基于图像处理的机器播种参数检测方法研究

为快速准确地检测机器播种性能,提出了一种基于图像处理的播种机播种性能检测方法.首先,通过信号触发,相机连续获取传送带上的种子图像,并将采集到的连续图像拼接成图像片段.运用大津法自动获取二值化图像阈值,通过阈值分割方法提取种子图像,并利用中值法对二值化图像中的种子数量进行清点.基于二值化图像的纵向、横向投影信息,得出种子阵列宽度、阵列中心、种子阵列间距、非种子间隔的坐标信息.基于以上测量参数计算出条播种、穴播种和精密播种性能相关参数.在某试验田进行实际应用测试,结果表明,该方法对机器播种性能的检测是可行的、有效的.     

基于MATLAB的水稻种子选种系统

本系统是基于图形处理技术对水稻进行选种分析的系统.该系统以MATLAB为平台,编写程序调用摄像头采集被测水稻图像,运用多种图像处理算法对图像进行灰度处理、滤波处理、去噪处理,边缘检测等,提取图像中所需要的多个二维特征值并实时存储到SQL数据库中.最后利用newlvq函数创建一个LVQ神经网络,将训练参数与采集到的水稻特征值相比较,挑选出最适合种植的水稻种子.     

基于FPGA的视频图像采集及监控系统设计

本文介绍了一种采用FPGA实现视频图像采集与处理的技术.并对视频系统的四个主要组成部分--视频图像采集、存储、监视处理算法和视频显示输出进行了较为详细的讨论.系统采用了IP核模块的设计方法.主要用VHDL语言进行逻辑设计,运用了软硬件协同设计技术.实验结果表明,该系统充分发挥了FPGA器件的并行特性,显著提高了图像处理速度.并运用基于聚类的视频图像目标识别算法,较好地实现了动态图像的实时监视、识别和报警.     

车道偏离预警系统中图像处理方法的研究与分析

为了提高基于机器视觉的车道偏离预警系统的可靠性和实用性,对系统中的多个环节进行了研究,将多种图像处理方法进行对比分析,总结各种算法的优缺点并进行适当的改进.最终选择了车道偏离预警系统中几种常用的图像处理方法做了详细测试与分析,使用这些图像处理方法对图像传感器采集的道路视频进行了车道线检测,并且对得到的结果进行比较和分析.经过实际测试,合理地使用这些算法能够保证识别的准确率在95％以上.     

基于形态学的焊接图像缺陷检测方法研究

射线焊接缺陷的准确检测是保证焊接构件质量的关键,针对焊接生产中采集的图像存在对比度低、噪声干扰及边界模糊等特点,提出了一种基于灰度形态学的射线焊接图像的缺陷检测方法;首先,在对原始射线焊接图像滤波和增强的基础上,根据对焊接图像列灰度的分析运用阈值法提取出焊道;然后,选取了多尺度多结构元素,采用灰度形态学方法对焊接图像进行缺陷边缘检测,并二值化处理后提取出焊接图像巾的缺陷;试验结果表明,相比传统的边缘检测算法,该方法能有效提取图像中的焊接缺陷边缘,且其连续性和完整性较好.     

基于CMOS的医学图象处理系统软件设计

本文选用CMOS OV7640为图像传感器来采集实际图像,利用USB2.0总线接口技术和OpenCV计算机视觉库,以VisualC 6.0作为开发平台设计了基于CMOS的视频采集及边缘检测系统.提出了一种基于数学形态学的多尺度边缘跟踪的算法.该算法在抑制噪声的同时能够有效地检测出图像的边缘,基于OpenCV计算机视觉库编写了视频图像边缘检测的软件.     

面阵CCD的超敏C-反应蛋白全自动检测系统设计

针对目前胶体金技术检测的人工误判、检测速度慢、效率低等问题,设计了一种基于面阵CCD的超敏C反应蛋白全自动检测系统。系统采用STM32单片机作为核心处理器、CCD图像传感器用于图像采集、 OV7670作为图像处理器、控制器ILI9341用于图像显示。在图像处理中,将采集的RGB图像利用经典的几何推导法将RGB图像转换为HIS色彩,并利用K-均值算法对采集的图像数据进行了图像分割。另外,还设计了胶体金试剂条的自动进给装置结构,能够将多个试剂条同时放置,实现了多个胶体金试剂条自动连续检测。试验结果证明,该自动检测系统有效提高了工作效率,具有一定的使用价值。     

数字图像传感器颜色插值算法研究

目前的图像采集设备多采用一个图像传感器及颜色滤波阵列来来采集彩色图像,得到的图像每个像素点仅有一种颜色,需要对缺少的其他两种颜色进行插值.本文详细介绍了基于Bayer格式颜色滤波阵列的数字图像传感器的几种常用的颜色插值算法,并从图像质量及算法复杂度两个方面比较了这几种算法的优劣.通过试验表明,双线性插值算法的运算复杂度最低而适应性颜色层算法的图像效果最好.     

基于DSP的印刷品质量在线检测系统设计

研究一种基于高速处理芯片TMS320C5416的印刷品质量在线检测系统.对印刷品质量在线检测系统的图像采集部分做了分析,确定了以线阵CCD为中心的印刷品图像采集系统;分析TMS320C5416的特点,介绍了各硬件设备的原理及在系统中的应用.对图像定位、图像匹配算法进行比较,实现了缺陷产品的自动检测技术.     

基于FPGA的实时视频图像采集处理系统设计

针对目前数字图像采集处理技术的实时性、大容量、小型化等特点,设计了一种基于FPGA的实时视频图像采集处理电路系统。采用FPGA作为整个系统的控制和图像数据处理中心。DDR2 SDRAM为高速储存模块核心器件,CMOS 7670为视频图像采集器件。并通过Quratus Ⅱ和Modelsim等软件对系统的边缘检测算法、控制过程、各个模块等进行硬件工程设计和仿真,实现了视频图像从采集、存储到处理、显示的整个过程。实验表明,视频图像采集处理的动态画面流畅、清晰、实时性好。     

冷轧带钢边部孔洞缺陷的检测方法研究

针对冷轧带钢边部孔洞缺陷信息的提取问题,综合在线检测和离线精确提取缺陷信息两方面进行了方案设计。首先在在线检测模块提出了一种自适应区域生长算法对图像进行分割,该法通过最佳熵法与形态学处理相结合实现种子点的自动选择,以替代传统算法中种子点的人工选取,以区域生长结果中最大连通体的面积判断是否存在缺陷;然后在离线模块,分别用块投影直方图匹配特征与Tamura纹理特征对缺陷图像进行缺陷信息提取,综合两种缺陷提取结果,得到缺陷详细信息。针对多幅图像采用提出的算法进行检测,在线部分具有较高的处理速度和缺陷判别率,离线部分实现了对缺陷图像中孔洞个数、每个孔洞面积及位置的定量估计。     

基于数字图像处理技术的微小群孔快速检测系统

传统小孔检测方法适用于单个小孔的测量,检测微小群孔时效率低。针对微小群孔快速检测的需求,设计了一种基于数字图像处理技术的微小群孔快速检测系统,提取图像骨架,用模式匹配算法识别群孔,采用最小区域法逐个获取各个小孔的直径与圆度,引入真圆度信息判别各小孔的形状。实验表明：该系统精度满足生产要求,检测效率高,适用于微小群孔的快速检测。     

基于数字图像处理技术的人脸检测算法研究

为了提高人脸检测的准确性及检测速度,需要对基于数字图像处理技术的人脸检测算法进行研究;使用当前方法进行人脸检测时,需要提取脸部特征数目较多、检测速度过慢,降低人脸检测效率;为此,提出一种基于数字图像处理技术的人脸检测算法;该方法首先获取人脸数字图像,通过拉开数字图像的灰度间距,使数字图像灰度均匀分布,进而提高数字图像对比度,使图像更加清晰,再通过Wiener维纳滤算法对处理后的数字图像进行图像平滑去噪,在此基础上使用Robert边缘检测算子方法对数字图像人脸边缘每个像素点检测,得到数字图像中人脸边缘的基本图像,将其输入到计算机数字图像处理系统中进行识别检测;实验仿真证明,所提算法在检测速度及准确性等方面具有明显的优势。     

视频火灾检测的设计与实现

在分析火灾图像特性的基础上,运用数字图像处理技术和模式识别技术,提出了火灾识别的思想.给出了图像处理和识别的算法,该算法采用二维最大熵自动阈值法对火灾图像进行分割处理,分割后再提取可疑区域;对可疑区域的火焰进行识别,给出火焰存在的可能性;根据火灾火焰蔓延时的面积、相似度的变化来识别、判断火灾的发生.实验证明,与传统的检测方法相比,大大地提高火灾预报的准确率.     

基于孔特征的弱纹理堆叠工件识别

针对目前工业现场弱纹理堆叠工件识别困难的问题,提出一种以工件表面孔洞为特征的改进几何模板匹配算法,以合页为例进行工件识别。首先采用加权平均法对彩色图像进行灰度化处理,再采用Canny算法进行边缘检测;其次采用旋转卡壳算法求取轮廓的最小面积外接矩形,进行几何约束后得到孔洞对应的孔轮廓,并采用随机增量法计算孔轮廓的最小外接圆得到孔特征圆心坐标。采用提出的改进几何模板匹配算法,即根据孔特征之间的几何约束进行工件识别,根据孔特征之间是否存在边缘剔除误识别工件。实验结果表明,提出的算法对带孔弱纹理堆叠工件具有良好的识别效果,工件识别查全率为98.3%,误检率为0.9%,为带孔弱纹理工件的识别提供方法。     

基于FPGA联合Sobel算法的实时图像边沿检测系统的设计与实现

边沿检测技术作为数字图像处理领域的重要一支,在目标匹配,交通管控,国防安全等多个领域有着广泛的应用,能够精确高效地实现边沿检测对于后续进行更高层次的图像识别以及图像处理有着密切的联系;为了实现实时有效的图像边沿检测提出了基于FPGA结合Sobel算法的实时图像边沿检测系统,硬件使用流水线结合并行处理的解决方案,能够有效提高图像处理的速度;算法设计采用Sobel算法,不但简化了运算同时获得了不错的检测效果;实验结果显示,系统可高效地达成实时图像边沿检测的设计目的,而且提升了图像的处理效率与边沿检测的效果,便于满足后续图像处理的要求。     

基于眼部特征的疲劳检测算法

PERCLOS值因其良好的非接触性和准确性而被广泛应用于疲劳检测,但通常只采用一种PERCLOS标准.针对这种情况,该文提出眼睛持续闭合时间和动态 PERCLOS 值两个参数进行疲劳检测.该算法首先利用Haar-like 分类器和 Adaboost 算法进行人脸检测和定位;然后利用人脸结构特征缩小人眼的搜索区域,进一步利用 Adaboost 算法定位人眼,避免了眉毛的影响;最后采用图像形态学等图像处理方法获取人眼的垂直高度即上下眼帘的距离,判断人眼是否闭合.在疲劳预测阶段,分时间段采用不同的 PERCLOS 值标准进行判断.该算法对每秒10帧视频帧中的人眼定位准确率达到86.14%,并达到实时性要求,能够提高预测疲劳驾驶的准确性.     

基于视觉注意机制的彩色图像显著性区域提取

图像显著性区域提取是计算机视觉处理的重要步骤。结合人类视觉心理、生理模型, 提出一种基于视觉注意机制的彩色图像显著性区域提取模型。通过改进的分水岭算法对彩色图像进行预分割, 从而将原图像分成若干子区域, 在此基础上运用提出的区域化空间注意力模型对各个子区域进行显著图计算, 得到最终的显著性区域提取结果。实验结果表明, 提出的显著性区域提取算法可以很好地从彩色图像中得到与视觉注意机制相一致的结果, 且满足实时性要求, 与传统方法相比, 算法提取的区域更完整、更准确。     

基于流域算法的粘连颗粒图像分割

在分割颗粒图像中,经常会有颗粒重叠粘连,这给图像的后续分析处理带来了很大的麻烦。针对这一问题,提出了一种有效的基于流域分割算法的颗粒图像分析方法。该算法提出一种新的种子点选取方法,使得种子区域最大化,然后以种子区域为核心通过流域膨胀变换重建原图,当图像中所有像素点都重建完时,粘连颗粒图像的分割就完成了。文中主要叙述了算法的设计思想及实现,并给出了实验结果。实验表明该算法能有效改善因多种子点而引起的过分割现象,对形状不规则的颗粒也同样适用,能取得比较满意的分割效果。     

结合计算机视觉的马铃薯外部品质检测技术

利用计算机视觉进行马铃薯产后品质检测分级有十分重要意义。首先对计算机视觉系统获取的马铃薯进行图像分析,利用Otsu法去除马铃薯图像背景,然后针对马铃薯的损伤、绿皮和发芽状态进行图像处理识别;针对马铃薯中的绿皮状态,利用感知器学习算法（PLA）区分正常马铃薯与绿皮马铃薯;然后针对表皮发芽的马铃薯,利用边缘检测法得到图像中马铃薯区域的各部位边缘,结合K-最近邻分类算法（KNN）识别表面发芽的马铃薯,同时通过角点检测确定轮廓上的发芽区域;然后对检测到的边缘利用中值滤波结合面积最大法,确定马铃薯表皮的损伤部位,最终实现马铃薯品质的分级。利用计算机视觉方法马铃薯品质检测实验结果：正常马铃薯识别正确率为96.8%,绿皮马铃薯为89.7%,表皮损伤马铃薯为90.4%,发芽马铃薯为96%。