直接零件标志条码区域定位算法

针对受工况、光照的限制,现场采集的含有直接零件标志(DPM)条码的图像经常亮度不一,并伴有变形等情况,导致因定位不准确而识别DPM条码困难,提出一种改进的SUSAN角点检测和半监督机制下的近邻传播聚类相结合的DPM条码定位算法.首先针对DPM条码图像区域多直角的特点对检测角点的SUSAN算法进行改进,使其适应由于光照问题导致灰度不均的DPM条码区域,具有检出变形角点的能力,同时极大程度地抑制背景上及条码区域中的伪角点;以此为基础,使用近邻传播聚类算法对角点进行聚类,并将DPM条码区域中角点的聚集特点转化为监督规则,形成半监督机制下的角点近邻传播聚类.实验结果表明,该算法检测出的角点对DPM条码区域的示意性强、效率高,基于角点聚类结果的DPM条码定位比其他算法精准、快速.     

复杂背景和非均匀光照环境下的条码自动定位和识别

提出了一种在复杂背景和非均匀光照环境下的条码自动定位识别算法,用于定位和识别实际应用中的条码图像.该算法首先将灰度图像分成若干个子区域,根据每个子区域的梯度特征和角点特征筛选出可能含有条码的子区域,对这些子区域采用连通区域算法进行合并和分析,定位出条码区域.由于传统的二值化方法对于非均匀光照环境下的条码图像处理效果不佳,提出一种改进的Bernsen二值化算法对条码区域进行二值化处理,有效地减小了光照不均对条码识别的影响.实验结果表明,该算法可以有效去除大量复杂背景,准确定位和识别任意角度的条码区域.特别在非均匀光照环境和含有大量文字等复杂背景的情况下,该方法具有明显优势.     

直接零件标记的二维条码定位方法

针对直接零件标记（DPM, Direct Part Marking）二维条码的定位技术展开研究。由于环境光照、金属材质等因素,采集到的条码图像会存在光照不均、对比度低和高光等问题,对DPM二维条码定位带来很大的影响。采用了同态滤波的方法来增强图像,用梯度投影法对二维条码区域进行初定位。针对背景灰度级与目标灰度级相近导致传统阈值化存在误分割的问题,采用了一种OSTU与邻域阈值相结合的自适应二值化算法。利用形态学拟合Data Matrix二维条码的L型定位边,最后采用凸包算法实现对二维条码精定位。实验表明,该方法能有效解决图像采集中出现的光照不均、对比度低等问题,快速定位出条码区域。     

复杂背景下的角点检测

提出了一种能够在复杂背景下、用于实时视频下的棋盘格角点检测方法。其主要思路是：首先利用Douglas-Peucker算法方法逼近图像中的矩形区域,从而提取图像中的矩形区域,然后通过特征点的聚类及优化选取,筛选出所需要的棋盘格角点,从而达到自动提取特征角点的目的。通过实验,验证了算法的有效性与实时性。此特征点提取的方法,对于复杂背景情况下的目标特征检测仍具有借鉴意义。     

基于多尺度分割的二维条码定位算法

为正确定位二维条码在图像中的位置,提出一种多尺度分割定位算法。在最初分割中,图像被分成若干分块。根据分块的黑白像素比、高频子带系数方差等特征值,将分块分割为条码和非条码区域。随着尺度的增加,利用多尺度分割模型对下一尺度的分割结果进行修正。以此类推,直至最精细尺度,得到条码在图像中的定位。实验结果表明该算法能较好地分割出图像的条码区域。特别在含有大量文字等复杂背景的情况下,该方法具有一定优势。     

复杂背景下PDF417条码定位研究

PDF417作为一种广泛应用的二维条码,其检测定位成为条码识别过程中的关键,而复杂背景下条码的定位技术目前还不够完善。本文针对这一问题进行了研究,提出了一种基于数学形态学运算和Canny边缘检测的定位算法,并在此基础上作区域精确化处理,实现了条码的准确定位。实验结果表明,该方法能够有效提取出各种低对比度、边缘模糊、倾斜、商标干扰等复杂背景下的条码图像。     

基于梯度方向评估的条码定位方法研究

提出了一种快速定位条形码的方法,可用于任意倾斜角度、复杂背景的条码定位.通过对图像划分成一个个小的区域(像素块),并计算块内的图像像素平方梯度的平均值,通过统计分析图像块的内部的平方梯度方向的分布情况,来判断是否符合条码的条纹特征,从而得到一系列的疑似区域,并通过形态学操作,消除背景的干扰,从而得到条码区域的准确位置.在判断条码的过程中,结合了图像的边缘信息,使得检测结果更为准确.实验表明,算法在复杂背景下能够准确地将条码区域检测出来,对于复杂图像中包含多个条码的情况也能够准确地定位.     

基于曲率的角点检测及目标区域提取法

针对图像检索系统提出了基于自适应阈值曲率增强的角点检测法, 以及基于角点曲率的目标区域提取法. 该算法将曲率作为角点重要程度的判断标准, 通过自适应阈值判断图像的真伪角点, 并增强真实角点的曲率信息, 利用具有较大曲率的角点确定图像的重心, 以重心为形心定位图像的目标区域. 实验结果表明, 本文算法不仅提高了图像角点检测的可靠性, 而且有效地确定了其目标区域, 最终达到了提高图像检索准确率以及算法运算效率的目的. 为检索背景复杂的图像提供了新的思路和方法.     

标刻在金属零件上的二维条码数据提取方法

针对金属零件上二维条码光照分布不均、点扩散、对比度低与污染干扰等问题,提出一种基于原灰度图像小区域相邻模块对比提取二维条码数据的算法.首先通过峰度值排序法及模块区域微调法由粗到精定位每个二维条码模块位置,然后基于原灰度图像利用遗传算法提取二维条码的数据信息,得到最终的提取结果.与传统二维条码数据提取算法的实验结果证明,该算法对于复杂金属背景上的二维条码识读具有更高的可靠性.     

基于多尺度Harris角点的图像文字检测

为解决传统的基于Harris角点的图像文字检测算法易受非文字角点干扰,检测准确率低的问题,提出一种基于多尺度Harris图像文字检测算法.该算法在多个尺度下提取角点,并利用分块方法分析文字局部特征,有效剔除了非文字角点.使用多次迭代逐步剔除非文字区域角点,精确提取备选块中的文字角点;通过区域融合形成文字区域,用轮廓跟踪法标识文字区域.实验结果表明,该算法明显提高了图像/视频文字检测的稳定性和准确率.     

二值图像中拐点的实时检测算法

鉴于数字图像中的拐点通常成为重要的信息载体,因此准确、稳定和实时地检测出拐点便成为拐点检测算法面临的主要问题,针对该问题,提出了一种新的二值图像中拐点的实时检测算法。该算法与传统基于边界链码的拐点检测算法不同,其是首先构建像素的k(k>8)邻域,并将图像中物体的边界表示为k邻域链码;然后根据曲率定义的差分形式计算各边界点处的曲率;最后通过检测曲率直方图的局部峰值精确定位出拐点,并利用拐角内部像素的颜色统计信息迅速判断出拐点的凸凹性.为验证该算法的效果,给出了该算法与4种已有算法的对比实验.结果表明,该算法不仅稳定性、准确性较高,而且算法简单,实时性强,并适合于嵌入式计算环境。     

标刻在金属零件上的二维条码识别

直接零件标识(DPM)技术是实现产品标识的重要手段,二维条码技术是其关键技术之一。DPM标识是以金属作为背景用激光在其上面打上二维条码,与印刷品上的二维条码识读相比,基于金属背景下的二维条码识读更为复杂。改进了传统的识别方法,综合运用最大连通域提取、改进的霍夫变换定位边界、基于最大匹配度的网格化分和基于灰度图像的无损信息提取等方法来实现条码图像的粗定位、精定位、校正、条码分割和数据提取。实验表明,本方案对于磨损、轻度污染、畸变及光照不均的金属上的二维条码图像的识读具有较强的抗干扰性,并取得可靠的识读结果。     

后置处理中平面轮廓拐角加工程序自动生成技术

为解决早期数控程序中没有考虑拐角加工问题,本文提出了围绕NC 代码 识别拐角并自动生成拐角加工数控程序算法,以满足产品升级与加工高要求之需,进一步确 保数控加工安全与零件表面质量。为实现拐角识别,首先总结归纳常见数控代码结构;其次 还原NC 代码的几何形态并采用线链表示,计算线链走向、线链边之切矢;将拐角分为点式 拐角与圆弧式拐角两大类型,综合拐角的离散结构与线链的封闭性,给出了拐角的识别原理 与相应准则。拐角加工按分层铣削加工,从刀具轴向上减少刀具在拐角位置处加工瞬时的切 削量;各层拐角加工刀轨由进刀、切入、拐角加工、切出与退刀五段组成;层间刀轨采用进 退刀连接线衔接。最后用实例验证了该算法的正确性。     

多尺度模糊加权角点检测新算法研究

为了提高图像角点检测的准确度和降低噪声对检测效果的影响,将多尺度思想和模糊理论引入到角点检测过程中,在建立了像素点属于角点的隶属度函数的基础上提出一种多尺度模糊加权角点检测新算法.首先将原始图像使用高斯核函数进行变换生成一组响应图像,并将其进行加权叠加得到原始图像的平均角点响应值;再选取合适的阚值进行相关处理得到最终的角点.实验结果表明,该算法不但抗噪性能较好,而且提取出来的角点也较准确.     

一种基于树结构的立体图像特征提取算法

针对立体图像匹配中的特征检测问题，提出了一种基于树结构的立体图像中边缘点、直线段、交点和凸多边形区域等特征的检测方案。该方法首先基于改进的Canny算子实现立体图像边缘的检测；基于立体图像的边缘梯度信息，文中提出一种分层并行式迭代式链码跟踪方法实现图像中直线段的检测：为提高检测速度并有利于凸多边形区域特征的检测，基于凸多边形区域的几何定义，通过提取直线段交点并采用树结构实现对已检测的相关直线段信息的遍历处理，最终得到树结构表示的凸多边形区域特征。实验证明，所提方法在结构化环境具有很好的检测精度和实时性。     

一种自动、快速的Kinect标定方法

针对目前Kinect传感器人工标定方法误差大、速度慢等问题,提出一种自动、快速的Kinect传感器外参标定方法。首先,根据彩色图像提取的角点,生成彩色图像的角点集合;其次,为了实现角点点云的自动提取,对点云图像进行深度分割,提取棋盘格点云,采用三维哈夫(Hough)变换检测方法将棋盘格点云投影到深度图像的模板平面上,在深度图像模板中提取深度图像中的角点;然后,将深度图像中的角点映射到棋盘格点云中,形成角点点云;最后,将角点点云与彩色图像的角点集合进行配准,得到角点的3D空间坐标,进而计算出深度相机到彩色相机的姿态变换矩阵。实验结果表明,本文提出的算法在保证相机标定精度的前提下,将相机参数的计算时间从平均218ms降低到166ms,实现了自动、快速的Kinect相机标定。     

模糊图像中的飞机识别方法

针对模糊图像中飞机识别问题,提出一种基于角点和核聚类的飞机识别方法。该方法提取图像的角点特征,对角点进行核聚类,根据聚类结果识别飞机的角点,完成飞机的定位识别。在核聚类算法中,引入有效性函数,能自适应的确定聚类数目,解决了现有核聚类算法需要事先确定聚类数的弱点。实验表明,角点特征具有位移、旋转、尺度不变性,自适应核聚类算法能准确识别模糊图像中的飞机,具有较好的鲁棒性。     

An alternative scheme for the corner–corner contact in the two-dimensional Discontinuous Deformation Analysis

Formulated based on the discrete block system, the Discontinuous Deformation Analysis (DDA) requires an accurate contact analysis between discrete blocks. Among the various contacts, the modeling of the corner–corner contact is the most challenging one as the contact reference edges in the corner–corner contact are not unique, which may lead to an indeterminate state in the numerical analysis. The algorithm in the original DDA employs the penetration distance to determine the contact edge in the corner–corner contact, which may not work for cases where two corners are detected in contact but without a penetration. An enhanced algorithm for choosing the initial contact edge of the corner–corner contact in the DDA is presented in the paper, in which a special contact spring that works like a weak “pin joint” is added between the contact corners. The relative moving tendency is determined under the special contact spring, so that the program can automatically choose a reasonable contact reference edge for the corner–corner contact. Three numerical examples are used to illustrate the advantage of this alternative method over the original DDA code.     

Development of an algorithm for fast corner points detection

A method for detecting corner points in digital images is presented. The method is distinguished by high stability and efficiency compared with many method for detecting corner points developed earlier. The stability of corner detection is especially important in computer vision tasks connected with matching images of the same object, recovering digital surface models based on a set of images, and tracking objects. The overwhelming majority of algorithms detect equally well both correct corners and excessive points not corresponding to real corners of objects. The presented algorithm does have this disadvantage, and it can be used in frame-to-frame processing video in real time, e.g. in navigation systems of mobile robots and unmanned aerial vehicles. In addition, the proposed algorithm may be adapted to any data set since it is based on the machine learning method. The advantages of the developed method are demonstrated by an example of detection of corners in images of a typical hangar and in images with the international space station.     

基于空间纹理相似性的图像角点特征匹配算法

本文针对传统图像角点特征匹配算法的匹配速度慢且准确率低等问题,提出一种基于空间纹理相似性的图像角点特征匹配算法。首先,计算图像目标上角点对应的空间距离矩阵;然后,通过计算图像角点的空间距离矩阵在对应角点邻域LBP特征向量上的瑞利商,将角点在图像灰度特征空间内的度量问题转换为纹理特征空间内幅值的度量问题;最后,根据角点对应的瑞利商的大小,实现不同图像间的角点特征匹配。对不同条件下采集的图像进行角点特征匹配,得到的匹配结果表明本文算法不仅能够很好的适应图像光照、几何变化,得到的匹配正确率较高,同时与传统算法相比本文算法在运行时间上也有大幅度的降低,当处理特征数量较小时平均降低48ms,而匹配特征数量较多时能够降低2408ms。