基于图像纹理的散料装车料位识别试验研究

针对散料自动装车中超声波料位检测方法不能反映料堆实际形态的缺点,提出了基于图像纹理识别的料位检测方法。首先,对原图像进行同态滤波及二值化预处理,以增强图像纹理并减小纹理特征提取计算量;然后,计算装车图像的共生矩阵纹理特征,并对所计算的特征进行主成分分析降维;最后,利用决策树分类算法对装车料位图像进行分块识别并拟合出直线料位。试验结果表明,所提方法料位识别平均偏差为6.5像素,料位识别率为96%,每帧图像处理时间约0.2s。算法基本满足散料装车料位实时检测的要求。     

结合噪声估计的NRLBP铆钉表面缺陷检测

针对铆钉表面缺陷纹理形态复杂多变,传统纹理特征提取方法难以获取准确纹理信息、铆钉缺陷识别率较低的问题,提出一种自适应阈值抗噪LBP的铆钉表面缺陷检测算法AT_NRLBP。首先,将铆钉图像均匀分块后提取铆钉子块;然后,基于PCA分解铆钉子块的协方差矩阵,估计子块图像的噪声水平。根据图像噪声强度计算NRLBP阈值,编码铆钉子块得到NRLBP纹理特征。最后,训练SVM单分类器分类铆钉子块,检测并标记出缺陷子块。实验结果表明,这里算法能有效地检测出铆钉表面缺陷,误检率明显降低;与其他纹理分类算法相比,这里算法在KTH-TIPS数据集上的分类准确率较高。     

基于直方图估计和形状分析的沥青路面裂缝识别算法

提出了一种基于直方图估计和形状分析的沥青路面裂缝识别算法,该算法首先将1024×1024像素大小的路面裂缝图像分为256个64×64像素大小的子块,然后采用直方图估计的方法获得每个子块图像原始直方图的混合高斯拟合函数,两个高斯函数的交叉点即是每个子块图像的最优分割阈值。利用该阈值对整幅图像进行二值化后,在两种尺度条件下采用形状分析方法对子块二值图像进行快速分类和"野点"删除,最终实现了裂缝区域的精确定位。试验结果表明:本文提出的阈值分割方法应用于裂缝图像分割,其性能要优于极小误差法、Ostu阈值法、最大熵法等经典算法;采用形状分析对分割后二值化图像进行后续处理,可实现裂缝区域的快速、准确定位。     

一种基于不变矩和SVM的图像目标识别方法

本文提出了一种利用不变矩和支持向量机(SVM)对图像目标进行识别的方法.该方法提取目标的6个不变矩作为特征矢量,应用SVM方法对其进行分类识别.结果表明,这一方法对仅含有目标和背景的图像具有很好的分类识别能力.此外,还发现图像二值化取值范围对识别结果有直接的影响.     

基于多峰拟合的直线电机动子位置精密测量方法

为满足直线电机动子位置的高精度测量要求,提出一种基于多峰拟合相位相关算法的直线电机动子位置精密测量方法。通过直线电机动子上的高速相机采集相邻栅栏图像;采用相位相关算法得到相邻栅栏图像的相位相关函数;根据相位相关频谱的峰值分布特性,采用多峰拟合获得相邻栅栏图像的亚像素位移值;根据测量系统标定系数,进而获得直线电机动子位置的精确位置。实验结果表明,该亚像素测量方法用于直线电机动子位置检测能达到精密定位,测量精度为1/100 pixel,且具有较强的鲁棒性和较高的实时性。     

基于二维小波变换及图像模式识别的焊缝坡口识别

采用二维小波变换及二值化方法处理初始条件下管道焊缝坡口图像,获取焊缝坡口纹理信息,作为模板。 对后续坡口图像进行同样的小波变换及二值化处理,利用模式识别方法获取后续图像焊缝坡口及其中心线的基本 位置信息,研究的焊缝坡口识别算法为实现自然光下焊缝坡口实时跟踪提供了理论依据。     

基于Gabor滤波器的航空图像水面纹理自动提取

本文提出了一种基于Gabor滤波器的水面尾迹纹理的自动提取算法.该方法分为两步第一步,选取等大小的含尾迹纹理的水面子图像和不含尾迹纹理的水面子图像,通过一组GaBOR滤波器得到它们的特征图像,计算每个子图像特征图的均值和方差,将它们作为神经网络的训练样本对BP网络进行训练得到用于识别的网络;第二步,将待提取的整幅图像分成很多与第一步中子图像等大小的子图像,分别计算它们的Gabor特征图像,并得到它们的均值和方差,把它们作为神经网络的输入,得到它们是否是纹理区域,由整幅子图像的识别结果得到一幅二值图像,用Hough变换检测图像中的直线,根据直线的长度是否有尾迹存在.大量的实验结果表明该方法能够准确地提取尾迹纹理.     

基于神经网络和不变矩的路面破损图像识别

提出了一种应用BP神经网络识别沥青路面破损图像的图像分割方法.将路面图像等分,用灰度方差值描述子块图像特征,利用BP神经网络对子块图像进行模式分类,并将图像子块模式矩阵的不变矩作为图像的整体特征,在此基础上设计了基于全局优化算法的前馈神经网络分类器,并进行了图像识别试验,对二值图像进行特征提取,提出了学习算法,以加快收敛速度,从而实现图像识别.     

基于SVM和小波的木材纹理分类算法

选用二进正交小波基对木材纹理图像进行多层分解,利用所得到的纹理特征向量分析水平、垂直和对角方向上木材纹理频率分布特点.基于木材纹理的这种频率分布特点,选取能够表达木材纹理特征的一组向量作为SVM分类的特征向量,利用多类SVM分类器对木材纹理样本进行训练和识别分类.实验表明,文中基于SVM和小波的木材纹理分类方法优于传统的分类方法.     

直线电机动子位置测量的非周期栅栏图像优选

图像位置测量方法在双次级永磁直线电机动子位置测量中应用时,目标源图像的选取对其测量的精度和抗干扰性至关重要。采用栅栏图像作为原始拍摄面,根据其宽度标准差和灰度梯度和来构造不同的非周期栅栏图像用于实验。利用四叉树分解方法把采集到的非周期栅栏图像分割成各个块图像,根据块图像的边缘纹理与其邻域像素存在的约束条件来区分并消除边缘纹理对噪声测量的干扰,准确得出块图像中的噪声污染程度;再对各块图像进行加权平均后得到整幅图像的噪声水平。最后,利用峰值信噪比来评价图像的质量,并通过相位相关算法来验证其抗干扰性,从而筛选出强鲁棒性的非周期栅栏图像。结果表明,在栅栏图像宽度标准差为[8.1,8.3]、灰度梯度和为[18 000,22 000]之间取值构造的灰度非周期栅栏图像的峰值信噪比值较优、相似性峰值高、图像的抗干扰性强,能够实现直线电机动子位置的高精度测量。     

基于机器视觉的手机电池表面缺陷检测

针对手机电池表面质量人工检测情况,开发了电池表面缺陷无损检测系统软件。首先电池表面经过倾斜矫正、感兴趣区域提取和字符灰度值修改等预处理操作,通过基于灰度密度分布和灰度差的自适应阈值亮度法对感兴趣区域进行子图像遍历,融合有重合区域的缺陷子图像并滤除没有明显缺陷的区域;然后采用支持向量机多种类分类法,提取二值图像像素分布规律作为训练特征,识别电池表面缺陷种类;最后设计了人机交互界面,确定最佳的可变参数,实验测试缺陷识别率达95%以上。     

基于铁谱图像异类特征融合的磨损类型识别方法

针对铁谱磨粒图像识别中存在特征单一、异类特征的综合利用率低等问题,提出一种磨粒图像多特征的异类信息融合识别方法。首先,对在线铁谱图像预处理基础上提取磨粒纹理(ASM、熵、相关、对比度)、颜色(均值、方差、斜度)、几何(7个不变矩)3种统计特征;其次,对提取特征数据进行[0,1]归一化处理,采用超球心间距法确定核参数,运用超球多类SVM实现基于单种特征的多类磨损识别;最后,在单种特征识别基础上通过后验概率构造3种特征所需的软判决基本概率赋值(BPA)函数,运用超球多类SVM与D-S证据理论结合法实现异类特征融合的铁谱图像识别。特征融合方法识别最高识别率达到了96.1%,与单一特征识别结果相比,识别准确度更高,且实现了不同特征的互补。     

滚动轴承保持架缺陷的图像处理及模式识别方法研究

轻系列滚动轴承保持架由于兜孔直径小、两半保持架之间钉孔距离相对较大等因素导致在铆压过程中易出现变形,造成铆压歪斜缺陷。为此,本文提出了基于图像纹理特征的模式识别方法用于保持架歪斜缺陷的准确识别。首先,改进了轴承图像归一化展开算法,实现了轴承图像展开起点的自动优化选择以避免误分割保持架、铆钉和滚动体;其次,设计了轴承图像保持架区域定位分割算法,准确分离出7个保持架区域;最后,分别提取保持架区域的Hu矩和旋转不变均匀局部二值模式(LBPrPiu,2R)作为纹理特征,并结合PCA降维方法构建轴承保持架缺陷识别的SVM分类模型。结果表明,基于Hu矩和LBPrPiu2,R的SVM模型的正确识别率分别为85%和100%。因此,轴承LBPrPiu2,R特征结合SVM模型对轴承保持架歪斜缺陷具有较好的识别效果。该方法有望为滚动球轴承保持架铆压工艺缺陷的自动识别提供参考。     

采用纹理近邻模式的掌静脉生物特征识别研究

针对传统局部二值模式(LBP)只以固定的中心像素为阈值的编码方式进行了改进,从纹理分析角度,提出一种基于近邻模式的掌脉身份识别方法,主要利用局部区域相邻像素之间的灰度大小关系,对掌脉图像进行近邻二值模式(NBP)编码。首先将手掌静脉图像分成若干大小一致的区块,然后计算每一区块的灰度平均值,形成多块均值图像,进一步使用NBP对多块均值图像进行编码,最后利用汉明距离进行匹配。采用CCD图像传感器设计了光学仪器,在实际应用环境下获取掌脉图像建立图库,并在香港理工大学(Poly U)接触式公用图库和自建非接触图库上与目前典型和流行方法进行了对比实验,结果显示该方法在8×8区块划分情况下在2个图库上获得了最低等误率(EER)分别为0.698 3%和1.603 6%,识别时间为0.122 7 s和0.124 2s,显示出方法的可行性和有效性,具有应用前景。     

边缘扩展的皮带撕裂支持向量机视觉检测

提出了基于视觉的皮带撕裂监测方法,并构建了皮带撕裂视觉监控系统。针对皮带输送机运行过程中由于干扰导致的图像退化,采用维纳滤波方法实现了退化图像的复原。为实时识别高速运动的皮带裂纹,采用CamShift算法对快速移动的皮带裂纹序列目标图像进行跟踪与捕捉。采用Canny算子对皮带裂纹进行边缘提取,并通过增加一个δ值,使检测到的裂纹边缘向外扩张,从而增加检测到的皮带裂纹权重,获得鲁棒性更高的边缘检测效果。最后,构建了SVM皮带裂纹预报模型,以皮带裂纹图像的像素面积及长宽比几何特征量作为模型输入量,对皮带裂纹状态进行预报。实验表明,提出的皮带撕裂检测方法是有效的。     

基于DRGAN和支持向量机的合成孔径雷达图像目标识别

为解决SAR图像目标识别中样本缺乏和方位角敏感问题,提出了一种基于DRGAN和SVM的SAR图像目标识别算法。首先,采用多尺度分形特征对SAR图像进行增强,经过分割得到目标二值图像,基于Hu二阶矩估计目标的方位角。然后对估计得到的目标方位角进行量化编码,结合原始图像作为输入,对设计的DRGAN模型参数进行训练与优化。由于DRGAN中的深度生成模型将目标姿态与外观表示进行解耦设计,故可利用该模型将SAR图像样本变换到同一方位角区间。基于变换后的训练样本分别提取归一化灰度特征,利用SVM训练分类器。采用MSTAR数据集在多个不同操作条件下对提出的算法进行测试,实验结果表明,在带变体的标准操作条件下,能够达到97.97%的分类精度,优于部分基于CNN模型的分类精度,在4种扩展操作条件下的分类精度分别为97.83%,91.77%,97.11%和97.04%,均优于传统方法的分类精度。在SAR图像目标方位角估计存在一定误差的情况下,训练得到的GAN模型作为SAR图像目标旋转估计器,能够使得在不进行复杂样本预处理的前提下,仍然取得较高的SAR图像目标识别精度。     

多层次信息融合在铁谱图像磨粒识别中的应用

针对铁谱图像磨粒识别中异类信息综合利用率较低的问题,提出多层次信息融合的铁谱图像磨粒识别方法。首先,在铁谱图像二值化分割的基础上进行二值滤波,结合彩色铁谱图的R、G、B三分量,实现铁谱图像的彩色滤波。其次,以实际采集的磨粒图像样本为例,提取滤波后二值图像的形态特征,以及滤波后彩色图像的颜色特征;在特征层利用PCA对异类特征进行维数约简,并结合SVM和k-fold交叉验证,实现形态特征和颜色特征的特征层融合;在决策层将异类特征的SVM概率输出结果作为D-S证据理论的基本概率分配函数,实现形态特征和颜色特征的决策层融合。通过与形态学滤波结果对比,验证了本文提出滤波方法的优越性;其次,不同层次的信息融合结果表明,与单独使用颜色特征和形态特征相比,异类信息融合后可实现优势互补,有效提高故障磨粒的识别准确率。     

基于证据理论的零件图像识别

从零件图像的小波分解系数和图像相对边缘像素系数作为零件特征的方法出发,提出了基本概率分配构造和多源零件图像特征识别的方法。首先,对多源零件图像分别进行小波分解和多尺度边缘检测,获取零件图像的小波分解系数和相对边缘像素系数。然后,将它们作为神经网络的输入,获取多源零件图像识别的基本概率分配。最后,依据证据理论的合成规则得到零件的识别结果。实验结果表明,所提出的方法是有效的。     

基于证据理论的零件图像识别

从零件图像的小波分解系数和图像相对边缘像素系数作为零件特征的方法出发，提出了基本概率分配构造和多源零件图像特征识别的方法。首先，对多源零件图像分别进行小波分解和多尺度边缘检测，获取零件图像的小波分解系数和相对边缘像素系数。然后，将它们作为神经网络的输入，获取多源零件图像识别的基本概率分配。最后，依据证据理论的合成规则得到零件的识别结果。实验结果表明，所提出的方法是有效的。     

运用改进二叉树SVM算法的柴油机振动诊断

提出了一种改进的二叉树支持向量机(support vector machines,简称SVM)算法,用以克服二叉树SVM构造时各级正类样本选择缺乏理论指导的问题。基于最易分割类应最先分割的思想,该方法在定义特征参数类识别率概念的基础上,首先逐级计算每个特征参数对各级SVM所对应各类训练样本的类识别率,然后选择类识别率综合排序结果处于第1位的样本类作为相应级SVM的正类。从缸盖振动信号包络幅值域参数和小波包分解频带能量百分比参数中选取了对气阀故障较为敏感的9个特征,形成了诊断特征向量,使用常用的1-a-r,1-a-1,DDAG以及改进的二叉树SVM多分类方法对6种气阀间隙状态进行了诊断,结果表明,本文提出的改进二叉树SVM方法具有最好的分类效果。