基于SVM特征点分类的机器视觉外螺纹参数检测

针对传统外螺纹检测方法工作效率低,且难以满足大批量、在线检测等要求的问题,通过机器视觉技术、数字图像处理技术并融合机器学习,提出一种基于角点检测算法的更加高效、精确检测外螺纹参数的非接触式检测方法。通过电荷耦合器件(CCD)相机获取螺纹图像,进行图像处理后,提取图像中的轮廓函数以及角点坐标等有效信息,并通过支持向量机(SVM)进行点集分类操作。通过数据分析,从而达到对螺纹螺距、中径、大径、小径和牙型角参数的测量,达到了控制螺纹加工质量的目的。测试结果表明:每分钟可完成200个螺纹件的参数检测,即检测速度达到3. 3个/s,检测精度达到0. 001 mm。     

基于机器视觉的螺纹参数综合测量系统的设计

传统的螺纹检测技术工序复杂、效率低、成本高,已不能满足现代工业高效发展的需求,因此要建立一套以机器视觉识别技术为核心的视觉传感和图像处理系统,利用CCD 获取螺纹基本图像,并通过图像的平滑、边缘检测、二值化处理及轮廓提取,对螺纹轮廓进行分析,从中测量出螺纹的几何参数。探讨了利用机器视觉对螺纹牙形角参数进行测量的方法,并给出最后的测量结果。从理论和实践上证明了该方法的可行性和正确性。     

SLEE算法与Hough圆拟合在香烟小包拉线错牙检测中的研究

针对香烟生产中广泛存在的小包拉线错牙问题,提出一种基于图形识别的检测方法;利用图像校正、平滑滤波、迭代阈值分割、边缘提取对拉线图像进行预处理,再采用随机霍夫变换(RHT)对两个拉线U型切口进行圆拟合,进而根据两个圆心在垂直方向上的距离计算出拉线错牙偏移量;针对Sobel、Canny等获取的边缘存在较多冗余信息问题,提出了一种扫描线边缘提取(SLEE)算法;实验结果表明所提方法能有效地检测出烟包拉线的错牙程度,误差小于0.3 mm且具有较好的鲁棒性。     

图像检测螺纹的系统设计

基于视觉的图像处理技术逐渐成熟,将图像处理应用在工件检测中也被广泛认同;利用图像检测螺纹的技术和装置也不断被改进和完善;针对螺纹图像检测中连续性较低、精度不高的问题,设计了一种连续自动螺纹检测系统;在圆盘上均匀分配4个工位,由电机和分割器带动,实现螺纹检测过程的放置提取、工件判断、表面除杂以及图像采集4个过程;高精度工业相机获取的螺纹图像,应用LabVIEW中Vision assistant模块,实现图像的几何畸变矫正、边缘检测、目标分割、图像标定、参数计算和检测;经过实验证明,该系统实现了螺纹检测的自动化,并且提高了螺纹检测的精度.     

基于V型检测算子和边缘梯度的虹膜卷缩轮检测方法

针对虹膜卷缩轮位置检测中卷缩轮边界定位困难的问题进行了研究,提出了一种基于V型检测算子和边缘梯度的虹膜卷缩轮检测方法.首先根据虹膜卷缩轮内部纹理的位置特征、形状特征和灰度特征,定义V型检测算子,在归一化图像中,利用V型检测算子对图像进行处理,提取卷缩轮内部纹理终点坐标;其次,通过曲线拟合得到卷缩轮边界的初定位区域;最后利用边缘梯度算子在初定位区域进行检测提取卷缩轮边界.实验结果表明,该方法的正确检出率达到93.2％,可以有效地提取虹膜卷缩轮边界.     

NPTF干密封螺纹的特性

NPTF螺纹作为干密封螺纹,其牙型精度比NPT螺纹高,旋合时不用任何填料,完全依靠螺纹自身形成密封,螺纹间无任何密封介质,很适合用于高温高压的场合。由于其精度很高,所以必须要掌握好其加工性能和正确的检测方法。本文就这NPTF螺纹的参数、加工方法、检验方法展开讨论。     

结合区域和边界信息的图像显著度检测

目的 图像显著度检测是许多图像应用的核心问题,为了能够在复杂背景下准确提取图像中前景对象的位置和尺度信息,提出一种结合区域和边界信息的图像显著度检测方法。方法 对于图像区域信息,提出一种基于图像等照度线的方法检测显著区域信息。该方法针对不同的特征(颜色、亮度和方向)提出统一的计算方法,使得不同特征下获得的显著信息具有一致的度量标准,从而方便后续多特征显著度图的融合。对于图像边界信息,采用一种结合多尺度Beltrami过滤器的全局方法检测显著边界信息。多尺度Beltrami过滤器可以显著增强图像中的边界信息。利用全局显著度检测方法对经过过滤器处理过的图像可以准确地获取图像中最为显著的边界信息。最后,由于区域和边界分别代表图像中的不同类型信息,可以直接采用线性融合方式构建最终的图像显著度图。结果 与其他9种流行图像显著度检测算法相比,本文算法无论在简单还是复杂背景下均能够较为准确地检测出图像中的显著度信息(Precision、Recall、F测试中获得的平均值为0.5905,0.6554,0.7470的最高测试结果)。结论 提出一种结合区域和边界信息的图像显著度检测算法,通过区域和边界信息相结合的方式实现图像中显著对象的准确检测。实验结果表明本文算法具有良好的适用性和鲁棒性,为图像中复杂背景下对象检测打下坚实基础。     

基于OpenCV的图像椭圆特征识别与定位研究

面向平板零件上螺纹孔的识别定位需求,基于开源计算机视觉库OpenCV进行椭圆特征的识别与定位研究。采用Canny边缘检测算法提取图像边缘信息,对边缘图像通过轮廓检索得到单一的连续轮廓,并对得到的每一条连续轮廓进行椭圆拟合。研究给出一种评价轮廓与所拟合椭圆误差的计算方法,以此误差为准则实现非椭圆特征的剔除。进一步针对螺纹孔形成的相套椭圆特征,采用聚类筛选的方法得到螺纹孔对应的内环椭圆特征,从而实现了板上螺纹孔的识别与定位。     

基于亚像素特征点提取的螺纹检测粗糙聚类算法

本文研究了一种应用于高速图像检测的基于亚像素特征点提取的螺纹检测粗糙聚类算法。其基本思想是:采用分阶段的高精度亚像素特征点提取方法,将图像边缘特征离散为亚像素级特征点,利用粗糙集中的不可分辨概念和近似集合概念,对图像亚像素级特征点进行粗糙聚类,以便区分图像中多个螺纹零件,确定螺纹小径不可分辨类。在此基础上,给出了螺纹几何参数测量的步骤和计算规则,根据计算结果对螺纹零件进行基于图像特征的判别和处理。这种基于亚像素特征点提取的螺纹检测粗糙聚类方法具有较高的检测精度。     

基于TOF深度图像修复的输送带煤流检测方法

传统的带式输送机煤流检测装置中,核子胶带秤存在一定安全和环保隐患,电子胶带秤检测精度易受输送带张力、刚度等因素的影响;而基于超声波、线激光条纹、双目视觉等技术的非接触式检测方法存在实时性差、测量误差较大等问题。提出了一种基于飞行时间(TOF)深度图像修复的输送带煤流检测方法。通过TOF相机获取输送带运煤图像;对TOF图像进行均衡化处理,采用帧差法和边界跟随算法去除背景噪声,获得感兴趣的煤料区域;针对TOF深度图像因边缘处存在飞行像素噪声与多径误差噪声而导致的边缘信息不准确问题,提出强度图像引导的深度图像修复算法,通过Canny边缘检测算法寻找深度图像和强度图像的相似边缘,基于强度图像的有效边缘信息对深度图像边缘处的不可靠数据进行校正,并进一步基于Navier-Stokes方程和中值滤波器得到高精度深度图像;对煤料区域进行像素级分割,并建立煤料体积计算模型,结合输送带速度得出输送带煤流。实验结果表明,该方法的检测误差不超过3.78%,标准差不超过0.491,平均处理时间为83 ms,满足实际生产要求。     

基于螺纹边缘图像的快速SSDA算法

序贯相似性检测算法（sSDA）是针对传统的模板匹配算法提出的一种高效的图像匹配算法,但是SSDA算法难以满足螺纹检测的实时性。针对传统SSDA算法的不足,提出了一种基于螺纹边缘图像的快速SSDA算法。该方法用形态学对螺纹图像进行了边缘提取,然后只在边缘处进行匹配,从而大大减少了匹配的次数,同时提出了减小匹配运算量的方法。     

一种新的分数阶微分的图像边缘检测算子

为了提取出更加精确和细微的边缘信息,同时为了具有更好的抗噪性能,提出了一种新的分数阶微分梯度算子。根据Riemann-Liouville分数阶微积分定义,推导出了非整数步长的分数阶微分方程,并采用拉格朗日插值方法确定非整数步长像素点的灰度值,进而构造出八个方向的微分掩模,实现了图像边缘检测。实验表明,该方法更好地利用了图像的自相关性,比传统的边缘检测算子能更好地提取图像边缘细节,且对噪声具有更好的鲁棒性。     

基于微分方程和小波图象去噪研究

小波图象去噪是目前图象去噪的主要方法之一,它可以在很好去除噪声的前提下保持图象的细节特征。近年来基于偏微分方程的图象去噪方法得到了广泛的关注。在一定的约束条件下,求解方程的最优解可以达到比较好的去噪的目的。实验结果表明,该方法在图象去噪的效果上要比小波去噪好,去噪后图象的信噪比高。     

偏微分方程图像平滑模型的一种最优停止准则

基于偏微分方程的各种非线性图像平滑模型, 可归结为求解初始值为输入图像的非线性扩散方程. 这些非线性图像平滑模型在滤除噪声的同时, 在保留图像重要特征方面表现出良好的性能.采用这些模型对图像进行平滑的过程中,迭代停止准则对图像平滑的效果有着重要的影响.该文提出了一种简单实用的最优停止准则,该准则确定了一个标准,使得平滑后的图像与噪声的相关性最小时停止迭代. 它易于实现而且又有很强的通用性.实验结果表明该算法可以在图像平滑过程中适时地停止迭代, 获得满意的图像平滑效果.     

基于分数阶微分和Sobel算子的边缘检测新模型

现有的边缘检测算法对噪声敏感,检测到的图像边缘效果不够理想,得到的图像边缘有可能模糊不清。为了克服这些不足,以分数阶微分理论为基础,结合Sobel算子边缘检测方法,提出了一种基于分数阶微分和Sobel算子的边缘检测新模型。理论研究和实验结果表明,与现有方法相比较,该模型不仅能较好地提取图像边缘特征,而且对噪声具有一定的抑制作用;特别地,对于纹理细节较丰富的图像而言,该模型能够检测出更多的纹理细节信息,优于常用的整数阶微分方法,是一种有效的边缘检测方法。     

变截面粘弹性旋转梁非线性参数振动研究

研究了变截面粘弹性旋转梁的非线性参数振动.基于Kelvin-Voigt粘弹性本构关系,考虑几何非线性建立了变截面粘弹性旋转梁的非线性振动方程,用Galerkin法将其转化为常微分方程.运用多重尺度法得到其幅频响应.用数值方法讨论了转速和轮毂半径对梁固有频率和幅频响应的影响.研究表明:不稳定域随轮毂半径、转速的增大而增大,随锥度的增大而减小.     

Snake模型在雨滴边缘检测中的应用

数字摄像技术在降水粒子的自动观测中具有非常好的应用前景,如何在数字图像中准确地进行降水粒子的边缘检测是其中的一项关键技术。Snake模型具有很好的融合图像上层知识和底层特征的能力,能够实现目标轮廓的准确定位。结合雨滴图像自身的特点,提出了目标形心的自动标定方法,在此基础上改进了Snake模型初始轮廓点的选取方法,并通过贪婪算法进行迭代处理,实现了基于Snake模型的雨滴边缘检测算法。算法能够准确地对数字图像中的雨滴边缘轮廓进行检测,且具有较好的稳定性。与传统的边缘检测算子相比,该方法对雨滴图像获得了更好的边缘检测效果。     

基于曲线坐标系的图像边缘检测

边缘检测是数字图像处理中一种重要的处理手段,目前普遍采用的方法是基于直角坐标系下的Laplacian算子,取其零交叉位置来检测。而现实中往往可见到许多曲面上的图像,比如柱面帖图、球面帖图,处理此类图像采用基于直角坐标系的微分算子显然不能胜任。该文采用基于微分几何曲线坐标系下普遍的Laplacian算子进行边缘检测,从结果可以看到处理效果明显优于普通的方法。     

基于p-Laplace方程的图像彩色化方法

灰度图像的彩色化是图像处理研究领域中富有挑战性的研究课题,且具有十分广阔的应用前景。在分析现有图像彩色化方法的基础上,提出了一种基于p-Laplace方程的图像彩色化新方法。新方法首先由用户在灰度图像上给定少量的颜色条带;然后通过求解p-Laplace方程实现颜色扩散的彩色化。由于p-Laplace算子是一个各向异性扩散的非线性算子,所以与采用偏微分方程方法的泊松方法和拉普拉斯方法相比,图像彩色化在扩展颜色的同时更能保持边缘效果。