基于防松线分割的螺栓松动全角度检测方法

针对现有无法基于防松线分割进行螺栓松动全角度检测的问题,文章开发了一种基于颜色分割和方向矢量运算的方法。首先,利用一种基于Lab和RGB颜色空间转换下的a分量非线性拉伸和R分量最优阈值分割方法分割防松线图像;其次,利用开运算对图像进行形态学操作;再次,通过一种角度递进最小包围方法确定防松线连通域面积最小外接矩形并确定其方向矢量;然后,基于四象限反正切函数和一定调整求解螺栓松动的全角度;最后,设计实验方案验证文中算法的可行性和精度。实验结果表明,检测算法能够实现螺栓0～360°的松动角度检测,且最大相对误差为1.43%,其精度可以满足工程实践需要,具有良好的应用前景。     

结合最小均方差滤波和目标灰度的边缘检测

针对图像处理中对噪声去除和边界保持两方面的需要,对灰度值差异不大的目标之边缘检测算法进行了研究。首先,对最小均方差滤波器模板进行改进,并将方差最小模板对应的灰度中值作为被处理像素的新灰度值以实现图像去噪;然后,选取部分目标区域并以其灰度中值为基础设置上、下阈值实现图像分割,对分割后的图像运用Canny算子检测目标边缘;最后,运用MATLAB软件进行算法仿真。仿真结果表明:该算法不仅能在去除噪声的同时实现对目标与非目标的有效分割,还能保证目标轮廓的完整性。该算法能够对目标灰度值差异不大的图像进行去噪、分割,并获取完整的目标轮廓。     

基于视觉的胶水偏位检测

现有热转印胶片胶水偏位人工检测方法存在效率低,由此提出一种基于机器视觉的检测方式。设计机器视觉算法,利用边缘检测算法与图像仿射变换等步骤获取只包含热转印胶片的灰度图;然后利用改进的K-means应用方法,分割出胶水层的二值图。通过本文特定的扫描方式分离出四个不同方向的胶水层部分,并计算出最终的胶水宽度,并以此作为判断依据是否存在胶水偏位问题。实验表明,本文的方法具有较好的检测效果。     

基于机器视觉的亚像素精度法兰盘尺寸测量方法

针对空调压缩机法兰盘尺寸人工测量方式存在效率低、精度难以保证等问题,提出一种基于机器视觉的法兰盘尺寸亚像素级别测量方法,并构建视觉测量系统。对法兰盘图像,先使用转灰度、中值滤波和二值化分割进行预处理,抑制图像噪声,同时提取目标法兰盘区域;再使用Canny算子获取法兰盘边缘像素坐标;然后根据Zernike算法对旋转、尺度等不敏感的特点,使用改进的Zernike矩亚像素边缘检测算法重新定位法兰盘边缘,获取法兰盘边缘的亚像素级别坐标;最后使用最小二乘拟合算法得到法兰盘外圆直径与内孔直径尺寸。实验证明,该检测方法与人工测量方式相比效率高、精度高,能够满足对法兰盘关键尺寸的在线测量需求。     

基于数学形态学的医学图像插值技术

医学图像插值技术是图形处理中的关键技术.为了能同时满足图像灰度和形状的要求,提出了一种基于数学形态学的医学图像插值算法.对CT图像采用多阈值和数学形态学的方法进行了分割,得到了各组织的轮廓,然后根据体素的相关性进行了插值.实验结果表明,此算法解决了以往算法边界模糊的缺点,插值效果好.     

SIFT特征匹配和差分相乘融合的运动目标检测

针对运动目标检测的难点问题,提出了一种结合尺寸不变特征变换(SIFT)和差分相乘算法的运动目标检测方法.首先,用SIFT特征匹配算法配准运动图像的旋转、缩放和平移量,利用SIFT匹配的稳定性和准确性,精确补偿运动摄像机下的背景图像.然后,用差分相乘方法,准确分割出运动目标的轮廓.最后,通过实拍视频序列的试验,证明算法的...     

基于视觉的压件形貌特征检测与研究

针对不规则压件产品人工抽检效率低下且易视觉疲劳等问题,提出了一种基于HALCON视觉软件的压件多特征多重检测方法。该方法根据压件轮廓的多个特征,利用图像灰度化和形态学处理,采用灰度拉伸算法、迭代阈值算法等提取和分割轮廓,并对分割后的轮廓特征进行属性判断,采取最小二乘法拟合,精准地检测压件的特征。采集100个压件产品利用上述方法进行检测,检测的准确率达到97%。实验表明这种压件检测方法适用于复杂多个特征的压件形貌检测,对压件外形容忍度较高,检测速率快,满足工业上对此类精密产品的高效检测要求。     

结合概率密度函数和主动轮廓模型的磁共振图像分割

为了提高大脑磁共振图像的分割精度,提出了一种新的图像分割算法。首先,分析了常用于大脑磁共振图像分割的高斯混合模型和主动轮廓模型的优缺点,联合高斯混合模型的概率密度函数和主动轮廓模型的能量函数构造了一个新的能量函数。然后,利用遗传算法和最大期望算法获取概率密度函数的参数值。最后,利用水平集方法和梯度下降流法,对获得的能量函数进行最小化,从而得到最终的分割结果。与传统方法相比,本文算法对脑组织中的白质和灰质的分割精度分别提高了6.73%和14.07%。该算法利用像素点的区域信息和概率值驱动主动轮廓曲线的演化,能有效区分具有相近灰度值的不同区域,从而提高了大脑磁共振图像的分割精度。     

视觉显著目标的自适应分割

基于视觉注意模型和最大熵分割算法,提出了一种自适应显著目标分割方法来分离目标和复杂背景,以便快速准确地从场景图像中检测出显著目标。首先,通过颜色、强度、方向和局部能量4个特征通道获取图像的显著图;通过引入局部能量通道来更好地描述了显著目标的轮廓。然后,根据显著图中像素灰度的强弱构建不同的目标检测蒙板,将每个蒙板作用于原图像作为预分割的结果,再计算每个预分割图像的熵。最后,利用最大熵准则估计图像目标熵,根据预分割图像的熵和目标熵判断选取最优显著目标分割图像。实验结果表明：本文算法检测的显著目标更为完整,分割性能F-measure达到0.56,查全率和查准率分别为0.69和0.41,相对于传统方法更为有效准确,实现了在复杂背景下对显著目标的有效准确检测。     

针对低像质轨道车辆车顶螺栓松动检测方法研究

在轨道车辆车顶螺栓松动检测中,由于维护厂棚内列车的上方架设有高压供电线路,导致对车顶器件的螺栓松动情况进行扫描式视觉检测的组件需要架设在更高的位置,使得相机采集的螺栓图像像素数量不多,螺栓图像质量较低,给螺栓松动的判断带来困难的问题。提出了一种针对低像质轨道车辆车顶螺栓松动检测方法,实现了车顶区域螺栓松动的智能检测。检测时首先对线阵相机采集后的轨道车辆车顶图像进行拼接,并定位车顶螺栓的安装区域;其次将该区域细分为出风口、盖板和风机等几个子区域并导入基于深度学习的目标检测方法,从而确定分区内的螺栓位置;然后通过定位后的螺栓中心点坐标绘制等距半径圆,提取螺栓上的防松线并进行骨架提取与直线拟合;最后,通过计算两条直线之间的角度判断螺栓是否松动。实验结果表明,此方法的轨道车辆车顶螺栓松动的旋转角度,最大相对误差为5.8%,并且螺栓松动检出率达到80%以上,具有一定的工程实用价值。