基于机器视觉的零件尺寸测量

提出了一种基于机器视觉的非接触测量方案,力求把非接触测量手段与零件尺寸测量问题更有效地结合起来。采用超分辨率重构技术消除噪声以及由有限检测尺寸和光学元件产生的模糊,从图像中获得更多的细节和信息。利用最小二乘回归亚像素边缘检测技术进行边缘定位及角点提取。基于机器视觉CCD摄像机采用线性回归法进行摄像机的标定。最后,实验分析和比较了基于机器视觉的零件尺寸测量的应用效果。     

热固性/热塑性复合材料分层损伤红外热波检测能力评估

主动红外热成像技术在不同基体复合材料分层损伤中的检测能力尚未被评估.文中通过设计制作两种典型热固性/热塑性复合材料层压板,分别采用脉冲红外热成像、超声红外热成像、超声C扫描三种方法对不同冲击能量下的分层损伤进行了检测研究.以超声C扫描结果为参照,对比了两种红外热成像技术的检测结果,同时针对热图序列损伤区域的阈值分割提取开发了基于图像强度值相似性理论的区域生长算法.损伤的定量识别结果表明:脉冲热成像对热固性复合材料的分层损伤检测效果较好,但其不适用于热塑性复合材料损伤检测,超声热成像对于两类复合材料分层损伤均有较好的检测能力且整体检测精度优于脉冲热成像.期间对不同损伤检测效果的深层次机理进行了分析,并提出了分别针对两种基体类型复合材料的红外热成像技术评估流程和标准.     

基于图像处理的零件尺寸测量研究

提出了一种基于图像处理的机器视觉的非接触测量方案,力求把非接触测量手段与零件尺寸测量问题更有效地结合起来。采用了超分辩率重构技术消除噪声以及由有限检测尺寸和光学元件产生的模糊,从图像中获得更多的细节和信息。利用最小二乘回归亚像素边缘检测技术进行边缘定位及角点提取。基于CCD摄像机采用线性回归法进行摄像机的标定。最后,实...     

低温压力容器的无损视觉检测方法研究

为了提高对低温压力容器实验设备的损伤检测能力,提出一种基于高速主动红外视觉成像分析的低温压力容器的无损视觉检测方法。首先对低温压力容器的破损、磨损、裂缝等部位进行红外热成像的三维视觉重建,然后采用多层次纹理映射方法进行损伤特征点提取和检测,将低温压力容器实验设备损伤特征点输入到特征映射关系模型中,结合热激励源的差异性视觉状态特征实现低温压力容器实验设备损伤的视觉重建,最后进行仿真测试。结果表明,采用该方法进行低温压力容器的无损视觉检测的准确性较高,对损伤点的定位精度较好。     

基于刃边法的红外图像目标信息复原

红外图像在成像过程中,由于成像系统本身的因素以及电子噪声、热噪声等,会造成图像质量下降,对红外目标信息的识别造成影响。针对以上问题,本文提出了一种基于刃边法的图像信息复原方案。首先建立红外系统的复原模型,采用刃边法来计算系统的复原参数;接着使用Prewitt锐化算子检测刃边,再利用三次样条插值以及Savitzky-Golay滤波优化边缘扩散函数,得到系统的点扩散函数;最后采用维纳与盲卷积复原算法对红外图像进行处理,比较两种方法的热噪声特性,并通过边缘锐度与标准差来量化复原效果。实验结果表明:维纳滤波相比于盲卷积在复原效果上的提升更为明显,约为1倍,且热燥声改善也优于盲卷积,复原方案切实可行。     

基于海天线的双目视觉图像对校准方法研究

结合海空背景下图像特点与双目视觉测量的需求,提出一种基于海天线的双目图像校准方法,采用Sobel算子对图像进行边缘检测并做二值化处理,利用Hough变换算法提取和定位海天线,根据参数空间返回的参数值对图像进行旋转和平移变换。实验结果表明,该方法能够有效地实现双目图像对的行对准,可操作性强,对计算机视觉技术的进一步应用具有促进作用。     

近场毫米波三维成像与异物检测方法

主动式毫米波阵列3维成像系统是人体安检成像系统的研究热点,该文对主动式毫米波阵列3维系统工作模式、信号模型和成像算法进行了介绍,并将深度学习中的卷积神经网络(CNN)热图检测方法和边框回归检测技术应用于人体安检成像异物检测。研究表明,基于热图的检测方法和基于YOLO的检测方法均可实现异物检测。基于热图的检测方法网络结构简单、易训练,但由于需要遍历整幅待检测图像,运算时间长,且生成的检测框尺寸固定,无法适应异物尺寸变化。基于YOLO的检测算法网络结构复杂、训练耗时长,但该方法在检测速度与检测框精度上优势明显,更利于机场安检等对实时性要求较高的检测应用。      

一种新型非线性边缘检测算法

提出一种新型的非线性边缘检测技术。首先利用标准的Sobel梯度算子对图像的边缘点进行初选，然后用双同心圆窗口算子在候选边缘点集中寻找真正的边缘。通过与其它成熟的边缘检测技术进行比较。结果显示：该算法获得的边缘图像质量优于传统的Sobel算法；检测出的边缘与Canny和LoG算法可比，计算量却比二者有明显降低。     

激光气泡检测中图像的边缘正则化复原

基于光学成像的激光气泡检测已被广泛应用于工业领域,如气密性检测等.然而,检测图像的降质严重影响了测量的准确性.为了提高气泡检测的图像质量,提出一种估计动态调制传递函数进行边缘正则化的半盲图像复原法,采用客观图像的质量指标来对半盲解卷积算法进行约束,并将图像复原法与二值形态滤波比较.实验结果证明了该方法的有效性,由此可以得出该方法能有效提高激光气泡检测的成像质量,保留气泡检测图像的边缘细节,以达到更高的检测精度.     

基于增强型轻量级网络的车载热成像目标检测方法

车载热成像系统不依赖光源,对天气状况不敏感,探测距离远,对夜间行车有很大辅助作用,热成像自动目标检测对夜间智能驾驶具有重要意义。车载热成像系统所采集的红外图像相比可见光图像具有分辨率低,远距离小目标细节模糊的特点,且热成像目标检测方法需考虑车辆移动速度所要求的算法实时性以及车载嵌入式平台的计算能力。针对以上问题,本文提出了一种针对热成像系统的增强型轻量级红外目标检测网络（Infrared YOLO,I-YOLO）,该网络采用（Tiny you only look once,Tiny-YOLO V3）的基础结构,根据红外图像特点,提取浅层卷积层特征,提高红外小目标检测能力,使用单通道卷积核,降低运算量,检测部分使用基于CenterNet结构的检测方式以降低误检测率,提高检测速度。经实际测试,Enhanced Tiny-YOLO目标检测网络在热成像目标检测方面,平均检测率可达91%,检测平均速度达到81Fps,训练模型权重96MB,适宜于车载嵌入式系统上部署。     

Mixed scheme for image edge detection based on Wavelet Transform

A mixed scheme based on Wavelet Transformation (WT) is proposed for image edge detection. The scheme combines the wavelet transform and traditional Sobel and LoG (Laplacian of Gaussian) operator edge-detection algorithms. The precise theory analysis is given to show that the wavelet transformation has an advantage for signal processing. Simulation results show that the new scheme is better than only using the Sobel or LoG methods. Complexity analysis is also given and the conclusion is acceptable, therefore the proposed scheme is effective for edge detection.     

Fast anisotropic Gauss filtering

We derive the decomposition of the anisotropic Gaussian in a one-dimensional (1-D) Gauss filter in the x-direction followed by a 1-D filter in a nonorthogonal direction /spl phi/. So also the anisotropic Gaussian can be decomposed by dimension. This appears to be extremely efficient from a computing perspective. An implementation scheme for normal convolution and for recursive filtering is proposed. Also directed derivative filters are demonstrated. For the recursive implementation, filtering an 512 /spl times/ 512 image is performed within 40 msec on a current state of the art PC, gaining over 3 times in performance for a typical filter, independent of the standard deviations and orientation of the filter. Accuracy of the filters is still reasonable when compared to truncation error or recursive approximation error. The anisotropic Gaussian filtering method allows fast calculation of edge and ridge maps, with high spatial and angular accuracy. For tracking applications, the normal anisotropic convolution scheme is more advantageous, with applications in the detection of dashed lines in engineering drawings. The recursive implementation is more attractive in feature detection applications, for instance in affine invariant edge and ridge detection in computer vision. The proposed computational filtering method enables the practical applicability of orientation scale-space analysis.     

大米虫蚀粒图像边缘检测方法

虫蚀严重影响大米的品质,大米虫蚀粒的检测具有重要的意义。图像分析是客观检测大米虫蚀粒的一种有效方法。边缘检测是采用图像法检测大米虫蚀粒的一个重要环节,该文分析了LoG算子法,频域检测法以及形态学边缘检测法,对比分析了它们的检测效果和速度,以期得到最适合检测大米虫蚀粒的图像边缘检测方法。实验结果表明,形态学检测方法效果较好,并且处理速度快。     

果实表面颜色计算机视觉分级技术研究

本文借助计算机中的视觉自动检测技术来测量在果实表面的着色度,并对该颜色进行了分级,进一步的对颜色进行分析与研究,进而来获得出最终的水果果实的彩色图像,进一步的分析出对应的结果。因此,在本文中,对果实表面颜色进行了全面综合的分析与研究,进而来得出对应的果实颜色分级标准和原则。     

基于最小二乘支持向量机的图像边缘检测研究

本文研究了基于最小二乘支持向量机(LS-SVM)的图像边缘检测技术,利用LS-SVM对图像像素邻域的灰度值进行曲面拟合,通过采用多项式核函数、高斯核函数推导出图像的梯度和零交叉算子,并结合梯度算子和零交叉算子实现了图像边缘定位.通过实验获取了不同核函数的最佳卷积核的大小,同时采用遗传算法对不同核函数的参数进行寻优以获得最佳的边缘检测性能.通过与Canny方法的实验比较,验证了本文提出的边缘检测方法是有效的.     

利用背景高斯核密度估计的运动目标检测方法

运动目标检测是当前计算机视觉、图像理解、信号处理领域的研究热点之一,在研究了现有大量算法的基础上,通过比较各种算法之间的有效性,并结合工程实际,提出了一种利用图像灰度信息进行背景高斯核密度估计的运动目标检测方法.由于该方法保留了背景的多个模态,通过引入面积阈值来消除大的噪声和判断背景是否发生了突变,当出现大的噪声未被消除或者背景发生突变的情况时,能够重新更新背景样本集,适应背景突变.实验结果表明:该方法不仅可以很好地处理背景中存在周期运动干扰的情况,并且可以适应背景突变,较好地去除了虚警、误警,有效地降低了摄像机抖动、树叶摇动、下雨天气等背景复杂情况下的误检率,准确地检测到了运动目标.     

Gaussian-based edge-detection methods-a survey

The Gaussian filter has been used extensively in image processing and computer vision for many years. We discuss the various features of this operator that make it the filter of choice in the area of edge detection. Despite these desirable features of the Gaussian filter, edge detection algorithms which use it suffer from many problems. We review several linear and nonlinear Gaussian-based edge detection methods.     

基于多向梯度法的红外弱小目标快速检测方法

针对复杂背景下红外弱小目标信噪比(SNR)低、对 比度小造成的红外目标检测率低和实时性差的问题,提出一种基于多向梯度法的红外弱小目 标快速提取算法。目标提取前, 利用多尺度拉普拉斯-高斯(LoG)算子抑制图像背景,凸显背景边缘轮廓与弱小目标;然后 引 入多向梯度目标搜索算法,选取最佳梯度数,利用最简算法快速搜索目标。实验结果表明, 本文算法处理后的红外图像有较高的SNR与对比度,检测率 为传统红外目标提取算法的1.5倍,充分保证了检测精度,且计算耗 时短,实时性强。     

基于改进高斯卷积核的变电站设备红外图像检测方法

在无锚点算法CenterNet模型的基础上,针对基于红外图像的目标检测算法检测精度低、耗时长的问题,给出了一种基于改进高斯卷积核的变电站设备红外图像检测方法,该目标检测方法模型网络结构精简,模型计算量较小。通过现场变电站巡检机器人设备收集数据样本,进行算法模型的训练及验证,实现红外图像变电站设备精准识别及定位。本文以变电站巡检机器人搭配红外热成像仪采集到的红外图像库为基础,用深度学习方法对数据集进行训练和测试,研究变电站红外图像的目标检测技术。通过深度学习技术判断设备中心点位实现目标分类和回归。实验结果表明,该方法提高了变电站目标检测方法的识别定位精度,为变电站设备红外图像智能检测提供了新的思路。