基于图像处理的冷轧薄板板形识别

为了解决冷轧薄板板形识别问题，采用基于图像处理的方法，对图像进行直方图均衡化，使处理后的图像对比度、图像边界的清晰度有了很大的提高，并在此基础上再进行形态学增强，改善图像效果.对于处理后的图像利用canny算子提取其边缘，利用图像的均值、方差和对比度的统计特征作为BP神经网络分类器的输入进行缺陷特征分类.根据上述方法进行了板形识别系统的硬件、软件设计，实际应用表明，该方法可以有效地识别出常见的板形缺陷.     

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.     

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.     

基于投影阈值分割和数字序列校正的高噪声数字仪表图像识别方法

针对数字仪表图像噪声大、图像特征信息不足导致图像识别准确率低的问题，提出了一种基于卷积递归神经网络结合投影阈值分割和数字序列校正的高噪数字仪表图像识别方法。首先，用投影阈值分割二值化算法对图像进行预处理：使用垂直投影法将图像划分为不同区域，根据不同区域的噪声强度自适应设定二值化阈值，对图像进行二值化处理，降低噪声；其次，根据图像之间数字规律变化特点，利用数字序列校正算法将单个数字识别转换为数字序列识别，通过对比不同数字序列的识别概率得出识别结果，解决单张图像特征信息不足导致识别准确率低等问题。实验结果表明，在高噪声数据集上，相较于卷积递归神经网络模型，提出的高噪声数字仪表识别模型在准确率方面提高了约61.95%，达到93.58%。     

射线检测中胶片焊缝缺陷定位与识别

针对传统焊缝射线检测中胶片数字化困难、焊缝缺陷自动定位与识别率低的问题,设计了胶片数字化系统,综合分析典型焊缝缺陷的特征,提出一种基于图像分割与二值形态学算法的胶片焊缝缺陷快速定位与缺陷类型识别的方法.可从数字化胶片图像中分割出有效焊缝区域,实现对焊缝缺陷的中心定位,并根据缺陷特征进行识别.试验结果表明该方法能够有效实现数字化胶片中的焊缝缺陷定位,对气孔、夹渣等典型焊缝缺陷定位识别率达到90%以上,提高了射线检测的效率.     

一种视频序列中运动目标检测算法

在现有方法的基础上,提出了一种基于Otsu动态阈值背景差法和三帧差法相结合的运动日标检测方法.首先通过改进的Surendra算法建立背景模型,并由Otsu动态阈值背景差分法得到二值图像,然后与三帧差分法结合,得到可靠的运动目标区域并进行背景实时更新.实验结果表明该方法满足视频序列运动目标检测的实时性和准确性要求.     

机器视觉的低照度图像缺陷识别方法

对低照度图像实施识别的过程中,现有低照度图像受自身导图以及光线影响,含有噪声图像,导致现有方法在图像照度在15～45 lx的范围内存在缺陷区域图像对比度较低的问题,为此提出一种基于机器视觉的低照度图像缺陷识别方法.通过灰度变换算法改变低照度图像中各像素点的实际灰度值,并通过线性变换增强低照度图像对比度.根据有雾图像与低照度图像的反转图像之间的相似性对低照度图像实施降噪处理,精确估计图像缺陷区域.通过SIFT特征描述低照度图像的特征点,对低照度图像的特征进行提取.根据提取的低照度图像特征,基于机器视觉构建低照度图像缺陷识别模型,实现低照度图像缺陷识别.为了证明基于机器视觉的低照度图像缺陷识别方法实现了缺陷区域对比度的提升,将原有方法作为对比实验方法,比较该方法与原有方法的缺陷区域对比度,结果证明该方法成功实现了缺陷区域对比度的提升,更适用于图像照度在15～45 lx的范围内的低照度图像缺陷识别.     

基于帧间差分自适应法的车辆抛洒物检测

高速公路抛洒物事件容易引发交通事故,造成不良影响。为了实现对高速公路抛洒物的检测,提出了帧间差分自适应法。该方法是基于连续帧间差分法和均值法背景减除的运动目标检测算法。首先,对图像进行包括灰度转换、图像降噪以及图像增强等预处理。然后,对连续的序列图像进行累计差分,对得到的差值图像进行求和运算并求平均,并对得到的图像通过选择合适的阈值T进行二值化;使用均值法进行背景建模,将当前帧与所得的背景模型进行差分运算并进行二值化处理。最后将用连续帧间差分法得到的二值图像与基于均值法的背景减除得到的二值图像进行逻辑"与"运算,并对逻辑运算后的结果进行数学形态学膨胀处理得到最终的运动目标检测结果。实验结果表明,该方法可在一定程度上克服传统的帧间差分法和均值背景减除法的缺点,更加完整准确地提取出前景运动目标。     

基于二次帧差背景提取的车辆追踪方法

针对智能交通系统对交通参数获取的实时性需求,利用背景的短时不变性,并结合帧差分法与背景差分法,提出一种运动车辆的追踪方法.该方法采用二次帧差法对背景快速提取,再对采用背景差分法获得的差分图像进行二值化,同时,为提高识别率对二值化图像进行了形态学操作,得到了较为完整的连通域.最后以帧间连通域的距离为依据,进行车辆追踪.实验结果表明,该方法具有良好的实时性和精确度以及鲁棒性,能够满足智能交通系统的实时需求.     

融合多通道信息的二维人脸识别

为充分提取人脸图像信息,进一步提高人脸识别效率,提出了一种融合图像多通道信息的二维人脸识别方法.该方法利用Haar小波变换将人脸图像变换到频率域,并获得图像4个频率域的信息;对每个频率域的图像,通过局部二值模式(LBP)进行统计编码,并提出基于HaarLBP直方图序列的人脸图像表征方法;提出2种直方图序列的匹配算法,并通过分析各个频域图像信息对识别的贡献率,进一步融合4通道图像信息进行人脸识别.在ORL和Yale人脸库上的实验结果证明,提出的识别方法对于人脸姿态、表情和光照变化有一定的鲁棒性.     

IC真实缺陷的骨架提取方法

在集成电路制造中，光刻工艺(尤其是工艺引入的缺陷)直接影响生产的成品率．光刻工艺涉及的缺陷形状多种多样，提取缺陷并将之分类对于提高电路制造成品率是重要的．由于缺陷的骨架是描述缺陷形状及识别缺陷的重要特征，故提出一种集成电路真实缺陷骨架的提取方法，通过定义LS空间的特征值聚类分割集成电路彩色图像，使用小波分解分割集成电路灰度图像，然后基于数学形态学方法滤除分割图像的噪音并提取出缺陷的骨架．实验结果表明该方法使集成电路真实缺陷形状描述简单，从而为缺陷检测与分类提供了准确的依据．     

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.     

基于轮廓跟踪的泡罩药品缺陷检测算法

检测泡罩包装中的药片是否存在形状缺陷,需要提取药片图像边缘轮廓。"爬虫"法是基本的边缘跟踪方法。提出一种基于有记忆的变窗"爬虫"轮廓跟踪的缺陷判别方法,利用封闭轮廓曲线的密集度指标,"爬虫"跟踪的陷阱和边缘分支,设置"爬虫"中止变换的窗口大小,可快速实现缺陷的预判,从而有效地提高后续缺陷识别过程的工作效率。     

荧光磁粉探伤智能图像识别技术研究

针对荧光磁粉探伤中人工观察识别工作量大、效率低、难以保证检测质量一致性及健康危害严重等问题,提出一种具备机器自主学习能力的智能图像识别方法。结合人工识别磁痕缺陷的工艺方法分析磁痕图像,基于图像形态学提取荧光磁粉缺陷多项特征建立专家知识库,同时根据人员对图像识别结果的判定情况自动修正专家知识库。实验证明该方法可有效识别车削类工件中存在的缺陷,鲁棒性较强。     

IC真实缺陷图像的分色

在彩色ＩＣ缺陷图像的检测与识别系统中,通常采用分色技术来降低图像识别的难度。该文利用３种方法（ＨＳＶ彩色模型、ＨＬＳ彩色模型及明度信息）对ＩＣ缺陷图像进行了分色处理,并对其结果做了主客观评价,结果表明ＨＳＶ模型在突出缺陷及与原始图像的相似性方面优于其他两种方法。     

管道漏磁检测缺陷识别技术

针对神经网络法对管道缺陷进行识别存在所需样本数据量大、容易陷入局部极值、泛化能力没有保证等问题,提出一种新的机器学习方法,即支持向量机法.介绍了支持向量机的分析原理,以碗状缺陷为例,采用ANSYS有限元分析软件对40组不同尺寸的缺陷进行仿真,将得到的40组漏磁数据和10组实测数据作为学习样本,另外10组新数据作为验证数据,以MATLAB软件为平台进行了识别实验.实验结果表明,识别误差均在5％以下,且泛化能力强,识别方法简单,在有限样本情况下比神经网络法更具优势.     

基于Gabor滤波器组与BP神经网络的帘子布疵点检测研究与实现

采用Gabor滤波器组对帘子布疵点图像纹理进行滤波,对滤波后的模值图像使用最大熵阈值分割,提取疵点轮廓的长、宽、长宽比、面积等特征值。将上述特征值归一化后分为两类：一类作为训练样本输入BP神经网络,对网络进行训练学习,网络计算结果收敛后结束训练;另一类作为测试样本对训练好的网络进行疵点识别。实验证明,该方法可以快速地检测疵点,利用训练的BP神经网络实现疵点分类,识别率达94%。     

数字图象处理系统自动处理和识别X射线底片上焊缝缺陷的研究

本文叙述了采用数字图象处理系统识别X射线底片上焊缝缺陷的预处理过程及初步的识别.文中应用中值滤波的方法消除了图象的噪音.利用线性灰度拉深的方法提高了图象的对比度.提出了先定位后设置门限的方法,从而比较精确地将缺陷从背景中分割出来.文中还应用了图象跟踪、编码及扩展和收缩等技术,抽取出识别所必需的图象特征.     

单线阵CCD系统的表面凹坑缺陷检测方法

为解决表面凹坑缺陷与其他平面表面缺陷同时在线检测的问题,提出一种基于单线阵CCD系统进行表面凹坑缺陷检测的方法．根据光辐射照射模型和相机成像模型,建立了基于单线阵CCD的凹坑检测数学模型,由模型推导出图像像素灰度与凹坑深度的关系,利用特定光源和光照角度的关系,进行表面凹坑缺陷的检测．结果表明,由于凹坑边缘部位深度的渐变引起CCD输出电压信号的渐变,凹坑图像呈现边缘像素灰度渐变现象,且随光源光照角度的降低,凹坑图像特征更加突出．边缘灰度渐变的图像特征成为凹坑缺陷与其他平面缺陷相区别的重要特征,有利于凹坑缺陷的检测与识别．