明书．北京：北京微视科技有限公司，2006
[24] 谭浩强．C程序设计[M]．北京：清华大学出版社，1991
[25] 徐士良．C常用算法程序集[M]．北京：清华大学出版社，1996
[26] 康博创作室．Visual C++6.0开发实用教程[M]．北京：人民邮电出版社，1998
[27] 周鸣杨．Visual C++界面编程技术[M]．北京：北京希望电子出版社，2003
[28] 陆其明．DirectShow务实精选[M]．北京：北京科海电子出版社，2004
[29] 魏丹，陈淑珍．梯度倒数加权平滑算法的改进与实现[J]．计算机应用研究， 2005，22(3)：153-154
[30] 王劲松，叶中付，李厚强．基于二维直方图和彩色分割方法的运动目标检测[J]．计算机工程与应用，2003，39(19)：96-99
[31] 严曲，赵跃龙．一种基于迭代阈值法的身份证图像二值化算法研究[J]．计算机测量与控制，2005，13(6)：595-597
[32] 高春鸣，兰秋军．基于自动分析直方图灰度分布的数字图像阈值化算法[J]． 计算机科学，2001，4：58-60
[33] 曹计昌，杨帆．基于图像增强的灰度插值算法[J]．计算机辅助工程，2006， 15(4)：47-49
[34] 王立志．基于彩色图像的实时边缘检测[D]．哈尔滨：哈尔滨工业大学，2003
[35] 徐贵力，毛罕平．彩色图像颜色和纹理特征提取的应用算法[J]．计算机工程， 2002，28(6)：25-27
[36] 曹莉华，柳伟，李国辉．基于多种主色调的图像检索算法研究与实现[J]．计算机研究与发展，1999，1：96-100
[37] 苟怡，吴荣珍，康戈文．带钢表面质量监测系统中基于颜色的图像检索技术研究[J]．机械，2002，3：38-40．
[38] 严国莉．基于数字图像处理对沉淀池矾花控制系统的算法研究[D]．成都：四川大学，2003
[39] 刘兴，蒋天发．车牌字符图像分割技术的研究与应用[J]．武汉大学学报工学版，2006，39(6)：125-128
[40] Smith JR. Integrated spatial and feature image system:Retrieval,analysis and compression[J],Columbia University,NewYork, 1997
[41] Manjunath, B.S.; Ma, W.Y. Texture Features for Browsing and Retrieval of Image Data.IEEE PAMI, 1996, 18(8): 837-841
[42] Roman, D.Fisher, M.; Cubillo, J.; Digital image processing-an object-oriented approach[J]. IEEE Trans, 1998, 4(4): 331-333
[43] KennethR ,Castleman. Digital image processing[M].Prentice Hall International,In c.,1998
[44] 李晓昆．基于图象纹理分析的纱线质量检测[J]．计算机工程，1999，4：55-56
[45] 方如明等．计算机图像处理技术及其在农业工程中的应用[M]．北京：清华大学出版社，1999
[46] Bach J R, Fuller C et al. Virage image search engine: An open framework for image management[J].Proc of SPIE,Storage and Retrieval for Image and Video Database Ⅳ.San Jose, 1996:76-87
[47] 张文景，张文渊，苏继峰等．计算机视觉检测技术及其在机器零件检测中的应用[J]．上海交通大学学报，1999，5：33-35
[48] Obeso F, Gonzalez J A ,Brown A .Intelligent On-line Surface Inspection on a Skinpass Mill[J]. Iron and Steel Engineer,1997,9: 29-35
[49] Badger J C, Endght S T. Automated Surface Inspection System[J]. Iron and Steel Engineer, 1996, 3: 48-51
[50] Suresh B R ,Fundakowski R A, Levit T S, et al .A Real-time Automated Visual Inspection System for Hot Steel Slabs[J]. IEEE Trans. Patem Anal.Machine Intell., 1983,5: 563-572
[51] Thomas F Porter, Rober A Sytvester, Theodore W Bouyoucas,et al. Automatic Strip Surface Defect Detection System[J]. Iron and Steel Engineer, 1988, 65:17-20
[52] Jae-Yeol Kim, Hyun-Jo Jeong, Hun-Cho Kim. Adaptation of neural network and application of digital ultrasonic image processing for the pattern recognition of defects in semiconductor[J]. Electronic Materials and Packaging, 2001, 11:274-279
[53] Kirlangic, M.E. Denizhan, Y. Fractal modelling for pattern recognition via artificial neural networks[J]. Acoustics, Speech, and Signal Processing, 2000,6:3610-3613
[54] 廖春红．图像处理技术的钢水熔炼终点识别及控制[J]．特种铸造及有色合金，2006，26(9)：552-554
[55] 何炳林，龙建军，司振军．热轧带钢板形质量可视化研究[J]．机床与液压， 2004，10：62-65
[56] 王娟，罗庆生，韩宝玲等．图像处理技术在特殊目标识别中的应用[J]．机械与电子，2006，11：59-61
[57] 王宗荣，左敦稳，王珉．基于GA—NN的钛合金工件磨削表面烧伤裂纹图像的自动识别[J]．南京理工大学学报：自然科学版，2006，30(6)：697-700，704
[58] 杨大成 许晋华．一种基于DSP和图像识别的药品检测系统设计[J]．电气传动自动化，2006，28(6)：19-21
[59] 吴国荣，戚飞虎，史勇红等．Deformable Registration of MR Brains with Best Features[J]．上海交通大学学报：英文版，2006，11(3)：290-295
[60] 王琪，李言俊，江友谊．基于旋转和尺度不变性的图像识别研究[J]．红外技术，2006，28(10)：559-566
[61] 万来毅，陈建勋，王卫平．基于BP神经网络的图像识别研究[J]．武汉科技大学学报：自然科学版，2006，29(3)：277-279，292
[62] 吉波，华继学，杜蓬勃．红外图像特征提取的一种方法[J]．航空计算技术， 2005，35(3)：44-46
[63] 张兴国，李靖，刘上乾等．一种基于数学形态学的红外图像分割方法[J]．制导与引信，2006，27(4)：40-43
[64] 游安清，程义民，张凯等．一种采用形态距离匹配度量的图像匹配方法[J]．信号处理，2006，22(2)：278-280
[65] 苟怡．带钢表面自动监测系统中缺陷图像识别技术的研究与开发[D]．成都：四川大学，2004
[66] 李丽娟，何克清．图像识别平台中软构件的设计与实现[J]．计算机应用与软件，2006，23(9)：14-15，23
[67] 王执煜，李宁宁，丛喜东．计算机及图像识别技术在原木检尺中的应用研究[J]．林业机械与木工设备，2006，34(9)：13-16
[68] 甄彤．运动图像识别技术在谷物害虫检测中的应用[J]．微计算机信息，2006， 07S：233-235
[69] 李婷．自动指纹识别系统[J]．国外科技新书评介，2006，6：4-4
[70] 纪淑波，刘晶，孟庆凤．图像识别在目标自动识别系统中的应用[J]．电光与控制，2006，13(3)：109-112
[71] 张育胜，付永领．实时棒材图像识别与跟踪方法研究[J]．北京航空航天大学学报，2006，32(5)：575-579
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |