粒计算在图像拼接中的应用研究

应用粒计算理论提出了一种新的基于特征的图像拼接算法.图像拼接技术的关键在于图像配准问题,采用的配准方法是首先建立图像的粒计算模型,对图像进行边缘检测得到边缘图;在边缘图中利用梯度信息提取图像特征点;对两幅图像的特征点进行相关操作找出匹配特征点.实验结果表明文中所提算法的运算效率和拼接结果优于传统算法,且算法稳健,取得了良好的效果.     

基于机器视觉的汽车管件法兰尺寸检测系统

针对目前汽车管件法兰采用传统人工抽检测量时存在效率低、误检率高等问题，开发基于机器视觉的汽车管件法兰尺寸检测系统，提高检测效率与测量精度。使用HALCON软件对相机进行标定，采用中值滤波对待测图像进行去噪处理，然后采用灰度化进行图像增强，完成图像预处理，利用Canny算子对图像进行亚像素边缘检测后，使用最小二乘法对提取的亚像素边缘信息进行拟合得到连续的孔径轮廓，获得法兰端面尺寸，再通过HALCON与C#联合编程显示测量结果，最后与影像测量仪的测量结果进行对比分析。实验结果表明：该检测系统的测量精度可达0.08 mm,满足测量精度要求；法兰检测时间为1.2 s,与传统人工检测相比，检测效率提高70%,可应用于实际生产现场。     

基于2D预处理的点云分割和测量研究

针对传统 3D 工业相机获取的点云数据进行工件检测时因工件粘连和噪声干扰导致边缘分割问题,考虑点云数据量大 影响检测实时性和 3D 特征点选取不准确导致测量误差大的因素,提出一种基于 2D 边缘检测的预处理方法,实现点云快速分 割和测量。 首先,采用改进的 Canny 算法对有序点云的纹理图像进行边缘检测,将检测后的图像进行数学形态学操作和轮廓检 测完成纹理图像分割,规避了在 3D 空间中进行分割处理,有效减少了点云数量;其次,结合工件的形状特征和放置方式,利用 掩膜操作提取出有序点云数据,使用基于 RANSAC 和条件滤波结合的方法对分割后的点云进行自适应阈值滤波处理,有效去 除了噪声点云;最后,对经过预处理后的目标点云基于 PCA 的包围盒去计算工件尺寸以及表面法向量。 实验结果表面,和传统 的 3D 分割算法相比,能够更准确的提取出目标点云,有效减少了待处理点云数量,整体分割效率提高了约 20%;工件尺寸的平 均相对误差约 1. 24%,可以满足测量的需求。     

基于改进Zernike矩的轴类零件尺寸测量方法

轴类零件尺寸视觉测量当前多采用像素级边缘检测算法,难以适应工业自动化高精度测量需求。为提高轴类零件轴径尺寸测量精度,本文提出一种基于改进Zernike矩的轴类零件尺寸测量方法。首先利用Canny边缘检测算法对轴图像进行粗定位,获取像素级边缘。其次,根据图像目标与背景间灰度差异,提出基于多阈值Otsu的Zernike矩最佳判定阈值获取方法,获取亚像素级边缘。最后,提出基于边缘点搜索的改进最小二乘法拟合轴图像边缘直线,获取轴径尺寸测量值。实验结果表明,以自行车后轴轴径尺寸测量为例,本文算法相比传统Zernike矩方法稳定性更高,与人工测量值相对误差在0.011%以内,测量精度满足工业零件尺寸测量中自行车轴直径6级公差精度要求。     

基于图像处理和Hough变换的轮对踏面轮廓检测方法

轮对作为列车走行部的重要组成部分,对其踏面轮廓的在线实时检测意义重大.为实现非接触式在线测量,基于图像处理的自动检测方案可以实时准确的检测轮对踏面轮廓,以激光作为光源照射轮对,同时用面阵CCD采集踏面光带图像,通过分析光带图像特点以及Hough变换获取轮对轮廓,提出了对Hough变换方法的改进,包括前期图像预处理、边缘检测和直线圆弧信息聚类存储算法.在实验室模拟了现场试验,分别对改进方法和未改进方法进行了对比试验,同时将基于该方法下提取的轮廓测量的几何参数与传统测量的几何参数结果进行了对比,结果证明提出的方法有效地提高了测量的效率、实时性和准确性.     

基于双目立体视觉的连铸辊尺寸三维测量方法

针对连铸车间中,扇形段连铸辊尺寸人工测量效率低下的问题,提出了一种基于双目视觉系统的连铸辊尺寸测量方法。首先,对双目相机采集的图像进行预处理并采用Otsu法分割工件前后背景;接着,针对边缘检测精度不高的问题,将传统Canny边缘检测算法的梯度模板增加到8个以提取工件轮廓,结合多项式插值公式提取亚像素级别特征点;然后,在SAD与Census变换融合的立体匹配基础上引入RANSAC算法来消除错误匹配;最后,采用三角测量原理计算出零件的尺寸。实验结果表明,系统测量的平均相对误差为0.14%,测量方法具有较高的精度,其稳定性与精确性满足连铸辊的尺寸自动检测任务。     

改进Canny算子下的工件尺寸测量

针对人工用游标卡尺测量手工捏花尺寸效率低下的问题,提出一种改进的自适应Canny算子测量手工捏花尺寸的方法。首先,引入均值漂移法分割图像,图像颜色变得渐变、细纹纹理平缓;其次,用大致轮廓的平均像素值选择性的替代边缘检测的高阈值,以达到较好的自适应提取边缘的目的;再次,scharr算子代替sobel算子,增强了弱边缘的提取能力;最后,去掉小型连通域并且用主成分分析方法(PCA)获取轮廓的主方向,求取主方向直线方程,通过轮廓点在该直线上的最大投影距离获得捏花的长度,轮廓点在该直线的垂直方向上的最大投影距离获得捏花的宽度。实验表明,在对不规则物体的识别率上,本文方法比其他方法有着显著的提升,准确率达到97%,与真实值误差2 mm左右,并且通过强光、弱光、侧面光实验对比分析,该方法受光照影响较小,满足工业自动化需求。     

基于篡改区域轮廓的图像拼接篡改盲取证算法

为了解决传统图像拼接篡改检测方法特征单一、检测方法固化、篡改区域定位偏差大等问题,提出了一种基于篡改轮廓的图像拼接篡改检测方法。该方法对图像拼接篡改痕迹进行分析,在频域中建模,提取多步马尔可夫特征表征系数转移特性,并提取局部信息熵与差分激励表征当前位置系数分布变化情况。该算法将三种特征进行融合,并采用Real_Adaboost分类器进行训练,以输出每个像素属于轮廓或者其他区域的概率。最后,采用条件随机场(CRF)对分类器输出结果进行后处理,以获得更加准确的篡改轮廓线。根据标准数据集CASIA2、Columbia上的测试结果显示,该算法的分类与定位性能均优于传统的基于手工设计特征的拼接检测算法。     

基于改进梯度加权的零件图像高精度聚焦方法

以标准量块为实验对象,针对环形光源照射下的零件图像易出现倒角特征成像存在宽边缘,手动调焦缺乏相机聚焦的客观性而导致图像聚焦不精确等问题,提出一种基于改进梯度加权的零件图像高精度聚焦方法。首先采用条形光源45°布置的照射方式,消除倒角特征在成像中的宽边缘。其次,基于改进Otsu实现自适应分割阈值获取,提取图像特征边缘点。接着,基于4方向Sobel算子获取边缘点梯度值。然后,根据像素点与其8邻域像素点灰度分布差异值大小,获取像素点梯度加权系数。最后,通过改进梯度加权的聚焦评价函数完成图像清晰度评价,获取精确聚焦图像,实现高精度尺寸测量。实验结果表明,该方法相比传统高精度测量方法精度更高,与人工测量值相对误差在0.002 4%以内。改进聚焦评价函数相比传统评价函数清晰度比率平均提升75倍,灵敏度因子平均提升5倍,陡峭度平均提升1倍。     

基于轮廓角点检测的螺纹关键参数视觉测量方法

为解决现有螺纹关键参数视觉测量方法中易存在螺纹角点误检和漏检导致测量精度降低的问题,本文提出一种基于轮廓角点检测的视觉测量方法。首先,使用双边滤波和迭代阈值法改进Canny算子,提高边缘检测的精度;其次,使用双阈值DP算法和Hough变换对轮廓进行分段拟合,在保护边缘的前提下平滑轮廓,并在此基础上使用CTAR算法提取螺纹牙顶、牙底的角点;最后,根据角点的位置信息实现螺纹大径、小径的测量。实验结果表明,相对于现有使用Canny算子和Harris角点检测的视觉测量方法,该方法能准确可靠地检测螺纹的边缘和角点,实现螺纹参数的高精度测量,螺纹大径、小径的平均测量精度分别达到0.003 3 mm和0.002 6 mm。     

薄壁零件复杂光照情况下的轮廓特征识别

针对工业生产线薄壁零件识别中存在的零件轮廓识别受光照影响较大的问题,将颜色恒常性技术应用到工业生产线轮廓识别中,基于Retinex、HSI及边缘检测算法的基本原理,提出了一种薄壁零件复杂光照情况下的轮廓特征识别算法用于薄壁零件的图像恢复和轮廓识别.该方法首先使用HSI颜色空间对图像的亮度进行提取,然后利用改进Retin...     

改进 ORB 特征提取环节的视觉 SLAM 算法

为了解决传统 ORB-SLAM2 算法尺度不变性较差和光照环境变化复杂导致定位跟踪不稳定的问题,提出了一种基于 B-Spline图像金字塔的自适应阈值 ORB 特征点提取方法。首先采用 B-Spline 图像金字塔的方法,将图像层层划分,随后,通 过计算图像周围的特征点的灰度值来设置自适应阈值,以便阈值随着光照变化而自动调整,从而实现图像特征点的有效提 取。对改进部分分别实验验证,在光照环境发生较大变化时,改进方法在特征提取时重叠点降低且提取范围更加均匀,在图 像尺度发生变化时,改进方法的特征匹配数量提升了近1倍,在轨迹追踪实验中,改进方法得到的估计轨迹误差降低了20% 以上。改进的 ORB-SLAM 算法能够提高在复杂环境下机器人的定位精度。     

基于降采样和改进Shi-Tomasi角点检测算法的PCB图像拼接

针对大型多重复单元PCB图像拼接耗时长、拼接错误率高等问题,提出了一种快速鲁棒的图像拼接方法.对采集到的高分辨率PCB图像进行降采样,基于人工选点精准获取含重叠区域的图像单元作为配准区域;引入抑制半径的方法对Shi-Tomasi角点检测算法进行改进,使提取出的区域特征点分布更加均匀;使用暴力匹配方式分别对区域特征点进行粗匹配并通过RANSAC算法剔除误匹配点对后获得配准系数矩阵;结合仿射变换公式推导计算出原图像的配准系数矩阵,根据配准系数矩阵对待拼接的图像进行融合,得到完整的PCB拼接图像.实验结果表明,所提出的PCB图像拼接方法,加快了PCB图像拼接的速度同时也提高了特征点匹配精度,在对图像降采样8倍下,改进的Shi-Tomasi算法较传统的Shi-Tomsi算法和Harris算法在匹配正确率上分别提高了7.8％和4.0％,验证了该方法的可行性.     

基于提升小波变换的指针式仪表图像边缘检测

为解决工业中对指针式仪表的自动检定,针对自动检定系统中所涉及的图像边缘检测技术难点,分析了现有传统算法的不足之处,提出一种有效的基于提升小波变换的边缘检测算法。该算法利用提升小波变换尺度的低通作用,避免受高频噪声影响,在传统边缘检测算法的基础上,提取低频轮廓。利用小波系数的方向性,结合方向性边缘检测算子,获得高频边缘信息,最后利用小波重构获得准确清晰的图像边缘,为后续Hough变换准确的提取指针提供了有利保障。实验结果表明,该算法得到的图像边缘较传统Canny算法更清晰准确,无虚假边缘,应用于仪表自动检测系统中是可行的。     

DAISY和LBP描述符结合的三维点云粗拼接方法

针对三维点云拼接需借助点云信息几何特征的问题,采用DAISY描述符和LBP描述符结合的方法提取相邻测量站位重叠区域图像特征,解算出相邻测量站位坐标系之间的位置变换矩阵,从而将多测量站位的三维点云数据初步转换至同一坐标系中。首先,介绍了边缘检测和DAISY描述符的构建;然后,通过欧氏距离对相邻图片特征点进行匹配,根据匹配点之间的关系解算出不同站位下的坐标转换关系。实验结果表明,该方法在不使用其他辅助工具的前提下可以较好实现三维点云数据粗拼接,为点云拼接技术在三维重建和逆向工程等领域的应用提供了理论依据。     

改进 ORB 提取匹配算法的 SLAM 应用研究

由于传统的ORB特征点提取匹配方法在图像纹理信息不丰富或者光照变化剧烈时极易产生特征点丢失、分布不均等问题,不利于SLAM系统的定位与建图。为此本文提出了一套较为鲁棒、精度较高的提取匹配算法。首先基于ORB特征点对其提取算法进行改进,计算自适应阈值并基于网格模型提取特征点,可提高特征点提取的鲁棒性并使其分布均匀。此外还提出了G-R图像匹配算法,基于网格特征计算邻域支持估计量来区分正误匹配点,再结合引入评价函数的RANSAC算法进一步剔除误匹配点,相比ORB-SLAM2原始匹配算法提高匹配精度9.36%,并减少时间消耗约13.6%。最后将本文提出的特征点提取匹配算法加入到ORB-SLAM2算法框架,经数据集与实际场景验证本文方法能有效提高ORB-SLAM2系统定位精度36.6%以上,使系统更具鲁棒性。     

基于AKAZE和PROSAC的风机叶片裂纹图像拼接方法

为获得完整且高分辨率的风机叶片裂纹图像,利用图像拼接技术将多张高分辨率图像拼接成一副完整的图像。针对风机叶片裂纹图像特征检测困难、匹配率低和拼接质量差的问题,提出一种基于AKAZE算法和PROSAC算法的图像拼接方法。首先,该方法利用AKAZE算法检测图像特征点,并生成二进制的特征点描述符;然后,将汉明距离作为相似度测量对特征点进行暴力匹配,在此基础上采用PROSAC算法优化特征匹配结果,并计算图像变换矩阵;最后,使用渐入渐出融合算法消除拼接痕迹,获得完整的叶片裂纹图像。试验结果表明,本文方法能够检测出数量丰富的特征点,匹配正确率在95%以上,拼接精度约为0.7个像素,并且拼接速度较SIFT方法提升了17%。AKAZE+PROSAC方法可以更好地满足高分辨率风机叶片裂纹图像拼接的需求。     

基于深度神经网络和随机森林集成模型的ADS-B辐射源个体识别

针对辐射源个体识别中单一神经网络随着辐射源个体数量的增加，模型的识别准确率显著下降的问题，提出一种基于深度神经网络和随机森林集成模型的广播式自动相关监视(ADS-B)辐射源个体识别方法。该方法利用多种深度神经网络模型和随机森林对增强数据集进行训练，然后利用集成学习方法中的硬投票方法对各网络模型和随机森林识别得到的结果进行集成表决，使得识别结果更具有说服力，同时在在辐射源个体数量增加的情况下依旧保持较高的识别率。实验结果表明，在融合了DRSN、VGG、ResNet、GoogleNet、DenseNet 5类神经网络和随机森林后，相比于单一的神经网络，识别准确率能够提升了3%～20%,且在辐射源个体数量增加的情况下依然能保持较高的识别准确率。