Mean shift 算法在带钢缺陷图像分割中的应用

带钢自动表面检测系统中缺陷图像的分割效果对缺陷识别具有重要影响．为了提高缺陷图像的分割效果,提出了采用 Mean shift 算法对带钢缺陷图像中的感兴趣区域进行平滑从而获取缺陷边缘的方法,并将该算法与中值滤波算法进行了比较．测试结果表明,Mean shift 算法能够有效地对缺陷图像中的感兴趣区域进行平滑,并精确得到缺陷目标的边缘,该算法在带钢的缺陷分割中具有较好的性能．     

基于特征与形貌重构的轴件表面缺陷检测方法

针对轴件表面缺陷机器视觉检测方法中的水渍残留误检率高和人工复检效率低问题,提出一种基于特征与形貌重构的轴件表面缺陷检测方法. 对轴件工业高速线扫描图像进行预处理,基于改进的阀值迭代算法完成图像分割,通过去除背景、噪点和干扰提取缺陷图像. 建立基于曲线簇包络轮廓的轴件表面缺陷特征模型,结合分割图像各连通域的面积、面积占比、粗短度训练逻辑回归分类器,对凹坑、裂纹和麻点等轴件表面典型缺陷进行识别,并结合图像深度信息进行缺陷形貌重构,消除水渍等伪缺陷,提高轴件表面缺陷检测鲁棒性. 实验结果表明,所提出的轴件表面缺陷检测方法有效,具有较高的缺陷识别率和鲁棒性能,平均识别时间为3.69 s,缺陷轴加权识别率为98.86%,可以对3类典型缺陷和水渍进行准确识别.     

基于神经网络的钢材表面缺陷快速检测

表面缺陷是影响钢材质量的重要因素,钢材表面缺陷图像在线快速检测已成为国内外学者研究的热点课题。研究钢材表面缺陷识别技术不仅具有一定的理论价值,更具有实际的应用前景。本文设计并通过仿真实现了冷轧带钢表面缺陷检测系统及缺陷分类系统,重点研究了BP神经网络方法及图像处理技术在钢材表面缺陷识别中的应用,实现冷轧带钢表面缺陷的快速自动分类。     

基于VAM和E-HMM的图像拼接盲鉴别算法

为了提高拼接篡改图像的检测准确率,利用视觉注意模型提出了一种新的图像拼接篡改盲鉴别算法。首先,采用改进的基于OSF的非线性滤波方法提取图像的边缘信息,得到边缘显著图像ECM;其次,利用视觉注意模型提取ECM的注意点,并采用显著边缘定位法锁定图像显著边缘处注意点,进而获取图像关键特征片段;接着,提取图像片段的Cr通道,并计算其小波重构图像;然后,针对小波重构图像,提取其扩展的DCT域的HMM特征,并采用SVM-RFE算法对所提取特征进行降维处理;最后,根据得到的特征向量,利用SVM对特征值进行训练并建立分类模型,从而实现自然图像和拼接篡改图像的分类识别。实验结果表明,针对哥伦比亚大学拼接篡改图像库,本文算法的正确检测率为96.32%。     

基于超声波断层图像的三维重构方法

为降低检测成本,减少辐射危害,提出了基于超声波断层图像进行典型零件的三维重构方法.设计了相共振结合拉东反变换计算方法的零件断层扫描试验,基于Matlab平台构建了轮廓提取算法、图像堆叠算法以及三维模型重构算法.结合图像处理算法与三维模型重构算法实现了二维超声断层图像的三维重构,重构的零件外形尺寸与内部形位误差约为1 mm.结果表明,本文提出的超声波断层图像三维重构方法可靠、准确,可用于典型金属零件轮廓及内部缺陷的无损检测与三维重构.     

一种基于灰度投影的带钢表面缺陷检测算法

根据带钢表面缺陷图像的特点提出了一种利用带钢图像的灰度投影进行带钢表面缺陷目标检测的一种算法．该算法首先是把带钢图像分别进行向下和向左的灰度投影,然后在此基础上计算出向下投影与向左投影的投影均值并分别找出其中的最大值与最小值,之后分别把它们做差,如果向下投影均值的差值和向左投影均值的差值中至少有一个超过了给定的阈值则认为图像存在缺陷,否则无缺陷．该算法在多次实验中都能够很成功地完成带钢表面缺陷目标检测的功能．     

带钢表面缺陷在线检测系统的设计

针对带钢表面缺陷人工检测方法效率低下的问题,设计了一套在线自动检测系统.首先,提出了带钢表面缺陷在线检测系统的总体设计方案,包括系统的硬件结构、软件结构以及图像采集系统.随后,着重研究了在线检测系统中所涉及的图像预处理方法、图像分割方法、特征提取选择和缺陷分类方法.通过缺陷区域频率域图像特征的提取和缺陷的人工神经网络分类,提高了分类结果的准确性.最后,采用常见缺陷的样本对该系统进行测试,实验结果验证了算法的有效性.     

改进可拓理论的带钢表面缺陷图像分类方法

将可拓理论引入到带钢表面缺陷图像的分类中,提取分割前后缺陷图像的12个特征值,对可拓理论用于分类的关键步骤-关联度的计算方法进行改进,首先确定某缺陷特征值与某类缺陷对应特征值经典域的距绝对值,再计算出该特征值与各类缺陷对应特征值经典域的距绝对值之和,以二者的商作为关联度计算的权值. 对该方法的可行性进行了论证,并对带钢表面缺陷图像分类进行了仿真,仿真结果显示改进后的方法分类准确性有较大的提高.     

基于ViBe的端到端铝带表面缺陷检测识别方法

针对铝带表面缺陷高精度检测要求以及传统算法识别率不佳的问题,提出端到端的表面缺陷检测与识别方法.从铝带表面初始图像序列中快速计算出平均图像,视为无缺陷背景图像,用于初始化ViBe算法的背景模型.采用ViBe算法从当前图像中分割出缺陷区域,对缺陷区域二值图像进行中值滤波和形态学运算,以去除噪声点和修补边缘,实现缺陷区域的准确提取.利用当前图像实时更新ViBe背景模型,以增加对光照变化的适应能力.提取缺陷外接矩形区域图像,归一化后输入到训练好的卷积神经网络中进行识别分类,得到分类结果.实验结果表明,提出方法的缺陷检出率为93.02%,缺陷识别率为99.86%,具有较好的应用价值.     

漏磁检测系统缺陷重构算法优化研究

通过霍尔传感器对采集到的原始数据信进行数据插值、漏磁信号的识别,并在二维重构算法的基础上提出了一种三维重构算法,并将该算法在建立的三维模型中进行模拟仿真验证。通过漏磁模型分析得到:其缺陷数据与对原始函数差值及真实缺陷函数图像,两者经过误差分析证明该三维重构算法是合理的。     

基于柱面反投影算法的三维物体表面纹理重建

从图像中提取纹理用作纹理映射是三维重建的常用方法之一,然而通过相机获取的照片纹理经常存在失真变形．不能直接用于纹理映射,故需要研究失真纹理的校正针对圆柱面物体提出一种柱面反投影算法,将物体在圆柱面上的影像纹理投影到二维视平面上显示,并用线性插值算法对缺损的像素值进行插值校正,然后利用SIFT（Scale Invariant Feature Transform）尺度不变特征点匹配算法对校正后的纹理图像进行特征点提取与匹配,最后采用加权平滑算法实现图像的拼接,从而得到宽视角的纹理图像．实验表明,利用上述方法能够有效地生成三维重建所需的纹理．     

Surface Inspection System for Cold Rolled Strips Based on Image Processing Technique

Surfacequalitycontrolisanimportantissueinsteelindustry.UPtonow,itisstillaworldwideproblemtoimplementreal-timeinspectionofstripsurfaces.Inparticular,therearethreeprincipleproblemsofsurfaceinspectioninsteelindustry:(1)Whilestripismovingatahighspeedofup...     

零件轮廓表面检测与三维重构技术的研究

基于零件实物样件的几何模型反求技术已成为CAD/CAM领域的研究热点之一,现提出一种基于面结构光投影法的复杂零件轮廓表面检测与三维重构技术.此技术通过向被测物体表面投射条纹光栅,得到包含物体表面形状的畸变条纹,畸变条纹图像由CCD拍摄并传送至计算机,通过对畸变条纹图像的分析处理,得到被测物体表面的三维外形数据信息.根据检测得到的三维点云数据的特点,用基于曲率抽样的拓扑矩形阵列进行了NURBS曲面拟合.实验结果表明基于面结构光投影法的重构系统具有检测准确、快捷、非接触等特点,且能对复杂零件外形进行有效检测与三维重构.     

基于自标定的两视图三维重构研究

相机标定是三维重构中的关键步骤,本文对在自标定下的两视图三维几何模型恢复进行研究。先采用SURF算法得到图像匹配点对,在此基础上,利用RANSAC鲁棒估计基础矩阵;然后根据Kruppa方程所推导出的二次方程自标定出相机内参数,进一步地,通过分解本质矩阵求解出相机外参数;最后,根据三角化法求得空间三维坐标值。实验结果证实,该方法具有效性和正确性,并且能够真实地再现物体的三维模型。     

断层数据的三维重构技术研究

研究了基于断层数据的三维重构技术.首先对切片图像进行二值化和轮廓提取,继而进行B样条曲线拟合和NURBS曲面蒙皮构建.以某风扇叶片为例,由采集的ICT切片数据重建出了实体.文中论及的方法和算法对于解决基本截面形状的断层数据重构问题是可行的.     

高速列车车头表面三维重建算法

针对现有三维重建方法在高速列车车头三维表面重建中存在二义性的问题,提出了一种改进的泊松曲面重建算法来对高速列车车头进行表面三维重建.采用混合滤波器对点云数据进行预处理,采用改进的罚函数对泊松曲面重建算法进行最小化,通过改进阈值法消除等值面提取时的二义性,实现了对高速列车车头表面较为精确的重建.结果证明,该方法具有较高的重构精度与效率,对于高速列车车头的三维重建具有良好的适用性.     

关于光线投射算法的OpenGL高效实现

采用光线投射算法对二维(2D)图片实现三维(3D)重建,用3线性插值算法计算每个采样点的颜色值和不透明度,提高三维重建图像后的精度。该算法实现主要借助于OpenGL函数库及其三维观察矩阵,以其精确计算规则三维数据场在观察方向上的二维投影区域,减少了光线投射算法中投射光线数量。根据Phone光照模型为数据场预先计算和保存明暗表,并通过优化常规现实代码,有效地提高了光线投射体绘制算法的效率。该算法既保证了精度,又提高了显示的速度。     

基于深度学习的单幅图像三维重建算法

图像三维重建在逆向工程、人工智能等领域广泛应用基于深度学习利用单幅图像重构出三维模型,已经成为当前研究的热点。文章首先综述单幅图像三维重建的研究现状,重点研究基于体素表达的3D-R2N2、基于点云表达的PSGN、基于单片网格表达的Pixel2Mesh和基于多片三角形网格表达的AtlasNet四种算法,通过实验对比研究,来分析解决不同任务与输出模型不同表达方式的选择问题。