共查询到15条相似文献,搜索用时 156 毫秒
1.
利用小波变换检测信号边缘的优势,对V型坡口焊接激光图像以及多层多道焊激光图像的焊缝识别方法进行了系统的研究,给出了基于小波变换的焊缝识别算法,并提出了多层多道焊拐角跟踪点的识别算法,同时进行了大量的实验研究;分析了多层多道焊接激光图像的特点,在V型坡口识别算法的基础上进行了改进,利用模板匹配技术,实现拐角跟踪点的识别。 相似文献
2.
3.
4.
5.
经过长时间的研究发现,在焊缝图像缺陷识别中,传统的方法具有正确识别率低的问题,为此提出了基于小波变换的图像缺陷识别方法。输入获取的X射线焊缝初始图像信息,从帧数叠加、数字形态学变换和图像增强三个方面对初始图像进行预处理,约束小波变换阈值降低图像噪声,最后通过边缘检测,提取焊缝图像当中的缺陷特征。在对比实验当中,设立两种传统识别方法作为实验的对照组,提出的X射线焊缝图像缺陷识别方法为实验组,同时对统一型号的焊接工件进行缺陷识别,实验发现提出的识别方法的正确识别率高达91.8%。 相似文献
6.
开发了一种三维焊接坡口轮廓图像测量系统,该系统基于光栅莫尔条纹投影原理,由LD、光栅副、滤光片、面阵CCD(Charged coupled device)及DSP图像信号处理等部分组成。分析了在恶劣的焊接现场条件下,莫尔条纹投影到焊接工件表面的噪声产生机理,提出并采用了中值滤波方法对采集的原始激光焊缝图像信号进行平滑处理。由CCD采集到的焊接坡口表面变形的莫尔条纹二维激光图像,经过图像信号处理软件后恢复焊接坡口的三维轮廓图像,获得焊缝中心、深度、宽度等参数的精确尺寸信息。该测量系统经过在轻便型焊接机器人上试用,其测试精度、实时性基本能满足要求。实验结果表明该方法简单可靠、效果明显。 相似文献
7.
8.
基于小波变换模极大值的煤矿岩层图像边缘检测处理 总被引:2,自引:1,他引:1
袁小平 《计算机工程与设计》2008,29(17)
针对煤矿井下岩层监视监控系统中图像边缘检测的问题,提出了采用小波变换进行煤矿井下岩层图像的边缘检测处理.综述图像边缘检测的方法,分析了基于小波变换模极大值的图像边缘检测方法.即首先将图像进行多尺度分解,以获得对图像不同结构特征的描述,进而在各个尺度下通过观测其小波系数模的变化规律检测出不同细节成分的边缘特征.研究结果表明,基于小波变换的图像边缘检测算法能够较好地检测煤矿井下锚杆钻孔内图像中的细节特征,取得了明显的效果. 相似文献
9.
为了减少焊缝识别中传感器安装位置带来的前置误差,提高识别精度,设计了一款多线激光传感器,对多线激光在V型焊缝上的图像进行处理得到焊缝轨迹。提出一种基于动态不规则感兴趣区域的图像分割方法,将多条激光分割后并行处理。单条激光线图像预处理后以像素行灰度值之和的极大值确定激光条纹所在行,对激光条纹分段拟合后求交点,得到坡口边缘与焊缝位置的特征点,并将焊缝位置特征点拟合得到焊缝轨迹。根据所提出的算法编写了焊缝轨迹识别程序,并进行实验,结果表明,所提出的算法识别焊缝走向误差在0.5°之内,符合焊缝跟踪的要求。 相似文献
10.
11.
焊缝位置检测一直是埋弧焊管生产中的难题,为此,在小波分析理论及其边沿检测技术的基础上,提出了一种焊缝位置检测的新方法,该方法主要涉及到焊缝图象信号的预处理,三阶梯条小波函数及其小波变换,尺度参数对变换结果的影响,检测结果的相关分析等内容,仿真结果表明,该方法检测精度高,抗干扰性能好,计算复杂度小,可靠性高,可以应用到实时控制中去。 相似文献
12.
小波变换是时间频率的局部化分析,它可以通过伸缩平移运算对信号逐步进行多尺度细化。本文正是基于小波变换在图像处理领域中表现出的多尺度分析,提出了用小波变换检测活塞环图像边缘的方法,这种方法通过对二维小波变换图像局部极大值的检到得到图像的边缘信息。通过实验证明了这种方法的有效性。 相似文献
13.
14.
无人机影像匹配点云单木识别算法 总被引:2,自引:0,他引:2
针对单木识别研究中“局部最大值”算法因窗口大小设置不同而产生的单木漏识别与错识别问题,提出了联合“局部最大值”与“单木树冠结构分析”的单木识别算法。算法首先利用“局部最大值”获得候选单木;然后对候选单木树冠结构进行分析,提取树冠结构曲线;最后通过对树冠结构曲线判别,剔除、合并错识别与过识别单木,从而提高单木识别的精度。选取大兴安岭林区8个典型样地进行实验,以实测可见单木为参考,与窗口大小为1.0 m、2.0 m 的两种“局部最大值”算法进行比较。结果表明,该算法8个样地整体F 测度为90.45%,相比1.0 m、2.0 m 窗口的“局部最大值”法F 测度74.82%、77.35%,分别提高,15.63%,13.10%。 相似文献
15.
基于多尺度分析和数学形态学融合的边缘检测 总被引:3,自引:0,他引:3
图像边缘检测的关键是在尽量多地检测到图像边缘的同时更有效地抑制噪声,为此提出了一种基于多尺度分析和数学形态学融合的边缘检测方法。首先利用小波变换将图像分为高频和低频部分;然后再分别进行处理:高频部分利用小波系数的层内和层间相关性对系数调整后实现边缘检测,低频部分利用数学形态学进行边缘检测;最后将各自得到的边缘图像通过多尺度边缘融合,从而实现边缘提取。实验结果表明,同单纯基于多尺度分析方法或基于数学形态学的边缘检测方法相比,提出的方法具有更好的噪声抑制和边缘细节保护功能。 相似文献