基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了解决冷轧薄板板形识别问题,采用基于形态学的图像处理方法.利用高帽变换对板形图像进行增强,对增强后的图像进行二值化,生成缺陷图像,消除二值缺陷图像中的干扰信号,分析二值缺陷图像,判定板形的类别.给出了基于二值形态学的图像消噪算法和基于灰度形态学的图像增强算法.提出了基于高帽变换的板形识别算法和基于对比思想的板形识别算法.根据上述方法进行了板形识别系统的硬件、软件设计,实际应用表明,该方法可以有效地识别出常见的板形.
推荐文章
基于数学形态学的信息识别研究及Matlab实现
数学形态学
信息识别
特征向量
阈值分割
基于数学形态学的货车标记图像跟踪识别研究
数学形态学
字符分割
标记识别
模板匹配
基于分形和数学形态学的MAG焊熔池图像分析
分形维数
数学形态学
边缘检测
MAG焊熔池图像
基于数学形态学与图论的数显字符识别
数学形态学
图论
闭合曲线
字符识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于形态学的冷轧薄板板形识别
来源期刊 重庆大学学报(自然科学版) 学科 工学
关键词 形态学 图像处理 冷轧薄板 板形识别
年,卷(期) 2007,(12) 所属期刊栏目 自动化·通信工程·计算机
研究方向 页码范围 25-29
页数 5页 分类号 TP274
字数 5125字 语种 中文
DOI 10.3969/j.issn.1000-582X.2007.12.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 曹长修 重庆大学自动化学院 162 2835 26.0 47.0
2 钱基业 重庆大学自动化学院 3 20 3.0 3.0
3 张新宇 重庆大学自动化学院 3 17 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (56)
参考文献  (8)
节点文献
引证文献  (9)
同被引文献  (18)
二级引证文献  (21)
1987(1)
  • 参考文献(1)
  • 二级参考文献(0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(2)
  • 二级参考文献(2)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(3)
  • 引证文献(3)
  • 二级引证文献(0)
2009(3)
  • 引证文献(1)
  • 二级引证文献(2)
2010(2)
  • 引证文献(0)
  • 二级引证文献(2)
2011(4)
  • 引证文献(1)
  • 二级引证文献(3)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(4)
  • 引证文献(0)
  • 二级引证文献(4)
2017(5)
  • 引证文献(1)
  • 二级引证文献(4)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
形态学
图像处理
冷轧薄板
板形识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆大学学报
月刊
1000-582X
50-1044/N
大16开
重庆市沙坪坝正街174号
78-16
1960
chi
出版文献量(篇)
6349
总下载数(次)
8
总被引数(次)
85737
相关基金
重庆市自然科学基金
英文译名:
官方网址:http://law.ddvip.com/law/2006-09/11584979384040.html
项目类型:重点项目
学科类型:
论文1v1指导