共查询到19条相似文献,搜索用时 875 毫秒
1.
基于改进随机Hough变换的快速中心检测方法 总被引:1,自引:0,他引:1
为了实现芯片焊盘的中心提取,建立了显微视觉系统,研究了焊盘中心坐标的图像检测方法.该方法将改进的随机Hough变换与最小二乘法结合起来,实现对焊盘中心坐标的快速准确定位.首先,根据焊盘基本为圆形的特征,初步确定使用Hough变换法和最小二乘法进行中心检测.其次,分析了这两种方法存在的问题和不足,引出了改进的随机Hough变换法.最后,根据焊盘边缘凹凸不平的特点,将改进的随机Hough变换法和最小二乘法结合起来,通过随机Hough变换检测出焊盘中心的大致坐标,进而锁定焊盘边缘,再通过最小二乘法对中心坐标进行修正而得到精确的亚像素级中心坐标.实验结果表明,该方法的检测精度可达0.57μm,运行时间在12 ms以内,满足显微视觉系统的精度高、速度快和抗干扰能力强等要求. 相似文献
2.
直线拟合方法在一维图像边缘检测中的应用 总被引:7,自引:1,他引:6
在线阵CCD测量系统中采用直线拟合方法检测一维图像边缘。首先,测量系统通过线阵CCD获得一维图像,基于阈值比较法,对图像信号设置高、低阈值,截取边缘信号的中间部分作为拟合窗口;然后,利用最小二乘法,对拟合窗口内的边缘信号进行直线拟合;最后,利用图像亮、暗电平的中间电平作为阈值截交拟合直线,以此交点作为图像边缘点的位置。实验结果和分析表明,与阈值比较法相比较,直线拟合方法具有重复精度高、稳定性好的优点,能有效抑制随机噪声的影响,因此可以有效检测一维图像边缘位置。 相似文献
3.
Hough变换快速检测圆形PCB Mark 总被引:8,自引:1,他引:7
提出一种Hough变换检测圆形PCB(PrintedCircuitBoard,印刷电路板)Mark的方法。对检测图像进行阈值变换,并利用区域面积分割,将Mark区域和背景及噪声分离开来。计算Mark区域中心点,Hough变换圆心累加范围限制在这个中心点附近区域。依据Mark实际尺寸计算检测图像中Mark的半径,将累加器从三维降为二维。对检测图像进行Canny算子边缘检测后,采用先大间隔后小间隔的粗细累加策略,完成Hough变换检测。在全视觉贴片机SMT2505上应用表明,Mark中心检测误差和执行时间分别小于1个像素和50ms。继承了传统Hough变换检测精度高、抗噪能力强的优点,速度比传统Hough变换提高了2~3个数量级。 相似文献
4.
基于SUSAN和Hough变换的直线边缘亚像素定位方法 总被引:3,自引:0,他引:3
提出了一种基于SUSAN算法和Hough变换的直线边缘亚像素定位方法.在该方法中,给出了SUSAN算法模板选择的依据,同时定义了直线边缘响应函数并引入加权Hough变换.首先,利用直线边缘响应函数对直线边缘进行提取;然后对具有响应值的灰度点进行Hough变换并将该响应值作为权值记入参数空间累加器,得到粗定位;在粗定位的基础上对映射区进行局部细化,并对区域内点进行拟合,最终得到直线边缘精定位.实验证明:直线边缘定位精度可达0.3 pixels,同时为解析曲线亚像素定位提供了一种新的思路. 相似文献
5.
6.
基于改进的Hough变换缸套内面网纹夹角检测 总被引:1,自引:1,他引:0
目的缸套内面网纹角是影响缸套性能的重要参数,为了在生产过程中快速准确检测出网纹角参数,剔除不合格产品,研究基于改进的Hough变换缸套内面网纹夹角检测方法。方法确定缸套图像的预处理算法,增强图像网纹特征,滤除次要信息;确定基于Canny算子的网纹特征边缘分割方法;确定基于改进的Hough变换网纹直线特征提取方法,通过计算提取直线夹角的平均值得到缸套网纹角值。结果试验表明,基于改进的Hough变换网纹角检测结果与进口仪器检测结果相比,平均误差为1.54%,检测精度高。结论提出的检测算法可准确识别缸套内表面网纹角,能很好地代替传统人工复膜检测和昂贵的进口检测仪器,满足工业现场自动检测的需要,提高了检测的效率和精度,降低了检测成本。 相似文献
7.
8.
基于凸包的椭圆检测方法 总被引:1,自引:1,他引:1
用于检测曲线的Hough变换及其改进方法都不同程度存在运算速度慢、需要大量的储存空间等缺点,因此本文利用椭圆的几何性质降低检测的时间及空间需求,提出了用凸包的方法和Pascal定理来进行椭圆检测.首先从边缘点中随机挑选六个点,进行凸包检测,并将此六点排序;然后利用Pascal定理来判断此六点是否来自同一个椭圆,随后利用拟合得方法求出候选椭圆参数,最后利用包含凸包的最小矩形内的边缘点对超过阈值的累加参数进行验证.实验结果表明,文中算法能快速检测图中的单个或者多个椭圆,并且在具有噪声的情况下,与改进的随机Hough变换算法相比,其检测速度快一倍左右. 相似文献
9.
《现代电影技术》2017,(7)
准确定位电影院中的座椅对于统计电影院中观影人数和观影过程中人行为的检测是十分重要的。同时,由于现有电影院中的实时监控是红外图像视频,具有分辨率低、对比度差等特点,因此,红外电影院图像中座椅的定位变得较为困难。Hough变换具有对图像中直线的残缺部分、噪声以及其他共存的非直线结构不敏感的特性,具有较强的抗干扰性和鲁棒性。本文提出一种基于Hough变换的远红外电影院图像中座椅的定位方法。通过观察远红外图像中座椅的分布情况,估计出符合座椅边界的曲线方程,对该方程进行Hough变换,从而定位座椅。利用该方法避免了由于远红外图像座椅与背景对比度差、边缘模糊、视觉效果较差等原因造成的不易检测边缘曲线的问题。经实验证明,基于Hough变换的规则红外目标的检测方法具有可行性,且检测效果好。 相似文献
10.
针对实际图像中采用传统Hough变换准确提取直线存在的问题,结合双阈值栅格除噪法,提出了一种改进的线段提取方法.该方法以Hough变换峰值参数逆变换提取线段特征,并将其连接成直线,在传统Hough变换算法的基础上增加了极大值线段的融合连接过程,去除伪峰值和峰值扩散引起的交叉线段等改进方法.实验结果表明:该方法能在干扰和噪声较强烈的实际图像中完整地提取出目标线段,对线段量化误差、断裂、线段信息丢失具有较强的鲁棒性.以Hough空间局部极大值所对应线段为主,以其邻域峰值点对应线段为补充的线段特征提取方法具有较高的准确性.本方法对视觉引导技术的实用化具有参考价值. 相似文献
11.
基于CCD成像和数字图像处理的小孔检测得到了广泛的应用.通过对小孔成像然后提取小孔边缘,将边缘数据拟合后得到小孔的参数.在常用的拟合方法中,最小二乘法在工程中用最多也最有效.但是当提取的小孔边缘有比较大的凹凸时,直接采用最小二乘拟合会产生很大的测量误差.基于此提出了一种易于实现的用于消除小孑L凹凸影响的改进的椭圆拟合方法. 相似文献
12.
基于统计肤色模型的敏感图像检测 总被引:2,自引:1,他引:1
针对敏感图像的特征,提出了一种基于肤色分布统计特征的敏感图像检测算法。首先,扫描由小波变换系数构造的零树得到图像的显著点,选择显著强的点作为初始检测集,根据检测集的邻接区颜色梯度特征直方图,采用最大熵模型检测显著性点邻接区肤色信息,利用置信传播算法估计模型参数检测肤色值。其次,由视觉感知的封闭轮廓获得肤色区域解决肤色特征光照敏感性问题。最后,采用多超球一类支持向量机进行分类。实验表明:算法分类准确率达96.32%,同时具有较快的分类速度,平均每秒处理7幅图像。 相似文献
13.
14.
基于塔形分解的局部熵差图像配准 总被引:1,自引:1,他引:0
以图像局部熵差为匹配准则,确定关键点的匹配位置。逐点计算图像局部熵,将图像局部熵序列进行塔式分解。采用金字塔式的数据结构,通过从低分辨率图像开始模板匹配,找出粗匹配点,逐步找到原始图像(即高分辨率图像)的精确匹配点,大大减少了计算量。该算法具有良好的抗噪声能力和抗几何失真能力。实验结果表明,当实时图相对于参考图旋转不超过5°时,正确匹配达到76%以上;当椒盐噪声强度不超过5%时,正确匹配达到78%以上;当零均值高斯白噪声方差不超过0.02时,正确匹配达到70%以上。 相似文献
15.
针对气体超声波流量计信号处理中难以找到稳定特征点的问题,从回波信号能量的角度出发,研究了回波信号能量的变化规律。回波能量信号轮廓的上升段中间部分比较稳定且中间部分包络线斜率相对较大,近似一条直线。因此,提出一种基于回波能量峰值点拟合的信号处理方法,即连接回波能量信号上升段相邻的峰值点并求得各连线的斜率,选取斜率较大的4条连线作为特征直线,将这4条特征直线对应的右端点作为特征峰值点,并拟合成一条直线,以该直线与x轴的交点作为特征点,从而计算出超声波的传播时间。在基于FPGA和DSP的双核心系统上实时实现该信号处理方法,并在国家认可的检测机构进行标定实验,结果表明:基于回波能量峰值点拟合信号处理方法的双声道气体超声波流量计系统达到1级精度,可测流量范围为30~1200m3/h。 相似文献
16.
基于图像处理的数字印刷线条质量检测方法研究 总被引:5,自引:5,他引:0
从 ISO 13660 标准定义的数字印刷品线条质量的客观测量指标出发,从图像处理的角度,分析了各个主要质量指标的测量方法。 一方面,按照 ISO 13660 的规定,使用扫描仪以 600 dpi 获取需要测量的图像,然后通过 Hough 变换、边缘跟踪、直线拟合等手段对线宽、粗糙度、模糊度等各个指标进行分析计算;另一方面,通过函数拟合建立了灰度值与密度值之间的关系,实现了 ISO 13660 中关于暗度的计算。 最终选取 5 组样本,以验证算法效果,结果表明该算法能够较好地实现对数字印刷线条质量各个指标的测量计算。 相似文献
17.
针对目前车道线识别系统因处理对象为离线图像或视频文件而难以实现车道线在线识别的问题,大多数车道线识别算法为了减少图像处理运行量,通常选取固定的兴趣区域(region of interest,ROI)进行处理,导致难以适应环境的动态变化且存在不同程度的识别误差。为此,提出了一种基于机器视觉的不设定兴趣区域的车道线在线识别系统。首先,利用VBAI(Vision Builder for Automation Inspection)平台对实时采集的彩色道路图像进行预处理,完成彩色图像的灰度化、滤波及二值化处理。然后,建立图像坐标系,并构建多条向外发散的灰度值采集线,灰度值采集线与车道线相交处的灰度值会发生较大改变,当某点的灰度值高于设定的灰度阈值时,记该点为边缘突变点。接着,借助直线拟合算法对所有车道边缘突变点进行拟合以完成车道线识别,并求解两侧内车道线的远方消失交点坐标和车辆行驶偏离车道中心线的相对航偏角,当相对航偏角超过不同等级的安全阈值时,系统人机交互界面的提示框呈现不同的颜色以进行提醒或预警。最后,借助LabVIEW进行API(application programming interface,应用程序接口)脚本调用,实现图像处理程序的连续运行与车道线在线识别。试验结果表明,所提出的车道线在线识别系统的识别准确率达98.41%以上,相对航偏角的测量误差小于0.056°,图像处理速度达42帧/s以上,兼具识别的准确性与实时性。综上可知,基于机器视觉的车道线在线识别系统可有效识别出不同环境路面的车道线,并实现行驶偏离预警,可将其应用于基于自动驾驶技术的车道保持辅助(lane keeping assist,LKA)系统。 相似文献
18.