基于图像处理的钢帘线表面缺陷特征分析

首先对钢帘线材图像进行预处理,以减小或消除噪声的影响,然后对钢帘线图像进行了缺陷特征分析,运用经典的边缘提取算法提取线材的面积与周长等几何特征,运用灰度共生矩阵来提取线材的纹理特征等来判断钢帘线表面是否有缩颈或耳子等缺陷.实验结果表明了该特征提取算法的有效性和实用性.     

玻璃缺陷图像分割方法研究与实现

根据玻璃缺陷的特点,提出一种采用迭代最优阈值与数学形态学相结合的方法对玻璃缺陷图像进行分割.实验结果表明,该方法实现了图像目标与背景的分割,有效提取了图像的边缘.     

基于图像几何特征的行星表面参考区域提取与匹配方法

针对探测器在行星表面精确着陆的问题,提出了一种通过提取参考区域光照阴影及其轮廓几何特征进行自主识别、匹配的方法.首先,对图像预处理,包括基于区域斜分的二维最大熵双阈值分割、提取连通区域等操作;然后,提取特征区域阴影的轮廓,针对区域阴影及其轮廓信息进而提取其线状及面状几何特征;最后,利用基于加权欧氏距离的聚类方法进行模板匹配.该方法克服了在以往研究中选取参考区域单一化的缺陷,通过对取样图像大量反复的实验,匹配的正确率在93%以上,从而验证了该方法的可行性和鲁棒性.     

光学元件表面划痕的可视化检测

光学元件表面缺陷的存在会影响元件的功能和美观.应用显微成像法完成对缺陷图像的采集,运用Matlab图像处理工具对缺陷图像进行图像处理,提取出划痕缺陷的灰度值特征和几何像素数尺寸特征.根据CCD传感器的像素尺寸和显微物镜的放大倍数从而近似得出划痕的实际尺寸.实验中所测得的划痕最长有104.33μm,最短为5.57μm;最宽为2.37μm,最窄为1.30μm;灰度均值最大为175,最小为97.     

基于特征提取的缺陷图像分类方法

针对缺陷图像表面复杂多变、特征不宜提取的特点,提出了一种归一化转动惯量特征和不变矩特征相结合的时域分析方法来构建缺陷图像的统计特征量,同时增加缺陷矩形框区域内压缩度、距离极值比和线度特征量作为缺陷分类的依据;提出了在缺陷频谱图像内提取特征量的频域分析方法,并将矩形框区域内所有像素点灰度平均值和灰度方差值作为缺陷分类的另一重要依据;同时将BP神经网络应用于缺陷图像的自动分类中,构建了系统的缺陷分类器,并对现场采集的常见6种缺陷类型进行了实验.结果表明,该特征提取方法在很大程度上提高了特征的分类有效性;该BP分类器识别率较高,现场整体识别率达到90%以上,在一定程度上解决了缺陷图像分类难的问题.     

钢轨表面缺陷图像自适应分割算法

针对钢轨表面缺陷提取时的灰度分布不均与杂散光干扰问题,在背景差分法的基础上提出了一种钢轨表面缺陷图像自适应分割算法.首先,通过统计钢轨图像中各行像素灰度特征,结合其均值与标准差分布曲线快速提取钢轨表面区域;然后,进行区域与边缘特征的均值窗口自适应选取;最后,根据均值模糊原理建立背景图像模型并进行图像差分,实现了钢轨表面缺陷分割.实验结果表明:提出的轨面提取算法快速、有效;钢轨表面缺陷自适应分割算法在凸显图像中缺陷部分的同时,有效减少了光照变化和反射不均的影响.该方法对测试图像的召回率和准确率分别达到了95.4%和81.3%.     

基于形态滤波和分水岭算法的硅片缺陷提取

针对硅片表面缺陷的特点,对其缺陷的提取技术进行了研究,采用了多结构元素的广义形态闭-开和形态开-闭滤波器,结合改进分水岭算法进行缺陷提取.滤波器对输入图像及滤波后图像的梯度图像进行平滑,实现消除噪声、简化图像、保持细节的作用.为了克服分水岭的过度分割问题,提出了改进的分水岭算法,利用区域强度准则和边界强度准则对过分割区域进行合并,很好的解决了过分割问题.实验表明,该方法可以提取精确且封闭的缺陷边缘轮廓,为进一步的缺陷特征量的提取与选择奠定了基础.     

一种图像分形特征提取的近似算法

提出了一种提取图像分形特征的近似算法,该算法对经典的“毯覆盖”算法中按不同几何度量尺度分别计算图像的“膨胀层”和“腐蚀层”进而计算不同几何度量尺寸图像表面积的计算过程进行了简化,降低了利用“毯覆盖”算法提取图像分形特征的计算量和存储量,在现有硬件条件下使实时提取图像分形特征成为可能。     

基于双CCFL的玻璃缺陷检测技术研究

针对浮法玻璃生产过程中产生的玻璃缺陷,提出了基于双CCFL的玻璃缺陷检测方法,在待检测玻璃上形成两个周期的光强呈正弦分布的光栅,采用透射式光路,线阵CCD采集匀速移动的玻璃缺陷图像.通过双阈值的图像分割方法,将缺陷图像进行二值化处理,利用对缺陷坐标的连通性判断和二值化数据的分布实现了缺陷大小的计算和缺陷类型的识别,测试结果表明,该方法的检测精度为0.1mm.     

边缘分类SIFT算法

针对经典SIFT算法的实时性较差和其在图像拼接应用时特征点冗余的问题,研究了其在整个尺度空间搜索极值点步骤后,利用图像几何不变矩理论结合图像边缘提取技术提取了图像的边缘类,并在边缘类对应的尺度空间中提取特征点,从而给出了一种改进的SIFT算法.经过多组实验后,结果显示改进后算法可以使图像的冗余特征点减少20%～50%,从而大大减少经典SIFT特征点冗余性并提高了算法的运行速度.