基于运动矢量场时空滤波的车辆检测算法

基于计算机视觉的车辆检测系统是智能交通系统的基础部分,以实时获取的视频图像为基础,通过计算机视觉的有效算法,可实现对视频中的车辆目标进行位置检测;现有车辆检测算法存在复杂度较高和检测不准确的缺陷;提出了一种基于运动模式分类和运动矢量场滤波的车辆检测算法,在计算复杂度较低的条件下实现了车辆检测,对干扰遮挡和较小目标等情况,有较好的检测效果。     

基于DSP的主动视觉系统

为了提高目标检测的快速性与准确性,简化基于粒子滤波的目标跟踪算法中的直方图计算,提高检测和跟踪算法在基于DSP(数字信号处理器)的主动视觉系统上的运行速度,提出了一种基于DSP的机器人主动视觉系统.该系统通过改进的EMCV(embedded computer vision library)与启发式搜索方法,在DSP上实现了AdaBoost检测算法;利用增量式直方图计算算法实现粒子滤波中颜色直方图与边缘方向直方图的计算,将直方图融合到观测模型中,在DSP上实现并优化了目标跟踪算法.实验证实了该主动视觉系统中算法的快速性与系统的鲁棒性.     

基于改进边缘检测的视觉注意计算模型

本文主要针对传统Itti视觉注意计算模型,引入边缘特征信息,优化视觉注意计算模型.在引入边缘特征信息的过程中,本文对Canny边缘检测算法进行改进：以改进后的双边滤波算法代替高斯滤波从而更好的保持边缘,借鉴Sobel算子从4个方向计算梯度幅值来代替原方法中的从2个方向来计算的过程,利用改进的OTSU算法选取双阈值代替手动设置阈值,从而降低图像分割时的误检、漏检现象.在实验中,我们发现,该方法相较于建立在普通Canny算法基础上的Itti视觉注意计算模型,对显著区域的提取效果上有很大的提高.     

一种轴类零件边缘精确定位方法

针对目前的边缘检测算法存在定位精度低、处理速度慢、抗噪性能差等缺陷,提出了一种轴类零件尺寸检测的图像边缘高精度定位方法。该方法采用改进的自适应中值滤波算法、改进的Kirsch算子和在图像边缘灰度梯度方向上进行二次函数逼近高斯曲线拟合方法,实现了图像边缘亚像素高精度定位,提高了尺寸检测精度。通过对气门尺寸的计算机视觉检测实际应用,证明提出的算法精确且稳定,满足高精度视觉检测要求。     

基于视觉重要性的图像油画风格化绘制算法

为了将真实图像转换为油画风格,提出一种油画风格化绘制的算法.首先根据油画绘制特点,结合改进的双边滤波与数学形态学操作来建立金字塔结构的多层参考图像序列;然后提出基于视觉重要性图的笔画布置算法.通过使用人脸、视觉焦点检测等方法来检测重要性区域,并根据这些区域信息进行画笔绘制的起点、方向计算精度改进和对图像纹理边界做加强约束,达到了油画内容主次分明的效果.实验结果表明,采用文中算法能够达到较好的视觉效果.     

基于光度立体和图像显著性的皮革缺陷检测

为了提高皮革缺陷检测效率，提出一种基于光度立体视觉和图像显著性的皮革缺陷检测算法。搭建光度立体视觉平台，完成不同角度的皮革样本采集，利用光度立体视觉技术计算皮革样本的合成图和表面法向量图；对表面法向量图进行曲率滤波操作，用近似表面粗糙度特征自适应选择合成图或滤波图；利用显著性目标检测算法完成皮革缺陷检测与定位。实验结果表明，与现有皮革缺陷检测方法相比，该算法能很好地检测不同材质皮革的多种缺陷，且准确率高，速度快。     

缺陷检测技术的发展与应用研究综述

为满足智能制造企业对产品质量检测的需求, 服务制造企业生产管理, 对缺陷检测技术的研究现状、典型方法和应用进行梳理.首先总结了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉和基于深度学习的缺陷检测技术的优缺点; 对比分析了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉检测的主流缺陷检测技术和基于深度学习的缺陷检测技术的研究现状; 然后, 梳理了缺陷检测技术在电子元器件、管道、焊接件、机械零件和质量控制中的典型应用; 最后, 对缺陷检测技术的研究情况进行了总结和展望, 指出该研究领域亟需解决的问题和未来发展的方向, 并从高精度、高定位、快速检测、小目标、复杂背景、被遮挡物体检测、物体关联关系等几个方面总结近年来发表在ICCV (International Conference on Computer Vision)和CVPR (International Conference on Computer Vision and Pattern Recognition)等知名国际会议上相关论文的核心思想和源代码, 为缺陷检测技术的进一步发展提供理论和应用上的借鉴与参考.     

彩色与纹理不变性的阴影消除新算法

针对阴影C1C2C3彩色不变性检测法时间开销大的缺陷,提出了改进的D1D2D3模型阴影检测法,减少了算法的时间复杂度;针对阴影LBP纹理不变性检测法在图像纹理不明显时所存在的误检现象,提出了改进的LPTD算子,提高了算法的准确率.进一步将上述两种改进方法进行有效融合,提出了一种阴影消除新算法,采用SUSAN算子去除阴影强边缘,有效解决了强光给阴影检测带来的误差,再通过形态学处理,消除了图像内部孔洞和噪声.实验结果表明,新算法的阴影消除效果更为理想.     

基于机器视觉的多孔材料缺陷检测

针对多孔材料在生产工艺中易出现阻塞和缺角等缺陷,本文设计了一种基于机器视觉的多孔材料表面缺陷检测方法,通过对目标区域的有效分割、模糊度检测、形态学处理和分析等技术手段,实现了该类材料的表面缺陷的快速定位和特征分析.经实验检测,本文算法的准确性和检测效率可以满足工业生产实时检测需求.     

基于多特征的退火粒子滤波视觉目标跟踪算法

提出了一种新的融合多特征的基于改进模拟退火粒子滤波跟踪算法。首先,针对重要性采样粒子滤波算法中重要性抽样密度函数未考虑最近观测值,不能有效逼近真实后验密度函数的问题,通过采用改进的模拟退火(SA)方法优化重要抽样密度函数,并利用不同温度下扰动函数和Metropolis准则克服粒子匮乏缺陷;同时,针对SA方法在粒子滤波视觉跟踪应用上效率不高的缺陷,对经典模拟退火算法进行改进,降低了参数选择的敏感性,保持了原算法全局寻优的优点,提高了算法的速度。     

基于增量符号相关的缺陷检测方法

传统的规格化互相关算法在计算机视觉领域中用得较多,但其运算速度不能满足实时检测要求.用基于增量符号相关的算法对两幅图像间的缺陷进行检测可有效地缓解规格化互相关算法计算量大的问题.通过图像像素值间的大小比较得到增量图像后,计算出增量符号相关值,将它显示为与相关值成正比的亮度值就得到了检测结果图像.实验证明该方法在图像有亮度或对比度变化时仍能正确地检测出缺陷位置.     

基于自监督学习的变电站缺陷检测

为了在使用少量标注样本情况下提升变电站设备缺陷检测精度,提出一种基于自监督模型SimSiam的改进缺陷检测算法.不同于原始SimSiam,改进后的算法无需使用标志性图像(iconic images),如ImageNet数据集,而是直接利用非标志性图像(non-iconic images)如COCO数据集进行对比学习,并在下游的缺陷检测任务上获得可媲美有监督方法的性能.通过在投影层(projection head)和预测层(prediction head)中使用全卷积网络和空间注意力模块来代替MLP,保留高维特征的空间结构及局部信息;同时在计算相似度前先对特征图进行均值池化以得到特征向量,并对特征向量进行归一化以计算欧氏距离,从而改进了自监督对比学习的损失函数.实验结果表明该算法能充分利用非标志性图像进行对比学习,并在只标注少量样本的条件下提升变电站设备缺陷检测的精度,在表计表盘破损、挂空悬浮物、鸟巢、呼吸器硅胶变色及箱门闭合异常等5类缺陷检测任务上mAP达到83.84%.     

O型金属密封件亚像素尺寸检测方法的研究

针对在现实生产中,硬件受限的O型金属密封件机器视觉检测的问题,提出了在亚像素图像条件下的精确尺寸检测方法。利用分形插值和小波变换的改进边缘检测算法,实现亚像素图像的边缘检测;并用结合梯度的区域生长和距离直方图的改进算法,实现O型的尺寸检测和圆度校验。实验结果表明,提出的方法与传统方法相比计算速度快、边缘检测精度高、尺寸测量精度可达微米级。     

轴承防尘盖缺陷机器视觉自动检测方法研究

轴承防尘盖在装配过程中易出现各种擦伤、压痕等缺陷，从而影响配套主机的精度、可靠性及寿命，急需研发自动化的轴承表面缺陷检测设备来提高我国轴承生产水平。采用自主设计的自动化检测设备，利用机器视觉结合图像处理方法对轴承表面图像进行采集、分析和处理；采用连通域检测和轮廓筛选方法对轴承外轮廓进行提取；采用最小二乘法拟合外轮廓圆得到圆心及外径，结合半径占比分离法实现防尘盖圆环区域的提取；采用改进算法对防尘盖圆环图像进行展开以避免图像展开时字符或缺陷的误分割；采用垂直方向投影法分离字符区和非字符区，通过连通域检测法对两部分是否存在缺陷分别进行判别。实验结果表明，采用自主设计的轴承检测设备结合最小二乘法、OTSU法、改进的图像展开和投影算法，可实现轴承防尘盖缺陷的自动化检测，正确识别率为96.9%。     

机器视觉表面缺陷检测综述

目的 工业产品的表面缺陷对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业对产品的表面缺陷进行检测以便及时发现并加以控制。机器视觉的检测方法可以很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低、劳动强度大等弊端,在现代工业中得到越来越广泛的研究和应用。方法 以机器视觉表面缺陷检测为研究对象,在广泛调研相关文献和发展成果的基础上,对基于机器视觉在表面缺陷检测领域的应用进行了综述。分析了典型机器视觉表面缺陷检测系统的工作原理和基本结构,阐述了表面缺陷视觉检测的研究现状、现有视觉软件和硬件平台,综述了机器视觉检测所涉及到的图像预处理算法、图像分割算法、图像特征提取及其选择算法、图像识别等相关理论和算法研究,并对每种主要方法的基本思想、特点和存在的局限性进行了总结,对未来可能的发展方向进行展望。结果 机器视觉表面缺陷检测系统中,图像处理和分析算法是重要内容,算法各有优缺点和其适应范围。如何提高算法的准确性、实时性和鲁棒性,一直是研究者们努力的方向。结论 机器视觉是对人类视觉的模拟,机器视觉表面检测涉及众多学科和理论,如何使检测进一步向自动化和智能化方向发展,还需要更深入的研究。     

基于机器视觉的铸件缺陷动态检测方法

针对数字化X射线实时成像系统自动化检测问题,提出了一种基于机器视觉的铸件缺陷动态检测方法.首先,通过计算射线图像的行灰度曲线的波峰波谷快速检测出缺陷帧;然后,利用帧间差分法获得前景区域即缺陷区域,融合边缘检测算法与形态学方法在缺陷区域中准确分割出缺陷;最后,使用卡尔曼滤波器与匈牙利算法获得缺陷在连续多帧图像中的位置,通过挖掘缺陷在多帧图像中的位置关联关系修正抑制错检并修正漏检,提升了正确率.实验结果表明,与人工检测和基于单幅图像的缺陷检测方法相比,所提方法显著提高了缺陷检测的正确率与效率.     

晶圆表面微米级缺陷检测

为降低晶圆缺陷对半导体制造的影响,在基于改进的多重中值滤波算法的基础上,以差影法为基本原理,采用归一化互相关的模版匹配方法实现晶圆表面缺陷检测。改进的多重中值滤波算法有效实现噪声点与非噪声点的分辨,归一化模版匹配算法对光照具有很好的鲁棒性。对大量的晶粒进行实验,实验结果表明,该方法可有效检测出晶圆表面的缺陷,精度达到15μm左右,所提检测算法在实际的应用中可代替人工,快速、准确地实现晶圆的缺陷检测。     

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。     

基于计算机视觉的电能表检测系统

通过对计算机视觉模板匹配基本算法的研究,改进了基本的模板匹配算法.基于OpenCV开源平台,在VC++6.0的开发环境中设计了一套智能电表检测系统,该系统采用了改进的模板匹配算法,可在线有效检测电能表的多处信息,并对缺陷进行统计,有助于厂商改善产品质量,保证了电能表出厂的可靠性.实验表明系统检测速度快、实时性好.     

一种新的渣土车车轮带泥检测方法

提出了一种新的车轮带泥图像检测方法。通过改进直方图方法、在相似度计算中考虑了像素的位置信息,从而提出了直方图交叉相似度计算的新方式;并综合考虑小波变换法在纹理检测上的优势,给出了图像组合相似度的新定义,基于此,提出了基于小波变换提取边缘特征与改进的直方图交叉方法相结合的相似度比较EHSC算法,通过EHSC算法计算组合相似度,并根据相似度阈值来最终选择图像。EHSC算法具有时间开销小、鲁棒性好等特点。通过在真实采样的现场图像上实验,实验结果表明,该方法能有效地进行带泥车轮图像的检测,具有较高的检测效率和比较强的实用性。