基于小波变换的磁瓦表面缺陷检测方法研究

针对磁瓦表面缺陷人工检测时存在效率低、稳定性差的问题,提出一种将小波变换应用于磁瓦表面缺陷检测的视觉检测方法。实验中对随机样品磁瓦和模板正品磁瓦进行相同的处理,对比两者处理过程中采集到的参数来判别实验磁瓦是否存在缺陷。先通过小波去噪处理图像,利用灰度直方图阈值提取图像并二值化,计算对比阈值提取区域匹配相似度;再用Canny边缘检测算法提取出阈值提取区域轮廓边缘,经过形态学操作,计算对比最大轮廓长度,最大轮廓面积和凸凹平均面积;最后通过设定提取特征的合格区间来判别磁瓦是否存在缺陷。实验结果显示,该算法对倒角不合格、偏磨、掉块和起层等缺陷的识别效果较好,可将磁瓦表面存在的显著缺陷准确地检测出来。     

磁瓦表面图像的自适应形态学滤波缺陷提取方法

结合磁瓦表面机器视觉自动识别系统的需求,提出一种基于自适应形态学滤波的缺陷提取方法.针对磁瓦表面缺陷对比度低、图像中存在磨痕纹理背景和整体的亮度不均匀等难点,设计了一种新的自适应形态学滤波器;根据磁瓦表面图像不同区域内的灰度变化进行分区域逐行扫描,估算每行缺陷最大尺寸,使滤波器的一维棒状结构元素随着缺陷尺寸自动调整;通过逐行自适应形态学滤波滤除或弱化缺陷,模拟出背景图像(阈值曲线),用原始图像与背景图像相比较即可提取出磁瓦表面的缺陷.实验结果表明,该方法能准确、快速地提取出磁瓦表面图像各区域的缺陷,通用性好,可用于磁瓦缺陷在线自动识别系统.     

非下采样Contourlet域自适应阈值面的磁瓦表面缺陷检测

为提高磁瓦表面缺陷人工检测效率、防止缺陷漏检,针对经典缺陷检测算法不能很好地提取颜色暗、对比度低的磁瓦图像缺陷问题,提出一种非下采样Contourlet域自适应阈值面的磁瓦缺陷自动检测方法.该方法根据非下采样Contourlet变换(NSCT)子带系数所在不同区域的特性,采用线扫描的方式对NSCT系数进行阈值处理,给出不同尺度、不同方向的归一化自适应阈值面;并与原始NSCT各子带归一化系数对比分割,以实现对磁瓦图像NSCT系数逐列自适应修正;最后重构NSCT系数提取出磁瓦缺陷.实验结果表明,文中方法能够有效地去除磁瓦表面纹理,提取出磁瓦表面缺陷的准确率可达95%.     

一种改进DCGANs网络的磁瓦缺陷图像生成方法研究

基于机器视觉的磁瓦表面缺陷检测研究对于改进磁瓦生产工艺、提升磁瓦生产效率有着重要意义.但在研究过程中,存在磁瓦含缺陷样本收集困难、不同缺陷样本数不均匀、缺陷类型单一等问题.本文提出一种使用高斯混合模型的深度卷积生成对抗网络(Gaussian Mixture Model Deep Convolution Generative Adversarial Networks,GMM-DCGANs)生成含缺陷磁瓦图像的方法.在深度卷积生成对抗网络的基础上,将生成图像的输入噪声潜在空间复杂化为高斯混合模型,从而提高图像生成网络对有限数量且具有类间及类内多样性训练样本的学习能力.实验结果表明,GMMDCGANs网络可以生成质量更好、缺陷类型更加丰富的磁瓦缺陷图像,并且生成的图像满足缺陷检测及分类的要求.     

磁瓦表面缺陷机器视觉检测与识别方法

针对磁瓦生产过程中表面缺陷检测的重要性和人工检测的弊端,研究基于机器视 觉的磁瓦表面缺陷自动检测与识别方法。为解决磁瓦表面缺陷种类多、对比度低、图像中存在 磨痕纹理背景和整体亮度不均匀等难点,定义扫描线梯度,其标准差与扫描线灰度标准差构成 特征向量,提出基于两类支持向量机的图像分割方法来判别和提取缺陷;并提出一种改进的多 类支持向量机方法,对缺陷进行分类识别,解决了多类支持向量机存在不可分区域的问题,提 高了分类器的准确性和有效性。实验结果表明,该方法能准确快速地提检测磁瓦表面各区域的 各类缺陷,检出率可达到96%以上,识别率超过91%。     

磁瓦表面缺陷自动检测系统的研究

开发了一种基于机器视觉技术的磁瓦表面缺陷自动检测系统。该系统根据功能面的特点设计了图像采集系统,综合运用图像处理技术,采用改进的中值滤波技术消除噪声,运用基于灰度直方图的阈值分割并二值化,经后形态学处理、Roberts边缘检测提取出缺陷轮廓,通过提取缺陷面积特征,经模板匹配模式识别,判定磁瓦的质量等级。用于生产线试运行表明,该系统运行稳定,检测结果精度高,克服了人工检测劳动强度大且误检率高的缺点。     

基于Canny算法的列车轴承表面缺陷边缘检测

为了对列车轴承表面缺陷进行准确的边缘检测,提出了一种数学形态学和Canny算法相结合的边缘检测算法。通过对形态学结构元素及基本运算的选取,确定了形态学3菱形闭运算作为前处理,结合Canny算法对列车轴承表面缺陷进行边缘检测。同传统的边缘检测算法及形态学边缘检测算法进行比较,实验结果表明,所提算法不仅加强了抑制噪声的能力,还准确地保留了图像的边缘特征。     

基于小波与数学形态学的木材缺陷检测

木材缺陷检测是木材加工中的重要步骤,为了实现木材缺陷自动检测,提出了一种基于小波与数学形态学的缺陷检测方法。首先用多尺度小波对缺陷图像进行分解,滤除缺陷图像中的干扰信息,然后进行小波重构,在重构图像上进行形态学bottom-hat变换,结合阈值处理和区域生长检测出各种木材缺陷。实验表明,该方法具有高效准确的特点,能够满足木材加工过程缺陷检测的实际需求。     

针对复杂纹理的手机外壳缺陷检测方法

针对手机表面存在纹理复杂、缺陷细小和缺陷多样性等特点,提出一种应用于复杂纹理的手机外壳缺陷检测方法。该方法首先对手机外壳表面划分区域进行放大处理,并抑制放大后的纹理。然后进行图像的主结构提取,再采用一种自适应边缘检测Roberts方法来进行缺陷轮廓提取。最后运用一系列的中值滤波、形态学运算等方法来综合处理并提取缺陷。实验表明,对手机外壳的划痕、污渍等缺陷误检率低,具有良好的检测效果。     

焊缝缺陷的超声检测图像识别方法

内部缺陷是影响焊接结构质量的主要因素．为了分析焊缝内部缺陷,快速得到敏感度高、边缘清晰的图像数据,本文根据焊缝缺陷的特点,结合声图像的特殊性,采用基于形态学的有噪彩色图像边缘检测方法,对原始图像进行滤波处理,实现了缺陷信息的有效分割,然后根据缺陷的特点通过数学统计的方法统计缺陷的特征值,最后通过实验证明该方法对缺陷的正确识别具有比较好的效果．     

LVQ神经网络在磁瓦表面缺陷分类中的运用

在基于磁瓦表面缺陷图像直方图、纹理、投影和形状的特征提取的基础上,提出了一种用LVQ神经网络进行缺陷分类的方法,对现场采集到的6种主要缺陷类型进行了试验。试验结果表明,基于LVQ神经网络的分类器训练与分类的时间短,多缺陷种类分类时准确率高。     

一种指纹图像的快速分割方法

利用数学形态学变形虫法进行指纹图像分割时计算量大,导致分割速度变慢。针对该问题,提出一种将数学形态学变形虫法和离散小波变换相结合的指纹图像快速分割方法。先对原始图像进行小波分解,再对获取的低频图像采用形态学变形虫分割。实验结果表明,该方法在保证良好分割精度的同时分割速度较快。     

基于数字图像处理技术实现陶瓷片在线动态检测的方法研究

为了检测水阀用陶瓷片的崩角、斑点和划痕等缺陷,利用CCD作为图像获取工具,设计了一套陶瓷片计算机数字图像实时在线动态检测系统,提出了一种基于数字图像处理技术实现陶瓷片缺陷快速检测处理的新方法:首先用中值滤波和图像二值化对陶瓷片图像进行预处理,然后采用数学形态学中的腐蚀和差集运算提取陶瓷片的边界,最后对提取到的边界进行崩角、斑点和划痕等缺陷的识别,获得了陶瓷片缺陷信息.实验表明该方法与系统具有准确可靠、效率高和处理速度快等优点.     

数学形态学在作物病害图像处理中的应用研究

作为一种2维卷积运算的非线性图像处理方法,数学形态学的内容包括二值形态学、灰度形态学和彩色形态学。膨胀、腐蚀、开运算、闭运算是数学形态学的基础。数学形态学可用于噪声去除、边缘检测、图像分割、特征提取等图像处理问题,在图像处理领域得到了越来越广泛的应用。结合目前的研究进展,对数学形态学的分类及其在作物病害图像处理中的应用进行综合性阐述,并对数学形态学目前存在的问题以及未来的发展方向进行了讨论。     

组件树理论和方法研究综述

组件树方法是数学形态学理论及方法的进一步发展，它利用一系列阈值截集产生连通分量，构造其上的层次关系。利用组件树方法发展出的一系列高效的图像处理算法，非常适合图像底层特征的快速提取，在广大的领域，尤其是医学图像处理领域，得到了广泛的应用。对组件树方法的发展和现状进行了系统的回顾，概述了现存的组件树建树算法以及基于组件树的图像处理算法。对组件树在多值（彩色）图像相关领域、树的快速构建、并行化处理算法方面的研究进行了展望。     

A hierarchical approach for fast and robust ellipse extraction

This paper presents a hierarchical approach for fast and robust ellipse extraction from images. At the lowest level, the image is described as a set of edge pixels, from which line segments are extracted. Then, line segments that are potential candidates of elliptic arcs are linked to form arc segments according to connectivity and curvature conditions. Next, arc segments that belong to the same ellipse are grouped together. Finally, a robust statistical method, namely RANSAC, is applied to fit ellipses to groups of arc segments. Unlike Hough Transform based algorithms, this method does not need a high dimensional parameter space, and so it reduces the computation and storage requirements. Experiments on both synthetic and real images demonstrate that the proposed method has excellent performance in handling occlusion and overlapping ellipses.     

基于方差和数学形态学的指纹分割算法

比较分析了檑纹分割的两种主要方法：方差法、方向法,针对这两种方法的不足之处,本文提出了一种基于方差和数学形态学的指纹分割算法。这种方法在方差法的基础上,再对得到的指纹图像进行数学形态学的开、闭运算。实验结果表明：这种方法时各种质量的图像指纹分割效果良好,平且运算速度快,尤其适用于需实时处理的指纹识别系统。     

The three-dimensional measurement of unconstrained motion using a model-matching method

The measurement of motion is a basic technique for the quantitative mechanical analysis of human movement. However, previous methods of motion measurement using goniometry and surface markers have several associated problems: goniometers constrain human motion; and surface markers are missed, etc. To resolve these problems, a new technique of motion measurement using image processing is proposed. In this method, movements of the whole body are captured as image information, and a geometric model of a human body is fitted onto the contours of the image sequences. The joint angles are then estimated from the model. Usually, every segment has to be coloured separately so as to fit the geometric model automatically into the images; furthermore, this takes a very long time to process. Therefore, we reduced the processing time using the information in the overlap area between the models and images, instead of contour information. We estimated the joint angles of hidden segments with the grey scale image information. Thus there is no need to colour segments and attach surface markers; and unconstrained motion can be measured. Using the method developed, three-dimensional motion of the fingers including 21 segments was measured in 3–5?min per frame by a personal computer. The errors are 2° maximally.     

基于图像灰度的目标快速检测算法的研究

在高速、宽幅的纸病视觉表面缺陷检测系统中,必须快速有效的检测出可疑目标,以满足大数据量的实时检测要求.在分析传统的差影减法实现目标检测算法的的基础上,基于灰度数学形态学原理,采用Top-Hat运算去除图像噪声并完成纸病图像的可疑目标的快速检测.实验表明,基于图像灰度的目标检测算法快速、健壮,抗噪性能好,实现了可疑目标的快速检出.