机器人视觉目标数字图像实时处理及分割

机器人视觉目标图像信噪比低、背景噪声干扰大,目标识别处理通常利用目标的灰度信息进行预处理。文中设计一种基于数学形态学和遗传算法的灰度图像实时预处理和阈值处理技术图像分割方法。描述图像的基本结构和特征,用具有一定形态的结构元去度量和提取图像中的对应形态,以达到对图像分析和识别;经过预处理的原始图像,采用基于遗传算法的最大类间方差图像分割法,非线性快速地查找到最优的分割阈值,从噪声图中分割出可能目标。基于ARM嵌入式微处理器,以复杂可编程逻辑器件CPLD作为时序控制单元,进行图像处理、分割,实现了图像信息的采集、存储、传输及处理为一体。仿真实验表明,该方法实时性好,简捷、快速,对运动目标的图像识别有较好的实用价值。     

灰度形态学滤波的红外运动小目标检测方法

针对空中红外图像中运动小目标的特征，提出一种采用灰度形态学滤波的背景抑制方法对图像进行处理，再利用自适应阈值分割方法对图像进行阈值分割的帧内检测方法；实践证明该技术能有效提高图像的信噪比，从而达到有效分割和快速检测小目标的目的。     

基于机器视觉的柔性包装袋喷码缺陷检测研究

目的 针对传统喷码检测方法计算量大、字符区域定位不显著、识别准确率较低等不足,提出一种基于机器视觉的柔性包装袋喷码缺陷检测方法。方法 以柔性包装袋上喷码图像为研究对象,以滤波抑噪、阈值处理等技术对图像进行预处理,运用YOLO-V3网络模型对字符区域进行定位,并采用阈值和非极大值抑制算法提高喷码区域定位的显著性,通过改进AlexNet网络结构、运用多特征融合运算等方法,获取更为丰富的图像卷积特征,实现字符串的整体识别,从而提高喷码缺陷识别的准确率。结果 将YOLO-V3联合改进AlexNet的检测方法与传统喷码检测方法进行对比,结果表明,所设计喷码缺陷检测方法的分类准确率达到99.39%。结论 基于机器视觉的柔性包装袋喷码缺陷检测方法在模型计算量、字符区域定位显著性和字符识别准确率都有一定的优势,并有效解决了字符串整体识别的问题。     

印刷网点微观图像阈值分割算法研究

目的 通过阈值处理方法, 准确获取网点微观图像的特征参数, 将其与仪器测量值相结合, 综合评价印刷品复制质量。方法 提出一种基于高斯函数模型拟合网点图像灰度直方图数据的阈值分割算法, 寻找网点类图像最佳分割阈值, 对图像进行二值化处理, 得到准确的网点参数。结果 得到的印刷品网点面积率在全阶调范围内更接近于测量值, 分割效果明显优于传统的阈值分割算法。结论 提出的高斯拟合阈值分割算法更有利于提取网点类图像的微观参数, 精度高, 稳定性好,为获取准确的网点图像微观参数提供了理论与实践参考。     

基于图像处理技术的指针式扭矩计量器具自动读取示值的方法

为了实现对指针式扭矩计量器具的高效率、高准确度计量,提出了一种基于图像处理技术的指针式扭矩计量器具的自动读取示值的方法。该方法需要对采集到的图像进行前期处理,主要步骤包括噪声消除、灰度处理、阈值分割、膨胀腐蚀与去除干扰区域,提取出图像中的有效信息。再对完成预处理的图像利用Hough变换检测圆原理确定指针位置,并计算出表盘示值,实现自动识别功能。     

基于机器视觉的二维图像质量缺陷检测研究进展

目的 机器视觉图像处理技术是近年在图像处理领域发展起来的一门新兴边缘交叉学科，二维图像的质量检测是印刷行业中必不可少的环节，分析基于机器视觉的二维图像质量缺陷检测流程，探索影响基于机器视觉的二维图像质量缺陷检测精度的相关因素，为后续研究印刷品的二维图像自动化检测和质量控制提供参考。方法 在此基础上，围绕图像预处理中的灰度转换、噪声过滤、固定阈值分割、自适应阈值分割、Otsu法及边缘检测，对图像配准中的基于灰度统计信息分布配准方法、基于特征的图像配准方法进行总结，然后归纳分析图像的缺陷提取和分类。结论 以实际例子对上述研究内容进行了提炼，通过图像预处理中的噪声过滤为后续缺陷提取提供清晰图像，减少伪影干扰；通过图像预处理中的灰度变换、阈值分割、感兴趣区域提取减少系统处理时间，为实现高效的缺陷检测奠定了坚实的基础；通过图像配准消除了机械振动引起的图像位置偏移，确保后续缺陷提取的准确性；通过图像缺陷提取和分类帮助印刷企业找出生产问题，提供有针对性的改进措施，可为生产高质量产品提供支持。     

基于机器视觉技术的瓶盖划痕检测

目的 针对当前国内瓶盖划痕检测算法在较复杂背景条件下,存在精度不高、瓶盖划痕图像灰度值变化剧烈,且影响因素较多,无法准确定位检测的问题,提出一种基于机器视觉技术的瓶盖划痕检测方案,以实现在对比度较低的背景下对细微划痕快速准确的检测。方法 对标准图像作预处理创建模板,对样本图像进行滤波降噪、基于形状的模板匹配、提取感兴趣区域（ROI）、高斯差分滤波增强划痕拉开对比度、二维Otsu阈值分割、形态学处理、特征提取划痕。通过获取300幅瓶盖表面图像,与差影法、大津法、人工检测法进行了划痕检测对比实验。结果 实验结果表明,提出的算法能快速、准确、高效地提取瓶盖划痕,检测1幅图片的平均时间为113 ms,检测准确率为98.3%。结论 该方案与人工检测、差影法、大津法相比,检测精度更高、速度更快、鲁棒性更好,可以满足工业上的生产需求。     

弧齿锥齿轮接触斑点的数字边缘提取方法

本文以过渡区域的阈值分割算法为基础,提出了实现该算法的阈值自适应计算方法.这种非交互方法避免了图像分割中人工干预阈值的选择,同时能够有效获取接触斑点的理想数字边缘.在接触斑点真彩色图像的256色灰度化预处理过程中,根据数理统计思想,针对具体真彩色图像,实现了三原色系数的自适应计算,所获得的预处理效果为后续的图像分割提供了完整的图像信息.实验表明,本文所发展的锥齿轮接触斑点的数字边缘提取方法,具有良好的适用性和针对性.     

新的Otsu阈值改进方法的红外小目标检测

针对红外小目标区域灰度对比度很差的现象,以及红外小目标实时性检测的要求,在对Otsu阈值方法进行研究的基础上,结合红外小目标图像的自身特点,提出了一种新的Otsu阈值改进的红外小目标检测方法。该方法不仅继承了Otsu阈值方法比较简单,计算速度较快的优点,更重要的是很好地解决了照度不均匀的图像分割时候多个红外小目标粘连的问题,使红外小目标能够被清晰地检测出来。实验结果表明,新的Otsu阈值改进方法检测出红外小目标的准确率比Otsu阈值检测方法提高了20%。     

基于反向P–M扩散分割的缝线断线检测

目的 实现面粉袋缝线断线自动化检测。方法 设计反向P–M扩散分割的缝线断线检测方法。首先采集缝线图像,并进行灰度开运算,以消除复杂背景及面粉袋两边端线的干扰。针对现场光照变化、反射不均、面粉噪声等环境因素对缝线提取的影响,对面粉袋表面与缝线的灰度特征、梯度特征进行分析,设计反向P–M扩散因子,先将图像进行反向P–M扩散,将扩散后的图像与开运算处理后的图像进行差分处理,从而抑制复杂背景纹理,增强缝线与面粉袋的区分度,将阈值分割出的缝线与面粉袋顶端缝边长度进行对比,判断缝线是否断线。结果 实验结果表明,利用该算法进行缝线检测实验,断线检测准确率达到96%,每张缝线图片处理时间只需120 ms。结论 基于反向P–M扩散分割的缝线断线检测方法是一种无接触缝线断线检测新方法,具有准确率高、速度快等优点,满足面粉生产企业断线自动化检测的要求。     

Dempster-Shafer theory-based hierarchical saliency detection

This article presents a new saliency detection method based on a hierarchical structure. In order to better capture the key elements in an image, we first construct a three-layer structure by applying a merging strategy to the image. For different layers, we exploit different methods to detect salient regions. After obtaining initial saliency maps of five layers, we construct a Dempster-Shafer model to fuse and refine these saliency maps. In the Dempster-Shafer model, the saliency value of upper layers can provide guidance for saliency detection of lower layers. Finally, we fuse the saliency map of each layer to obtain the final result. Abundant experimental results on two benchmark data sets demonstrate that our method outperforms most of 12 state-of-the-art methods in terms of three popular evaluation criteria, that is, the P-R curve, the F-measure, and the mean absolute error.     

柔版印刷套印误差检测技术研究

目的为了提高柔版印刷过程中套印误差的检测精度。方法分析了柔版印刷产生套印误差的主要原因,并提出了一种基于机器视觉的套印误差检测方法。首先进行工业相机的标定,获取原始的"十"字圆环标记图像,采用融合滤波算法对图像进行预处理,对预处理后图像进行数据分析时,提出一种二次分割算法进行图像色彩分离;再使用模板匹配算法进行模板匹配,获取偏差数据进行套印偏差分析。结果使用该算法在实验中对5组标记图像的轴向、纵向检测误差,均控制在0.03 mm以内,符合行业检测误差在0.2mm以内的检测标准。结论提出的基于视觉的套印误差检测方法具有识别准确率高、处理速度快的特点,能可靠稳定地运行,具有一定的可行性。     

An efficient visual saliency detection model based on Ripplet transform

Even though there have been great advancements in computer vision tasks, the development of human visual attention models is still not well investigated. In day-to-day life, one can find ample applications of saliency detection in image and video processing. This paper presents an efficient visual saliency detection model based on Ripplet transform, which aims at detecting the salient region and achieving higher Receiver Operating Characteristics (ROC). Initially the feature maps are obtained from Ripplet transform in different scales and different directions of the image. The global and local saliency maps are computed based on the global probability density distribution and feature distribution of local areas, which are combined together to get the final saliency map. Ripplet-transform-based visual saliency detection is the novel approach carried out in this paper. Experimental results indicate that the proposed method based on Ripplet transformation can give excellent performance in terms of precision, recall, F measure and Mean Absolute Error (MAE), and is compared with 10 state-of-the-art methods on five benchmark datasets.     

基于深度学习的工业自动化包装缺陷检测方法

目的针对目前工业自动化生产中基于人工特征提取的包装缺陷检测方法复杂、专业知识要求高、通用性差、在多目标和复杂背景下难以应用等问题,研究基于深度学习的实时包装缺陷检测方法。方法在样本数据较少的情况下,提出一种基于深度学习的Inception-V3图像分类算法和YOLO-V3目标检测算法相结合的缺陷检测方法,并设计完整的基于计算机视觉的在线包装缺陷检测系统。结果实验结果显示,该方法的识别准确率为99.49%,方差为0.0000506,只使用Inception-V3算法的准确率为97.70%,方差为0.000251。结论相比一般基于人工特征提取的包装缺陷检测方法,避免了复杂的特征提取过程。相比只应用图像分类算法进行包装缺陷检测,该方法在包装缺陷区域占比较小的情况下能较明显地提高包装缺陷检测精度和稳定性,在复杂检测背景和多目标场景中体现优势。该缺陷检测系统和检测方法可以很容易地迁移到其他类似在线检测问题上。     

基于可变形密集卷积神经网络的布匹瑕疵检测

针对传统布匹瑕疵检测方法无法适用于尺度变化大、面积占比小的瑕疵特征,提出一种基于可变形密集卷积神经网络模型。为了关注到图像中距离较远的特征信息,并避免捕获纹理信息,采用可变形卷积来增强特征的语义表达能力。通过在卷积层中设置卷积像素相对于中心像素各自的x,y方向偏移量,并利用反向传播训练偏移量以增加感受野的变形适应性。同时,采用密集连接的方式以保持模型不遗漏边缘瑕疵信息。最后,根据瑕疵类别预测和位置边框回归实现瑕疵的分类和定位检测。实验结果表明:该模型的平均检测精度和单类目标检测精度标准差分别为93.53%,2.5139,相比于其他方法更具有竞争力。     

基于ScSPM-Reranking的高分辨率遥感影像的检索

为了从高分辨率遥感影像中获取详细的地表地物信息,为城市规划、环境监测以及灾情分析提供可靠的数据,进行了高分辨率遥感影像的检索研究,包括对图像的特征提取和图像之间相似度的描述。为了提高图像检索精度,运用了采用稀疏编码(Sc)的空间塔式匹配(Sc SPM)技术和重排序(Reranking)技术,提出了基于Sc SPM结合Reranking(ScSPM-Reranking)的遥感高分辨率影像的检索方法。该方法首先使用Sc SPM提取空间场景的特征,然后结合这些特征使用cityblock距离进行初步检索,最后对初步检索的结果进行Reranking排序,获得高精度的检索结果。同其他检索方法进行了对比实验,实验结果证明,该方法具有较高的检索精度。     

基于机器视觉的编织袋表面缺陷检测系统设计与实现

目的 针对编织袋生产中表面缺陷检测效率和精度低等问题,应用机器视觉技术于编织袋表面缺陷检测,进而提高编织袋的生产效率。方法 基于机器视觉设计编织袋表面缺陷检测系统:首先为了降低背景灰度变化对缺陷检测的影响,研究一种同时具有噪声滤除与图像增强功能的预处理算法;其次选取二维最大熵值法对预处理后的编织袋图进行分割,并采用改进遗传算法对它进行优化以增强算法的收敛速度和效果;然后利用特征提取结合形态学处理的方法实现了编织袋表面缺陷的识别与分类;最后应用连通域进行分析,对分类出的缺陷进行统计与定位以获取缺陷的尺寸以及位置信息。结果 采集了200个编织袋缺陷样本,采用文中编织袋表面缺陷检测系统对编织袋样本进行缺陷识别,平均识别准确率为94.0%,处理一幅编织袋图像的时间约为600 ms。结论 该系统具有较高的识别效率和正确率,可实现编织袋表面缺陷的快速检测,满足工业生产的需求。     

Multimodal region-consistent saliency based on foreground and background priors for indoor scene

Visual saliency is a very important feature for object detection in a complex scene. However, image-based saliency is influenced by clutter background and similar objects in indoor scenes, and pixel-based saliency cannot provide consistent saliency to a whole object. Therefore, in this paper, we propose a novel method that computes visual saliency maps from multimodal data obtained from indoor scenes, whilst keeping region consistency. Multimodal data from a scene are first obtained by an RGB+D camera. This scene is then segmented into over-segments by a self-adapting approach to combine its colour image and depth map. Based on these over-segments, we develop two cues as domain knowledge to improve the final saliency map, including focus regions obtained from colour images, and planar background structures obtained from point cloud data. Thus, our saliency map is generated by compounding the information of the colour data, the depth data and the point cloud data in a scene. In the experiments, we extensively compare the proposed method with state-of-the-art methods, and we also apply the proposed method to a real robot system to detect objects of interest. The experimental results show that the proposed method outperforms other methods in terms of precisions and recall rates.