基于Otsu方法的钢轨图像分割

由于钢轨图像灰度分布不均,一般的图像分割法难以将目标从背景中分割出来,故本文提出了目标方差加权的类间方差阈值分割法对钢轨图像进行阈值分割。分析了钢轨图像的特点,总结了加权的目标方差(Otsu)方法及其它全局阈值分割法对钢轨图像分割存在的问题。然后,对Otsu方法进行改进,以目标出现的概率为权重,对类间方差的目标方差加权,使分割阈值靠近单模直方图的左边缘和双模直方图的谷底。最后,计算图像的错误分类误差、钢轨图像的缺陷检测率和误检率来验证算法的有效性。实验结果表明,改进的Otsu方法能有效地分割钢轨图像,错误分类误差接近0。与其它阈值分割法如Otsu法、其它改进的Otsu法、最大熵阈值分割法相比,本文方法对钢轨图像的分割效果更优,缺陷检测率和误检率分别为93%和6.4%,适合机器视觉缺陷检测的实时应用。     

基于小波多尺度分解的竹条缺陷检测算法

在竹条缺陷的图像检测过程中,针对缺陷种类多,尺寸和形状变化大且竹纹理干扰大,提出一种竹条缺陷检测算法。首先设计了竹条边界检测算法,以判断竹条的三角条缺陷;其次对竹条图像的小波分解子图像进行32灰度级量化处理,经过分析图像共生矩阵的逆差矩差分值来获取最佳的小波分解层,实现了对竹纹理的滤除;最后结合Otsu自动阈值检测方法,完成了竹条常见的6种缺陷的检测。经过实验,该算法准确稳定,能有效滤除竹纹理的干扰,竹条缺陷检测效果较好。     

基于机器视觉的连接器缺陷自动检测

针对人工检测连接器效率低、易漏检,严重影响产量与质量,提出一种基于机器视觉的非接触式自动检测方法。连接器的缺陷存在于本体的内外表面,选择合适的照明方案使缺陷都能被采集到;缺陷特征类型多、差异大,利用卷积滤波处理得到高质量的图像,缺陷特征与背景区别明显;最后,应用Otsu阈值分割处理,采用边缘直线建立坐标系的方法自动定位检测有效区域,消除了产品的位置误差;统计目标像素数,检测目标。实际检测表明,该系统检测结果稳定,正确率高,速度快,可满足连接器生产自动检测的实际需求。     

网格布断裂缺陷检测方法的研究

针对传统自动化设备在网格布断裂缺陷检测方面的不足,提出了一种基于机器视觉的网格布断裂缺陷检测方法。首先,获取网格布的高对比度图像,利用中值滤波去掉图像中的噪声,采用Otsu阈值分割算法实现目标和背景的分离。根据网格部分断裂和完全断裂的两种缺陷特点,分别设计针对性算法。网格部分断裂的特点是由背景生成的凸包区域内包含有目标物体,因此采用Blob分析和凸包检测相结合的方式,实现对此种缺陷的检测。当网格完全断裂时,缺陷区域与相近区域的位置信息会发生变化,通过分析网格骨架交点生成的圆形区域内连通区域的数目,可以完成网格完全断裂缺陷的识别。实验结果表明,该方法可以应用于网格布的断裂缺陷检测,缺陷识别率在97%以上,可以满足检测要求。     

改进的Otsu算法在缺陷检测中的应用

针对传统Otsu算法对灰度直方图中仅存在"单峰"的图像难以分割的问题,提出一种分类加权的Otsu分割算法。该方法通过对Otsu算法的两项类间方差进行分析,对每项类间方差以及整体方差分别引入加权系数,并给出了加权系数的自适应选取方式。实验表明,此方法对缺陷灰度值大于平均灰度值,或者缺陷灰度值小于平均灰度值的"单峰"缺陷图像都能实现有效分割。     

基于三分量色差法的交通标志分割

为了改善交通标志在RGB模型下的颜色分割效果,提出了一种基于三分量色差法的动态阈值分割改进方法。该方法首先提取了RGB彩图的R、G、B三分量,并根据要提取的交通标志颜色选择了合适的特征算子对三分量作代数运算,得到了色差灰度图像;然后对该色差灰度图像使用了Otsu法动态选取阈值进行分割。实验结果表明,对不同自然光照条件下的交通标志场景图,该改进方法都能较好地实现交通标志和图像背景的分割,提高了交通标志形状检测步骤的准确度和速度。     

基于机器视觉的浮空器囊体材料表面缺陷检测系统

在复杂气象环境下,浮空器囊体作为整机系统的直接受压面,其表面必须平整光滑,无褶皱损伤,以将其与空气的摩擦力降至最小。文中基于机器视觉对浮空器囊体材料表面缺陷检测进行系统设计。首先为了降低背景灰度变化对缺陷检测的影响,研究了一种同时具有噪声滤除与图像增强功能的预处理算法;其次利用图像二值化和中值滤波技术实现特征图像的预处理,并结合纹理特征提取技术（基于灰度共生矩阵）对囊体材料表面不同缺陷图像的特征参数进行仿真提取,通过分析不同特征参数,判断囊体材料的表面缺陷类型。该系统对采集到的200个囊体材料表面缺陷样本的分析表明,所用方法能识别浮空器囊体材料93.6%的表面缺陷,识别内容包括缺陷的类型、位置、大小等,并根据缺陷的类型加盖不同的标记。该系统具有较高的识别率和准确率,可对浮空器囊体材料表面缺陷进行快速检测。     

光照不均环境下的手机外壳缺陷检测研究

针对实际手机外壳图像采集过程中遇到周围环境光照不均导致采集图像不清晰的问题,提出一种适用于光照不均环境下的手机外壳缺陷检测方法。首先用图像二值化、灰度化、图像修正旋转等算法对采集到的图像进行图像预处理,提取手机外壳主轮廓,然后利用双阈值的改进Bensern二值化算法对图像进行去光照影响处理,再采用自适应边缘检测Canny方法进行缺陷轮廓提取。最后提取缺陷感兴趣区域,并用轮廓绘制算法标记缺陷轮廓的大小。实验表明,该方法缺陷提取准确率高,实用性强,具有良好的检测效果。     

机器视觉在网片缺陷检测与分类中的应用

针对网片缺陷传统人工检测方法误检率高、劳动强度大等问题,应用机器视觉技术,提出了一种网片缺陷在线检测及分类方法。首先通过工业相机获取网片图像,应用中值滤波和图像二值化方法实现对网片图像的预处理。通过分析缺陷特征,提出了基于特征点的网片缺陷检测方法,在检测出缺陷的同时能对网片三种缺陷类型进行预分类。根据网片缺陷类型的不同,通过计算缺陷区域的灰度共生矩阵并提取4个特征参数,运用BP神经网络对网片缺陷进行分类。实验表明,使用本方法分类网片缺陷类型能满足工业要求。     

光伏组件故障诊断方法研究

光伏组件工作一段时间后会产生裂纹、热斑等故障,针对裂纹的大小不同对光伏组件发电量的影响不同的问题,提出了一种基于改进Otsu算法的图像处理方法对光伏组件裂纹部分进行分割、提取、量化.改进Otsu算法是在传统Otsu算法的基础上对顶帽变换后的图像进行灰度值拉伸并计算阈值的方法.首先,通过透视变换法,将无人机航拍的光伏组件进行倾斜校正,从校正图像中截取出单片光伏板的图像;其次,运用顶帽变换与改进Otsu算法相结合的方法对图像中的目标区域进行分割提取,并标记提取区域;最后,计算标记出的目标区域即裂纹的面积.实验结果表明透视变换与改进Otsu算法相结合的方法可以自主完成从航拍得到光伏板图像到裂纹面积计算的全过程,且改进Otsu算法对光伏板图像的处理具有运算速度快,计算效果好的优势.     

直线道路识别实用性的优化分析

为了提高车道识别的实时性与鲁棒性,提出了一种车道识别优化方法。通过建立强鲁棒性的车道模型,对传统的道路图像边缘算法优化处理:图像预处理中充分考虑实用性,采用了加权平均法实现灰度化、中值滤波法降噪处理以及自适应Otsu法二值化分割图像、Canny算法实现边缘检测;基于模型利用极角极径法提取图像的感兴趣区域,改进Hough算法实现有效车道线的识别。最后实验证明,通过与传统方法比较,该算法极大提高了车道识别的效率并且增强了可靠性。     

基于Matlab的铸造件表面缺陷图像预处理

针对铸造件的表面缺陷检测问题,采用机器视觉检测技术,通过CCD摄像头获取铸件的表面缺陷图像,Matlab读取该图像并通过图像处理函数对其进行图像预处理。本文对图像预处理的步骤包括图像去噪、阙值处理以及边缘检测,经过Matalb仿真分析得出,图像去噪采用均值滤波平滑,阙值的值为80,边缘检测采用canny算子。通过对铸件缺陷图像的预处理我们发现,Matlab图像处理能取得较好的效果,为后续的图像特征提取、缺陷识别打下坚实的基础,同时也为其他零件的表面缺陷图像处理带来实际的借鉴价值。     

基于机器视觉的齿轮端面缺陷检测方法

为了更好的识别齿轮端面在加工过程中所出现的表面缺陷,本文提出了一种基于机器视觉的齿轮端面缺陷检测方法,该方法将会通过对齿轮端面图像的预处理及识别过程,对端面上缺陷的存在性及缺陷类型进行快速且准确的识别。同时,为了实现检测方法所需的图像多分类任务,本文对一般的支持向量机分类算法进行了改进,同时,利用多线程编程方法加速了对缺陷图像的分类过程。最后,本文还通过控制单元实现了对不同类型缺陷的识别反馈。经图像分类测试,本文所述的缺陷检测方法对本文所涉及的工件表面缺陷图像的识别准确率可达100%。     

基于图像灰度梯度特征的钢轨表面缺陷检测

利用机器视觉技术检测钢轨表面缺陷时,检测结果的准确性易受光照变化、钢轨表面反射不均和锈迹等因素的影响。为此,提出了基于图像灰度梯度特征的钢轨表面缺陷检测方法。首先,在设计钢轨表面缺陷检测装置的基础上,分析了钢轨图像中不同区域的灰度和梯度特征;然后,基于双边滤波思想设计了背景平滑滤波器,利用局部灰度和梯度变化信息自适应调整不同特征区域的平滑程度,对原图像平滑得到背景图像;最后,将原图像与背景图像差分,通过对差分图像阈值分割并利用连通区域标记法,实现钢轨表面缺陷检测。实验结果表明,该方法可以在凸显图像缺陷部分的同时,有效减弱光照变化、钢轨表面反射不均和锈迹的影响,对不同轨道环境下的疤痕和裂纹缺陷均取得了较好的检测效果,缺陷漏检率和误检率分别为5.79%和6.84%,具有一定的实用价值。     

基于改进 Canny 算子的锂电池极片表面缺陷检测

针对目前锂电池极片表面存在低对比度微小缺陷难以检测的问题,提出了一种基于改进Canny算子的锂电池极片表面缺陷检测方法。首先,使用双边滤波改善高斯滤波在降噪时可能造成的图像边缘模糊问题,并在此基础上引入多尺度细节增强算法来增强低对比度图像;其次,基于Sobel算子的3×3梯度模板计算极片图像的梯度幅值和梯度方向;最后,基于最大熵和Otsu算法自动获取图像的高、低阈值,通过逻辑与运算对两种算法阈值分割后的检测结果进行边缘融合,并利用形态学闭运算和细化算法修复不连续边缘,得到最终检测边缘。实验结果表明,传统Canny算子和Otsu-Canny算法难以有效检测不同类型的暗斑、露箔和划痕缺陷,而本文算法对这些缺陷均取得了较好的检测效果,能够在突出目标缺陷区域的同时,有效减少同色度背景噪声,正确检测率达98%,具有一定实用价值。     

基于机器视觉的轮毂轴承缺陷检测方法研究

本文针对人工检测轮毂轴承缺陷效率低、人为因素影响大的问题,提出了一种基于机器视觉的轮毂轴承缺陷检测的方法。首先,对采集到的轮毂轴承的图片进行预处理,对预处理后的图像进行匹配,实现对目标与缺陷区域的快速粗定位;然后采用基于区域灰度值的图像分割和基于区域形态学的最小二乘法进行缺陷提取。实验表明,采用本方法提取的轮毂轴承缺陷与实际的缺陷图像相似度高,验证了该方法的有效性。     

基于改进的均值漂移算法的羽毛图像降噪

为了减少羽毛纹理背景对羽毛片缺陷分割的影响,需要对羽毛片图像平滑降噪,提出了一种改进的均值漂移去噪方法。通过基于近邻的方法构建正定矩阵,利用样本的邻域信息刻画局部空间结构从而获得各向异性核函数。并且通过定义采样点权重,克服了图像过度平滑问题。实验结果表明该方法在有效地滤除羽毛纹理背景信息同时,能获得更高的峰值信噪比、边缘保持指数和更好的视觉效果,为实现基于机器视觉的羽毛片缺陷检测系统中的缺陷分割和识别奠定了基础。     

阈值分解下的冷轧极薄带钢表面缺陷分割

为分割具有低对比度和噪声复杂的冷轧极薄带钢缺陷,在二维Otsu分割算法的基础上进行了改进。为了避免在一个很大的二维空间上搜索阈值,分解二维Otsu分割算法的二维直方图,分别在图像像素灰度直方图和像素邻域灰度直方图上进行阈值求解,并将获得的阈值作为最佳分割阈值。为改善分解过程中忽略的边缘和噪声影响,将平衡因子加入到像素邻域灰度分割阈值求解中。最后通过大量实验对二维Otsu分割算法、量子粒子群双阈值分割算法和改进分割算法的分割结果进行对比分析。实验表明,该算法能够快速高效地分割出冷轧极薄带钢表面的各种缺陷。     

工业CT图像的缺陷检测研究

铸造过程由于其自身生产工艺的特点,常常会产生缩孔和气孔等缺陷,这些内部缺陷会对零件质量产生不好的影响,也会缩短零件寿命,因此需要准确地识别出这些内部缺陷。通过工业CT设备对铸件进行扫描,可以获得了一系列工业CT切片图像。为了快速提取工业CT图像的孔类缺陷,首先使用二维Otsu自适应阈值算法进行阈值分割,以区分工业CT图像中的物体与背景,然后通过Sobel算子得到图像的初始边缘轮廓,再基于拉格朗日插值法进行亚像素边缘检测。实验表明,该方法可以有效地识别铸件工业CT图像中的缩孔和气孔缺陷。     

基于背景差分的高铁钢轨表面缺陷图像分割

高铁钢轨表面图像具有光照变化、反射不均、特征少等特点,使得缺陷自动检测极为困难。为了在高速运动过程中,从复杂的钢轨表面图像中分割出缺陷,根据钢轨表面图像具有沿钢轨方向像素值基本不变的特征,建立钢轨表面图像背景模型,提出了基于背景差分的钢轨表面缺陷检测算法,主要包括钢轨区域提取、背景建模差分、阈值分割和图像滤波4个步骤,其主要特点是将视频监控中的背景差分法推广到缺陷图像分割领域,同时借助自适应阈值分割和滤波技术,在一定程度上,解决了铁轨表面缺陷分割过程中图像光照变化、反射不均、特征少等不利因素的影响。实验仿真和现场测试结果均表明,该方法对块状缺陷能很好地识别,召回率和准确率分别达96%和80.1%。