数字图像处理在线纹标准器自动检测中的应用

将数字图像处理应用到检测系统的刻线瞄准中.根据图像目标形态单一的特性,采用基于灰度统计的方法对图像进行二值化以及像元尺寸的标定.在静态方式下,采用霍夫变换精确计算图像内刻线中心.动态方式下,通过图像间拟合运算,完成对测点处刻线中心的位置测量.结果表明数字图像处理的方式能够有效提高线纹量具的检测精度和效率.     

影像式钢卷尺标准装置关键技术研究与试验

图像采集及处理是影像式钢卷尺全自动标准装置稳定性、可靠性的关键。该研究对采集的图像进行降噪、阈值分割、图像中刻线边缘检测等技术处理;同时为适应不同生产厂家和不同类型的钢卷尺所具有的刻线特征,设计了最长刻线识别、最靠近起始刻线识别、最高刻线识别三种定位算法;然后,完成样机的试制,并进行相机像素标定及工作钢卷尺示值误差标定;最后选择20 m量油尺、5 m弧面式工作钢卷尺、30 m摇架式工作钢卷尺为试验对象,分别进行重复性试验,得出各钢卷尺示值误差在允许范围之内、重复性试验结果均满足不确定度评定要求。该研究结果为钢卷尺全自动检定、图像处理及边缘检测等技术提供借鉴与参考。     

基于图像数据重排的产品表面缺陷检测算法研究

产品检测时许多无关图像信息增加了参与计算的图像数据量,为解决该问题,提出了一种基于图像数据重排产品表面缺陷检测算法.根据先验知识将产品表面结构明显且不会出错的特征作为产品成像后的周向位置特征,建立起样本周向位置特征库图像序列;同时提取每个周向方位下样本表面各个待识别子目标区域图像数据或变换特征进行有效数据重排作为产品的检测识别特征,建立起产品的检测识别特征库图像序列.检测识别过程中,提取产品位置特征寻找其在标准样本库中最优解确定产品的周向方位,然后提取产品不同方位下的多个待检测区域并进行相同的数据重排,最终完成快速检测识别.经过仿真验证,本文的算法可以大大节省缺陷检测所用时间.     

基于改进的Hough变换缸套内面网纹夹角检测

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。     

基于Canny算子和Radon变换的证件图像倾斜校正

倾斜的证件图像不利于识别,为此提出一种基于Canny算子和Radon变换的校正方法。该方法首先使用Canny算子进行证件图像边缘检测,然后利用Radon变换计算出图像的倾斜角度,最后用双线性插值算法进行图像旋转校正。在Matlab平台对该方法进行了仿真实验。实验结果表明,该方法能够准确、高效地对证件图像进行校正。     

基于改进分水岭算法的苹果识别方法

目的 针对自然生长环境下重叠苹果的识别问题,提出一种基于距离变换机制的改进分水岭算法.方法 首先,通过对比实验优选出苹果在RGB、HSI和Lab颜色空间的图像处理模型;然后,采用距离变换和归一化处理方法对苹果的位置特征进行内部标记;进而基于锐化方法提高原图像的边缘强度,并结合内部标记符改进分水岭算法,实现苹果轮廓的分离;最后,基于最小外接圆法提取苹果的单连通区域,实现重叠苹果的识别.结果 简化了目标与背景的分割过程,通过内部标记法改进了分水岭算法,实现重叠目标的轮廓重建,解决重叠苹果的过度分割问题.结论 实验结果表明,该算法对重叠苹果的准确识别率高于92％,验证了所提方法的有效性.     

基于融合深度特征的含分布式电源配电网智能故障检测

为解决含分布式电源配电网发生故障时无法快速准确获取故障类型、故障相序和故障位置的问题,该文基于深度学习理论和小波变换的思想,提出一种基于融合深度特征的含分布式电源配电网智能故障检测新方法,达到对含分布式电源配电网故障实时识别并准确定位的效果。算法仿真验证结果表明,该方法在故障类型和故障相序识别的准确度方面有一定提高,且对故障位置定位的误差显著降低。     

基于线不变矩和封闭性的遥感图像港口识别

针对遥感图像中的港口目标识别问题,本文提出了一种基于海岸线不变线矩特征与港口海岸线封闭特征结合的识别算法。首先采用边界寻找和阈值分割的方法进行海陆分割和海岸线的提取,然后通过封闭性检测确定港口区域和属于港口区域部分的海岸线,将封闭度和线不变矩特征组成的特征谱作为识别港口的依据,最终实现了对港口的识别。实验结果表明,该算法能够准确地识别遥感图像中的港口目标。     

环境激励下基于改进经验小波变换的土木工程结构模态参数识别

针对经验小波变换(EWT)识别噪声信号模态参数时,由于傅里叶频谱易受噪声影响而频带划分不准确等问题,提出了一种基于Burg算法的自回归功率谱替代傅里叶频谱的信号频带划分技术,结合随机减量技术和基于Hilbert变换的单分量模态参数识别方法,提出了环境激励下基于改进经验小波变换的土木工程结构模态参数识别方法。典型模拟信号、美国土木工程师学会ASCE Benchmark数值模型以及台风激励下香港汀九斜拉桥的模态参数识别结果验证了方法的正确性、有效性和适用性。研究结果表明:基于自回归功率谱的信号频带划分技术,可更准确地估计信号频带边界,隔离噪声;基于改进EWT方法识别的结构模态参数更准确,精度高于基于小波变换的方法,且能有效地识别环境激励下实际土木工程结构的低阶自振频率和阻尼比。     

基于边缘轮廓特征匹配的飞机目标识别

为快速准确识别可见光机场区域遥感图像中飞机目标的机型,提出一种基于边缘轮廓特征匹配进行识别的方法.对图像进行各向异性扩散处理滤除噪声,针对飞机停机位置是否有阴影存在,选择不同策略分割飞机目标.采用一种改进的区域分割方法提取目标,通过canny算子提取边缘轮廓,用主成份分析法获取飞机主轴,沿主轴垂直方向用相等间隔采样,提取主轴两侧边缘点间距作为特征参数.使用等级差数法对特征进行匹配,实现机型识别.实验结果表明,该方法能准确检测、识别飞机目标,统计得目标检测准确率96.44%,识别率94.07%,验证了算法的有效性.可将算法应用在对机场区域军事目标侦查识别中,能较为快速准确地识别飞机目标,体现了算法的应用价值.     

适用于虹膜识别的Gabor滤波器参数选择

Gabor变换实现的难点是Gabor滤波器组的参数选择.本文提出了一种适用于虹膜纹理特征提取的Gabor滤波器组参数选择方法.该方法根据图像分块确定Gabor滤波器的位置因子取值;借助海明距离均值曲线确定滤波器尺度因子;通过建立尺度因子与频率调制因子的关系,最终确定频率因子的取值.实验证明,依据该方法设计的滤波器,能有效提取虹膜纹理特征,得到较高识别准确率达到虹膜识别的目的.     

基于Gabor滤波器的指纹图像增强

通过对传统指纹图像增强算法的研究,提出一种基于Gabor滤波的指纹图像增强算法。根据指纹纹线间距均匀且局部平行的特点,建立了用于指纹图像增强的Gabor滤波函数的物理模型,并利用二维Gabor滤波器可分解为正交方向的一维高斯带通滤波器和一维高斯低通滤波器的特点,将二维滤波分解为两次一维滤波,从而解决了计算量过大的问题,降低了算法的复杂度。实验表明该算法具有良好的增强指纹图像的脊线和抑制噪声的作用。     

一种基于线谱特征函数提取LOFAR图线谱的方法

水声信号被动检测中广泛使用LOFAR图对接收信号进行处理和分析。针对LOFAR图中线谱信号检测问题,根据线谱信号特征设计特征函数,提出频域滑动窗线谱特征累积检测法。该方法在频率轴移动观察窗,用多步决策算法计算每个观察窗的最优解,得到最优路径,如果最优路径特征值大于阈值,则累积LOFAR图像素点被该最优路径经过的次数,次数越多对应点为线谱点的概率越大。仿真研究表明,该方法对频率时变、低信噪比的线谱信号具有良好的检测能力,可实现多根线谱的增强与检测。海试数据处理结果证明了该方法的可行性和稳健性。该算法对于辐射线谱信号的水下目标远距离探测识别有较高的参考价值。     

基于K-means聚类十字线的套印偏差检测方法研究

目的研究并改进基于十字线套准标识符的印刷品套印偏差检测算法,以提升偏差量检测精度。方法使用K-means聚类算法对分色后得到的C,M,Y,K图像分别进行聚类处理,然后分割图像并提取出各色前景像素,进而使用C,M,Y图像中的前景十字线分别减去K图像中的十字线,以消除四色重叠区域的干扰,最后提取十字线中心并计算偏差量。结果使用15幅印刷品图像样张进行实验,改进的基于K-means聚类十字线的套印偏差检测算法的检测结果,比大津法更接近人工测量值,误差在±0.04mm以内。结论基于K-means聚类的十字线分割法对前景十字线的提取,较大津法抗叠印干扰性更强。     

基于视觉的驾驶机器人导航技术

对驾驶机器人的视觉导航技术进行了研究,提出了一种快速可靠的车辆引导线检测算法.该算法首先对感兴趣的移动窗口进行有条件的边缘检测,进而引入了梯度方向直方图的处理思想,制定了车辆引导线边缘候选点集与有效点集的筛选算法,最后,通过所提出的一种基于标量化处理Kalman滤波方法实现了引导线特征参数的快速准确提取.试验表明,本文提出的检测算法能够满足复杂路况下的导航需要,具有30ms/帧的实时处理速度.     

基于直线检测的条码图像几何校正研究

CCD相机采集的图像会产生一定程度的几何变形,需要进行几何校正。常用的图像几何校正方法不适合条码图像的校正,因此,结合已有的边缘检测算法和直线提取算法,提出了基于直线检测的条码图像的几何校正算法。基于直线检测的条码图像校正方法是在已除去背景的图像中,寻找目标的条形码边缘对应的直线,以此确定其偏移角度,并进行扭转校正。实验结果表明,有偏转角度的条码图像运用了所提方法校正后,都得到了有效的几何校正。     

模糊几何特征及其在人造目标检测中的应用

提出具有模糊测度的几何基元特征的人造目标检测方法。根据相交直线段所组合构成的几何基元夹角的模糊测度,将单纯的几何基元特征扩展为模糊几何特征。应用方向算子检测图像边缘,并把边缘拟合成直线段集合;直线段集合扩展成几何基元集合,并根据所定义的模糊隶属函数,用几何基元的夹角构造成基元线段的隶属度列表;通过判断每个子区域内所有线段隶属度之和的最大值定位人造目标。检测自然背景下人造目标的实验表明,该方法检测率高达97％,整个算法的时间复杂度为O（n^2）,并有很好的稳定性且易硬件实现。     

PSO-Gabor-CNN算法在印刷品套印缺陷的检测

目的二维Gabor滤波器含有多个参数,在印刷品套印缺陷检测中,二维Gabor滤波器使用不同参数增强图像特征的效果差别较大,为了获得二维Gabor在某印刷品套印缺陷检测下的优化参数。方法在印刷品套印缺陷检测中,提出一种PSO-Gabor-CNN算法,采用Sobel算子对印刷品图像进行边缘检测,以粒子群算法(PSO)对二维Gabor滤波器的中心最大频率kmax、带宽σ、模板窗口window进行参数寻优,处理后的图像与模板图像采用加权欧式距离进行评价。然后用优化后的Gabor滤波器对图像进行滤波,最后采用卷积神经网络(CNN)对印刷品套印缺陷进行检测和分类。结果通过粒子群算法,确定了二维Gabor中心最大频率kmax为6.0476、带宽σ为0.1444、模板窗口window为27×27取得最佳效果,此时加权欧式距离为1.1927×10-33。卷积神经网络经过70次训练的均方误差为0.0035,测试样本正确率为96.93%。该方法与无数据预处理的BP神经网络(BPNN)、Sobel预处理的BP神经网络(Sobel-BPNN)、无数据预处理的卷积神经网络(CNN)、Sobel预处理的卷积神经网络(Sobel-CNN)对比,表现出了较好的识别效果。结论该方法可以获取二维Gabor滤波器的较优参数,从而获得较好的滤波效果,将其应用于套印缺陷检测,具有一定的应用价值。     

Pinhole detection in steel slab images using Gabor filter and morphological features

Presently, product inspection for quality control is becoming an important part in the steel manufacturing industry. In this paper, we propose a vision-based method for detection of pinholes in the surface of scarfed slabs. The pinhole is a very tiny defect that is 1-5?mm in diameter. Because the brightness in the surface of a scarfed slab is not uniform and the size of a pinhole is small, it is difficult to detect pinholes. To overcome the above-mentioned difficulties, we propose a new defect detection algorithm using a Gabor filter and morphological features. The Gabor filter was used to extract defective candidates. The morphological features are used to identify the pinholes among the defective candidates. Finally, the experimental results show that the proposed algorithm is effective to detect pinholes in the surface of the scarfed slab.