数字图像处理在车牌识别系统中的应用

数字图像处理技术在车牌识别系统中的图像预处理起着关键的作用,介绍图像灰度化、图像去噪以及图像二值化方法,并通过仿真试验模拟图像处理的过程。实验证明文中图像处理方法用于车牌识别的有效性。     

基于图像处理的贮存电压去噪算法研究

本文以一次电路电容贮存电压为识别对象,设计了一套实时视觉检测系统。利用HSI模型中H分量提取待处理采集图像区域,通过多通道色度信息、灰度投影等图像处理技术滤除干扰,完成电压信号的初次提取;并且二值图像灰度化,再将灰度图像阈值分解的变换思想对传统二值化图像进行改进,得到更加光滑的电压信号曲线。最后通过两步细化的改进细化算法对平滑曲线细化,得到单点信号波形。实验结果表明该检测系统是有效可行的。     

大视场线阵CCD图像灰度均匀化

针对大视场线阵 CCD 图像不均匀现象,提出了一种基于图像像素灰度补偿的均匀化方法。首先分析并计算线形目标上不同坐标位置的微小面元在线阵CCD上产生的辐射照度,并由此推导线阵CCD面元上不同像素灰度值与中心像素灰度值之间的关系,进而建立大视场线阵CCD像面上像素的灰度补偿模型,实现大视场线阵CCD图像快速均匀化的目的。对大量线阵 CCD 采集的高速路面图像进行了处理,结果表明我们提出的方法具有较强的可行性、鲁棒性和实用性。     

结合Hough变换与Kalman滤波的车道线检测方法

车道线检测是智能驾驶系统的重要组成部分,它提供了车辆与车道位置关系的信息.针对智能车辆驾驶系统在视觉导航过程中车道线检测的精确性和鲁棒性的问题,提出一种有效的车道线检测方法.首先对原始RGB图像分别进行感兴趣区域设定、逆透视变换、灰度化和阈值处理;然后进行霍夫变换处理,利用斜率和中心点位置筛选检测结果;最后利用卡尔曼滤波对检测到的线段进行跟踪,预测当前车道线位置.实验结果表明,该算法能够有效解决图像中车道线不清晰以及一些干扰遮挡的问题,车道线检测准确率可达94%,具有较好的准确性、鲁棒性和较低的计算复杂度,有利于实时性检测系统的构建.     

直管段包装过程中的视觉计数系统设计

目的提出一种基于视觉图像处理的直管段端面圆边缘检测算法与装置,用于直管段精确计数,以提高计数精度和包装效率。方法使用CCD采集直管段端面图像,在Matlab软件中编写检测算法,分别通过对像素坐标、阈值大小的调节来增强图像的对比度,完成图像的灰度化、二值化预处理。将霍夫变换与HarrisLaplace算法相结合,并对管段端面进行边缘检测;通过设定管径大小实现端面圆形边缘的识别、显示与计数。结果将直管段放入设计的视觉计数装置中,通过可动挡板使端面对齐后,采用图像处理技术来实现视觉计数,多次测试结果验证了系统的正确性。结论该方法可以用于直管段的自动计数。     

改进的道路区域和车道线识别技术应用研究

由于车辆在行驶中会遇到不同路况,从而使得道路检测成为一个难题,为此,本文提出一种应用方向可调滤波器进行车道检测的方法。方向可调滤波器解决了光线变化及阴影对车道线检测的影响,能有效强化车道线信息,去除图像噪声,通过试验验证这种算法能够稳定地对车道线进行识别,准确提取车道线参数,实时性很高。     

水松纸在线检测系统设计

目的针对烟支卷制完成后出现的水松纸质量缺陷等问题,结合生产实际要求,设计基于PLC和机器视觉的水松纸在线检测系统。方法采用线阵相机对图像进行采集,工业计算机利用Vision-Pro图像处理软件进行图像处理,采用SIFT改进算法简化图像处理过程,实现对水松纸质量的在线检测,同时完成参数设定、状态监控和数据记录等功能。结果实际运行结果表明,成品烟合格率由92%提高到100%。结论系统运行可靠,可与现有系统配合实现在线监测,减少了原材料的浪费,提高了成品烟支合格率。     

基于脉冲耦合神经网络和遗传算法的图像增强

提出了基于脉冲耦合神经网络（PCNN-Pulse Coupled Neural Network）与遗传算法的图像增强算法．对PCNN模型进行了改进使之更适用于图像处理,并利用遗传算法的全局寻优能力自动搜索图像的最佳灰度阈值,再对图像进行处理．该算法既可有效地去除噪声,又能根据图像灰度性质自动选取最佳阈值,并对自适应分割后图像进行不同的灰度变换,从而实现了图像的自适应增强．试验结果表明,该算法显著提高了图像增强效果．     

基于车道线斜率的车道偏离检测

针对结构化道路上运动车辆的车道偏离检测问题,采用单目视觉作为感知手段,分别从针孔模型下摄像机成像的空间几何关系和图像中车道线消失点的位置特点两个方面出发,推导出车辆直行情况下车道偏离率与两侧车道线斜率比之间的简单函数关系,该函数与摄像机内外参数无关。同时完成了在摄像机不同方向角下的车道偏离率测量试验,结果表明由于行车方向瞬时变化引起的摄像机方向角微小改变对车道偏离检测的影响可以忽略。道路现场试验结果表明,上述视觉测量方法得到的车道偏离率与手工实测结果相比,其相对误差小于5%。基于车道线斜率的单目视觉检测方法避开了繁琐的摄像机参数标定过程,达到了较高的车道偏离检测精度。     

机动车超速自动监测系统检定中存在问题的分析

一、监测系统简介 机动车超速自动监测系统（以下简称“监测系统”）是指固定安装于道路上。对监测车道内机动车行驶速度实行实时、自动测量。同时拍摄超出该车道限速范围行驶的机动车辆图像．自动记录该车道内超速机动车行驶时的速度值、日期、时间、地点等相关信息的监测系统。其通常由测速单元、图像处理单元、通信单元及辅助照明单元等部分组成。     

基于机器视觉的贴片电阻封装排序方法

目的研究基于机器视觉的贴片电阻封装排序方法,确保贴片电阻的封装效率,减少人力成本。方法基于模板匹配设计一种贴片电阻的相对方向识别方法,并简单介绍检测系统的整体框架。识别方法主要分为3步,截取模板并进行模板匹配;记录匹配区域的匹配度及匹配区域的像素坐标信息;利用匹配度和坐标信息得出贴片电阻的相对方向。结果文中验证了在不同光源下的识别率。当光源强度为18 V时,识别率最高,达到99.9%,处理时间约为130 ms。结论基于机器视觉的贴片电阻封装排序方法能够满足工业生产的准确性和实时性要求。     

基于数字图像处理的卷筒包装材料自动纠偏

针对卷筒包装材料的跑偏问题,提出了基于数字图像处理的自动纠偏方法,介绍了系统的组成和纠偏原理,分析了包装材料图像的在线采集和图像的预处理.通过采用边缘直线方法对倾斜图像进行处理,获取跑偏信息,从而实现在线监测和纠偏.     

长轴直线度检测系统

针对长轴直线度检测需要直线和角度基准问题,本文提出采用十字线激光束的长轴直线度检测方法.根据被测长轴轴心到两激光平面的距离唯一的原理,用图像处理技术对十字线激光图像进行处理,求出十字线激光图,像的交点坐标和水平线倾角,结合距离信息计算被测长轴的直线度参数.讨论了检测系统的结构,详细介绍了直线度参数的计算方法.采用640pixel1×480pixel摄像机(光靶分辨率为0.097 3mm/pixel),在lm、9m和18m处分别摄取50幅图像,测量结果的极径标准偏差分别为0.009 37mm、0.034 2mm和0.086 0mm,极角标准偏差分别为0.843'、1.26'和1.57'.     

一种零件综合质量评定方法研究

零件的质量评定是柔性智能制造中十分重要的环节。现有的自动化识别装置一般采用非人工接触的光学检测系统,但由于工况环境复杂,诸多干扰因素均会影响零件质量检测与评定的准确性。另外,工业现场的连续作业对工控机硬件的运行速度、光学检测系统的环境适应性以及质量评定算法的预测准确性都提出了更高的要求。基于此,提出一种基于机器视觉与机器学习的零件综合质量评定方法。首先,借助机器视觉技术完成被测零件图像的实时采集与处理,并利用灰度匹配算法与几何匹配算法对零件的图像与CAD（computer aided design,计算机辅助设计）机械加工图进行比较,求解得到灰度匹配分数与几何匹配分数这2个几何特征参数。然后,针对零件表面的缺陷（如划伤、磨损、边缘缺料及锈蚀等）,在图像预处理（灰度化、图像增强、高斯降噪和二值化）的基础上,求解得到图像灰度的均值和标准差这2个表面缺陷特征参数。最后,借助主成分分析（principal component analysis, PCA）对零件的四维特征数据集进行降维处理,并利用K最近邻（K-nearest neighbor, KNN）算法对降维后的数据集进行训练和预测,完成零件综合质量评定;在此基础上,比较KNN算法与其他机器学习算法的准确率、召回率和特异度等指标,以验证其可行性。实验结果表明,所搭建的光学检测与处理系统在不同光源条件下的识别准确率达到96.15%以上;当相机的快门时间设定为100 μs时,该系统的图像处理速度达到45.2 帧/s。所提出的零件综合质量评定方法具有较高的准确率与处理速度,适用于复杂工况下零件的综合质量评定。     

基于改进的Hough算法的细胞破碎智能监测计数系统

为提高细胞内产物的产量以及质量,结合机器视觉技术,在传统Hough图像识别算法以及现有的细胞破碎装置的基础上进行改进,提出了一种应用于细胞破碎的智能监测计数系统的设计方案。该方案以光学放大电路、CCD图像传感电路为硬件平台,辅以机器视觉技术、图像处理算法实现对细胞破碎过程的图像监测及计数统计。在线实验监测表明,该智能监测计数系统能够完成对细胞破碎的统计计数,其识别速度相对于标准的Hough图像识别算法提高了近10倍,并能实时捕捉细胞破碎图像,可应用于细胞破碎产物的自动化提取。     

基于机器视觉的电视机背板检测及自适应抓取研究

机器视觉广泛应用于装配、制造和加工等工业领域,用来保证产品质量,控制生产流程。将图像处理技术应用于自动化装配生产线,对电视机背板质量进行在线检测。为了实现对不同型号和尺寸的电视机背板的抓取,使用图像模板匹配方法确定当前背板的型号和检测当前背板的品质,并开发基于采集图像的视觉伺服自适应控制系统,该控制系统以西门子 PLC（programmable logic controller,可编程逻辑控制器）作为控制核心,通过串口通信实现PLC与Halcon软件的数据对接。使用Halcon中的工具箱对电视机背板采集图像进行运算以抽取目标的特征,并分析出抓取过程的坐标值,进而根据判别的位置坐标误差结果来控制步进电机调节偏移量以实现自适应抓取过程。针对图像处理后产生的电视机背板位姿累计误差,设计了一种标准模板中心参数值与增量误差值求差的方法,对背板位姿视觉定位误差进行补偿。通过抓取实验验证了视觉伺服自适应控制系统的可靠性较高,能满足自动化装配的工业生产需求。在生产实际中,电视机背板自动检测及抓取平台的应用能极大地提高电视机生产效率、节约人工成本、降低劳动强度和提高生产精度,该平台具有很好的应用前景。     

基于视觉的驾驶机器人导航技术

对驾驶机器人的视觉导航技术进行了研究,提出了一种快速可靠的车辆引导线检测算法.该算法首先对感兴趣的移动窗口进行有条件的边缘检测,进而引入了梯度方向直方图的处理思想,制定了车辆引导线边缘候选点集与有效点集的筛选算法,最后,通过所提出的一种基于标量化处理Kalman滤波方法实现了引导线特征参数的快速准确提取.试验表明,本文提出的检测算法能够满足复杂路况下的导航需要,具有30ms/帧的实时处理速度.     

一种识别薄板对接接头的视觉方法

对薄板紧密对接接头的识别问题进行了深入的分析，提出了由照明、自适应局部特征提取、全局特征识别和验证融合在一起的视觉识别方法。它克服了电弧光的干扰，识别结果可靠，可以有效地解决薄板紧密对接接头识别这一难题。     

基于机器视觉的包装品质检测系统设计

目的 为提高包装缺陷检测精度,基于机器视觉设计一种包装品质检测系统。方法 介绍机器视觉系统硬件结构,包括载物平台、工业相机、光室、计算机等。在此基础上,以条烟外包装检测为主要研究对象,详细阐述图像处理算法。首先利用中值滤波消除原始图像噪声;然后基于Canny算子实现图像边缘锐化;最终通过图像配准判断条烟外包装是否存在缺陷。结果 通过实验验证,结果表明该系统对合格样本的识别率可以达到100%;不合格样本的识别率也可以达到98.67%;整体识别率可以达到99.33%。结论 机器视觉系统具有识别精度高、性能稳定等特点;图像处理算法可准确区分条烟是否存在缺陷,具有实际应用价值。