基于凹点匹配的重叠图像分割算法

针对图像处理中多个颗粒重叠的问题,提出了1种利用重叠区域边界寻找凹点来分割重叠图像的算法。算法利用Canny边缘检测获得重叠区域的边界轮廓,对于边缘检测所得边界存在断裂的情况,首先进行连续边界轮廓的恢复;然后在获得的连续边界轮廓上寻找凹点,将相邻的凹点视为1个凹点群,取其中凹陷最显著的点作为待匹配凹点,并赋以一定的权值;再根据凹点匹配条件对待匹配凹点进行匹配,将成功匹配的凹点对作为分割点对。对多幅模拟图像和PTA晶体图像的分割结果表明,算法不仅适用于颗粒形状规则、大小差异较小颗粒的重叠情况,对于狭长颗粒和大小差异明显颗粒的重叠情况也有良好的分割效果。     

基于VC的棒材自动计数方法的研究与应用

本文提出了一种利用图像技术实现棒材的自动计数的方法，该方法以Visual C 6.0为开发平台，实现了对棒材端面图像分割，然后对分割得到的二值图像实施形态学运算，使粘连部分彼此分离，最后通过8－邻域标注计数。     

基于图像连通区域面积的成捆棒材自动计数方法

提出了一种基于图像连通区域面积的成捆棒材自动计数方法。该方法首先对获取的棒材图像进行灰度化、滤波和图像分割处理,然后对分割图像中的连通区域分类:小于基本面积的区域视为噪声区域,介于基本面积和阈值面积之间的区域视为一支棒材区域,大于阈值面积的区域表示多支棒材粘连区域。对于多支棒材粘连区域,采用区域面积除以标准面积得到棒材支数。最后将所有连通区域的棒材支数求和即可得到图像中全部棒材的支数。该方法应用于13幅成捆棒材图像计数实验时所得误差均小于3%。     

棒材生产在线视觉计数系统研究

针对轧钢厂棒材生产工艺状况，为实现标准化打捆包装要求，设计了在线计数控制装置，研究了实时视觉图像处理，在线棒材识别算法和k级容错计数技术，并应用于含有各种干扰的实际生产过程，实现了棒材在线快速计数和分钢自动化操作．     

基于凸壳式剥离的高黏着度棒材检测计数方法

高黏着度棒材的精确检测计数是一个难点。提出凸壳式剥离算法:判断画面中是否存在高黏着度棒材。若是,则首先获取棒材端面的边缘轮廓角点和部分中心点,由得到的角点和中心点求出一组能描述棒材端面轮廓的点集,然后依据该点集求出外围棒材端面轮廓的凸壳,从而剥离外围棒材达到准确获取内部棒材中心点的目的;若否,则使用峰值提取法求全部棒材的中心点。实践证明,该方法能有效提升高黏着度棒材识别与计数的精度。     

基于数学形态学的棒材自动计数方法

针对图像中棒材存在粘连,从而造成误计数的问题,研究了一种基于数学形态学的棒材自动计数方案,以实现对棒材实时、精确的计数.该方案针对棒材类计数无需考虑被测物体截面真实形状的特点,将每根棒材处理成单个像素,避免了粘连对计数的影响.为有效克服光照、噪声的干扰以及棒材快速运动造成的图像模糊,该方案首先对采集到的原始棒材图像进行预处理,然后采用腐蚀、细化算法初步实现了棒材粘连的分离,最后采用收缩与检测直线端点算法,实现了单个像素点与原始图像棒材的一一对应,为后续计数奠定了基础.实验证明,该方法不仅能够保证棒材自动计数的精度,并且为棒材定支数包装创造了条件.     

粘连棒材图像自动分割计数技术

针对棒材图像自动计数存在的问题,提出了一种粘连棒材图像自动分割计数技术。首先采用粒度测量术估计棒材图像尺寸半径分布,自适应地选取处理参数。然后提出了一种新颖的棒材中心区域标记方法避免了初始过分割标记,在此基础上又提出了强、弱粘连概念。根据强弱粘连的特点,提出两步标记策略。分类粘连图像、获取图像的初始标记。对强粘连形成的欠分割标记区域采用逐次腐蚀算法,结合棒材形状面积等知识进行识别,获得正确的图像标记。最后融合两步图像中心区域标记结果,采用基于标记的分水岭分割算法进行图像分割。实验证明,这种方法能准确分割粘连棒材图像,实现可靠的棒材计数。     

基于凹点方向线的粘连药品图像分割方法

在利用视觉技术进行药品检测的过程中, 药品相互粘连的图像会给后续的特征提取工作带来很大的困难, 针对此问题提出了一种基于凹点方向线的粘连图像分割方法。首先依据颜色距离对药品图像进行预分割; 然后对不同颜色的预分割图像进行4链码运算, 寻找所有的凹点, 并对所有的凹点进行标记; 最后根据每一个凹点得到方向线, 根据方向线进行配对, 将配对凹点的连线作为分割线。实验结果表明, 该算法具备良好的准确性和通用性。     

基于纹理特征的棒材自适应计数方法

针对棒材生产车间环境的复杂性和现有棒材计数方法的不精确性,文中提出了一种准确,高效的棒材自适应计数方法.该方法采用局部二元模式描述棒材的截面纹理,有效地将棒材截面图像与复杂的背景进行分离,使用阈值渐增的二值化方法获取图像中的局部灰度极大值,将此最大值点作为棒材的中心点,最后对棒材的半径使用聚类方法对误判点进行过滤,进而统计计数.实验结果表明,该方法极大地提高了棒材计数的效率,并将识别准确率提高到了98%     

基于多视角信息融合的棒材识别计数方法

棒材出厂前要按根数打捆,基于单视角视觉识别计数方法难以处理多个目标之间的互遮挡等问题。文章提出多视角信息融合方法,从2个视角分别捕获目标图像,分别识别,再进行融合,对单视角目标识别信息的补偿与纠错,达到消除互遮挡、准确计数的目的。实践证明,该方法能很好地解决单视角的遮挡目标识别问题,对于因存在遮挡和光照条件限制而难以处理的多目标识别和跟踪问题具有一定的普适性。     

基于自治体搜索和区域相关性的图像边沿检测算法

图像分割在图像工程中位于重要位置 ,广泛应用于各个领域。提出了基于自治体搜索和区域相关性的图像边沿检测算法 ,算法中有 4个种类的自治体 ,分别完成 0°、4 5°、90°和 135°方向上相邻区域灰度相关性和其几何特征相关性的比较 ,来判别图像中的边沿点 ,完成边沿检测。利用该算法对样本图像进行处理 ,取得了较好的实验结果。此外 ,将该算法与同类算法 (例如 Prewitt算子、Sobel算子、Canny算子 )进行了比较 ,比较结果说明本文算法在某些方面具有一定的优势。     

基于多重加权法的多重分形图像分割研究

针对现有多重分形谱对噪声敏感的问题,该文提出了一种基于多重加权法的多重分形谱算法。并首先介绍了基于测度理论的多重分形谱的定义;然后定义了基于多重加权的概率测度,同时对基于多重加权法的多重分形谱性能进行了分析,最后采取与衬底法、方差法进行仿真比较的方法,进行了线性区间、抗噪声性能和收敛速度的比较。比较结果表明,该算法具有保持和加强图像的局部特性以及突出图像的细微处的特点,不仅克服了多重分形谱对噪声敏感的缺点,而且权重因子收敛快。     

基于PCNN的灰度图像边缘检测方法

脉冲耦合神经网络(PCNN)最初由Eckhorn根据猫大脑中视觉皮层神经元的同步脉冲(SynchronousBurst)现象而提出。由于具有一系列良好的特性,PCNN在图像处理、模式识别等领域获得了广泛的应用。文献[6]根据PCNN的传播特性提出了一种利用PCNN检测二值图像边缘的有效方法,但这种方法并不能直接用于对灰度图像的边缘进行检测。由于实际处理的图像大部分为灰度图像,因而其方法的适用性是很有限的。该文提出了一种基于PCNN的灰度图像边缘检测方法,从而直接对256色灰度图像的边缘进行提取,具有较好的适用性。实验结果表明该方法是有效的。     

基于PCNN图像分割与边缘匹配的支票验证方法

本文提出了一种新的支票验证方法。该方法包括从复杂背景中提取印文的算法和一种改进的方形印章的配准方法。在印文分割中,首先采用基于脉冲耦合神经网络（PCNN）同步特性的细化算法,定位出轮廓的外围轮廓;然后根据外围轮廓的颜色信息,采用全局阈值分割方法将印文提取出来。对于方形印章,采用边缘匹配方法对印文进行由粗到精精的配准。实验结果表明,本文提出的支票验证算法能够从复杂盖印背景中分割印文,并且得到较好的配准效果。     

一种基于优先搜索方向的边界跟踪算法

图像处理尤其是区域分析中,区域的边界是非常重要的信息。提出了一种基于优先搜索方向的边界跟踪方法。该方法是以区域为基本操作单元,以当前边界点和上一边界点所确定的方向的外法线方向为起始搜索方向,顺时针方向搜索下一个边界点,当下一个边界点与该区域第一个边界点重合时,该区域搜索完毕,并开始对下一个区域进行跟踪。利用这种方法跟踪出来的区域边界,不但能够很好的满足对边界一个像素的宽度、同一个区域的边界连通封闭、准确定位在区域外围轮廓上的要求,而且能够完整准确地保持目标区域外边界的自身原貌和特点,以及内、外边界彼此独立,可独立成图用。由于这种算法在跟踪过程中充分考虑已知边界点对后续边界点的影响,使得边界点保持了良好的相关关系,可以根据实际应用的要求,在跟踪过程中直接实现边界的矢量化。     

基于便携设备的螺钉状态视觉检测方法研究

生产现场中,尤其是小批量大规模设备的装配和调试过程中,螺钉需求量大,螺钉连接状态对装配质量有着重大影响,目前对于该过程的检验仍需要工人目视检验并手动记录,这一过程主观性强,自动化水平低,效率低下。针对装配过程中的螺钉状态进行检测,基于视觉检测的方式,识别螺钉的拧紧程度,提高检测准确率和效率。首先,通过对线性特征的有效匹配来对螺钉进行定位,之后,对螺钉区域进行有效分割,提取螺钉区域的特征,最后对提取的拧紧螺钉和未拧紧螺钉的特征进行分类识别,识别出设备上的未拧紧螺钉,精度可达到2mm以内,并采用便携式检测设备,方便部署,可用于小批量大规模设备的装配质量检测中。     

基于图像处理的堆积物计数方法研究

目前堆积物数目的计算仍停留在比较低的水平,主要靠人工来完成,这项工作机械单调,而且容易出现误差。为了研制自动化程度较高的计数系统,提出了一种基于数字图像处理的自动计数方案,重点放在对图像处理的算法研究与实现上。采用棋子的图像作为堆积物研究对象,通过数码照相机对其进行拍照,然后经过图像灰度转换,图像增强,图像二值化,图像的形态学操作,连同区域标记以及参数提取,MATLAB软件计算出来的结果表明该方法能够对棋子数目进行较为精确的检测。该算法精准方便且易实现,很好地解决了堆积物数目的自动计数问题,可以结合其他算法投入到生产实践中。     

一种基于图像处理的成捆钢筋计数方法

本文研究了一种基于图像处理的成捆钢筋快速计数方法。首先对生产出的成捆钢筋端面进行摄像;然后对拍摄的端面图像进行去噪、二值化、数学形态学等处理,得到图像轮廓;再对图像轮廓进行提取分析,计算出各个轮廓区域中包含的钢筋数目,从而统计出钢筋的总根数。实验结果表明,该方法应用于实际生产中能降低成本,提高计数精度。     

多尺度形态学图像边缘检测方法

在深入地探讨数学形态学在边缘检测领域中的应用的基础上,提出了一种形态边缘检测算子,并用该算子提取图像边缘。然后进行形态结构元素尺度调整,综合各尺度下的边缘特征,得到了噪声存在条件下较为理想的图像边缘,实验证明了该算法的可行性和有效性。