基于机器视觉的汽车轮胎磨损检测系统设计CSCD

针对当前采用人工检测方法普遍存在效率低、容易出现误判、检测不方便等问题,提出一种基于机器视觉与图像处理相结合的轮胎纹理深度检测方法,设计了相应的检测系统。通过工业相机和激光器相配合获取汽车轮胎纹理图像,利用图像处理和误差补偿对图像进行处理获取轮胎纹理深度数据。通过实验验证了所提出的方法的可行性,为行驶中检测打下基础。     

Gabor变换在轮胎X光图像处理的应用

在轮胎X射线检测图像中,钢丝帘线的不同排列方式构成不同的纹理图像。Gabor函数可提取图像在频域不同尺度和方向的特征,因此采用基于Gabor和Log-Gabor小波对轮胎X射线图像进行特征提取的方法,并用K-means方法进行图像聚类,实现了轮胎不同纹理图像的分割;采用Log-Gabor函数提取不同方向的纹理特征,并对提取结果进行比较,可检测带束层钢丝帘线疏线或顺线缺陷。     

一种新的轮胎印痕测量及压力分布数据处理方案

介绍了一种基于压阻阵列成像方法的轮胎外圈表面花纹磨损检测技术,该技术通过检测轮胎在特定载荷下印痕的变化来估计轮胎的质量与使用寿命。在介绍测量原理的基础上,重点介绍了印痕图像处理技术与评价方法,针对轮胎花纹与地面接触产生的印痕图像确定边界与接触面积,研究了一种基于圆模板滚边的方法来获取图像外包络线的算法。研究表明该方法能有效处理凸壳与非凸壳图形,自动获取带凹槽图形的外包络区域,具有较好的鲁棒性和较高的精度。     

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。     

非接触式表面粗糙度识别方法的研究

提出了一种机加工纹理非接触式表面粗糙度识别的方法。该方法用纹理周期度来描述机加工纹理的表面粗糙度,通过采集表面粗糙度标准样块的图像,用图像处理方法提取相应的纹理特征值(如纹理周期度)存入数据库,再用同样的方法获取未知粗糙度等级的零件表面图像的纹理周期特征值,并与库中粗糙度标准样块图像的纹理周期特征值进行比较,按照最近似的原则得到所求表面的粗糙度。该方法识别精度较高,具有对光照条件不同的免疫力。     

适用于管道内形貌检测的3D全景视觉传感器

管道内部缺陷种类繁多、检测困难且自动化程度低,针对这些问题,提出了一种适用于管道形貌检测的3D全景视觉检测方法。首先设计了一种获取管道内部全景颜色纹理信息的全景视觉传感器(ODVS),然后设计了一种能快速并高精度获得管道内壁深度信息的主动式全景视觉传感器(ASODVS),接着将这两种ODVS进行紧凑小型化设计,通过软件将全景3D测量数据与全景颜色纹理数据的快速融合,在对管道内功能性缺陷和结构性缺陷进行全方位自动分析和评估的同时实现管道内部三维建模。实验结果表明,所设计的ASODVS+ODVS能实时获取地下管道内部颜色纹理和几何信息的全景图像,配置在管道机器人上能在狭长管道内边行走、边检测、边识别和边重构。     

一种新的轮胎激光散斑检测缺陷识别方法

在轮胎缺陷识别系统中,提出将轮胎ESPI缺陷图像灰度纹理特征和一种改进的Hu不变矩特征的组合作为特征因子,结合支持向量机的方法应用于轮胎ESPI缺陷图像的分类识别。理论分析和仿真实验表明使用Hu不变矩以及Hu不变矩和灰度纹理特征结合分类效果较好,总体识别率达到了96.7%。     

基于计算机图像识别技术的坯布疵点检测研究

提出了一种新的坯布疵点检测方法:利用布匹图像的自相关函数所提取织物的纹理单元作为分割窗口,建立正常纹理与异常纹理2类样本;应用Fisher分类器,通过对布匹图像以纹理单元为单位逐次扫描进行2类判别,经过图像运算将正常类纹理单元消除,得到疵点的待测图像;再采用一些图像运算处理技术检出疵点并进行评分.进行了相应的软件编程,实验结果显示疵点识别率可达94%.     

基于图像处理的SF6气体湿度测量方法的研究

提出使用冷镜式露点仪来测量SF6气体的湿度,并用图像处理的方法来代替传统的人工检测和光电检测方法。针对传统检测方法的不足,提出了基于小波包的纹理分析方法,并完成了系统的方案设计,通过仿真证明其优越性。     

基于改进LBP和DBN的人脸识别算法研究

针对传统LBP算法的人脸识别易受光照、背景、遮挡等因素的影响,使用改进局部二值模式(LBP)和深度信念网络(DBN)相结合的方法,用多尺度块局部二值模式(MB-LBP)算法获取人脸图像的纹理特征,在此人脸纹理特征的基础上使用中心对称局部二值模式(CS-LBP)算法获取图像的纹理特征,然后将两次获得的纹理特征图像的直方图进行融合,并将其输入到DBN中进行训练,优化网络参数。     

基于图像法的端铣表面粗糙度研究

基于机器视觉理论,采用图像法,实现了对端铣工件表面粗糙度的非接触式无损检测。通过数字显微镜、高分辨率摄像机与计算机相连接的图像采集系统获取端铣工件表面图像,根据端铣原理和端铣痕迹图像特征,提取基于灰度共生矩阵方法(GLCM)的8表面纹理特征参数,探讨各纹理参数与表面粗糙度评定值Ra的变化规律,从而定性评估端铣工件表面粗糙度。建立BP神经网络检测模型,以端铣表面图像纹理特征参数为输入量,对应的表面粗糙度评定值Ra为期望输出,构建了神经网络检测模型。通过测试样本检验,该方法具有较高的检测精度,能够满足表面粗糙度测量的精度要求。     

基于磁光成像的低碳钢WAAM成形件表面缺陷检测与分类

针对电弧增材制造(WAAM)成形件表面及亚表面微小缺陷难以检测和识别的问题,结合图像纹理特征和神经网络提出一种基于磁光成像的无损检测方法,实现低碳钢WAAM成形件表面微小缺陷检测和分类。首先对二次表面精加工后的WAAM成形件进行磁化,并使用磁光成像仪获取成形件表面磁光图像作为试验样本,然后对磁光图像进行预处理,用灰度共生矩阵提取每幅图像的能量、熵、对比度和相关性纹理特征,对比分析无缺陷、熔合不良、凹陷和裂纹4种WAAM成形件表面质量纹理特征,最后通过建立的LMBP神经网络模型对成形件表面质量进行分类预测。试验预测结果表明,WAAM成形件表面缺陷检出率为97.33%,表面质量分类准确率可达91.33%,验证了所提方法能够有效检测和识别低碳钢WAAM成形件表面微小缺陷。     

基于HVS的自然场景图像特征提取方法

提出了基于人类视觉系统的自然场景图像颜色和纹理特征提取方法.介绍了两类低层图像特征颜色和纹理特征提取方法,分别提出了以自适应主导色原理来表示颜色特征、采用纹理灰度图的空频域特性表示空间纹理特征;以ACA方法获得自适应主导色、以可控金字塔滤波分解的方法获取纹理特征.同时还介绍了优化颜色构成距离度量和纹理距离度量,最后给出了实验结果和分析.     

视觉导航中路面检测方法与DSP实现

路面检测在基于视觉导航的汽车自动驾驶中具有重要意义。针对路面的多样性和场景的复杂性,文中研究并开发了基于DSP的路面检测技术,提出了一种融合图像灰度和图像深度的路面检测方法。系统首先采用双目立体视觉方法获取场景深度图像,然后根据图像灰度和图像深度进行超像素分割,最后提取超像素的灰度和深度特征,用SVM分类器对超像素进行分类,实现路面的检测。实际场景的测试证明了文中方法的可行性。街景图像数据库的实验表明,文中路面检测方法的准确性高。     

基于阵列图像的自适应光场三维重建算法研究

针对现有光场图像获取困难,深度重建过程中遮挡以及亮度变化较大区域匹配效果差、稳健性低等问题,提出了基于单反相机的光场图像获取方法以及EPI自适应三维重建算法。在图像预处理阶段,该算法利用双边滤波器对EPI进行去噪,并通过交叉检测模型求得边缘区域。在边缘深度求解以及深度扩散阶段,算法在先验似然策略的基础上,提出EPI自适应框架,通过最大类间方差(OSTU)准则自动设定阈值,舍弃类外点,使距离度量只发生在类内点之间,因此极大地消除了遮挡以及光照变化的影响,提高了边缘深度和内部深度估计的准确性和稳健性。实验结果表明,所提出的系统可以方便地获取阵列图像,成本低、操作方便,且提出的算法能较好地估计场景的深度信息,并实现场景的三维重建,比以往算法在精度上有较大提高。     

基于非负矩阵分解算法的工程陶瓷磨削表面损伤检测

考虑表面损伤检测在工程陶瓷表面质量评价中的重要作用,首次把非负矩阵分解(NMF)图像重构算法引入工程陶瓷磨削表面损伤检测中,并进行了理论分析与实例检测。首先,将输入图像数据集从原始数据空间降维到一个低维NMF空间,利用本文提出的图像重构相对误差0.1监督规则,确定子空间基r值。然后,利用两个低维非负矩阵进行图像重构,获取磨削纹理背景图像,并通过图像减法去除磨削纹理。最后,利用Canny边缘检测算法提取工程陶瓷磨削表面损伤图像。实验结果表明,该方法能够准确提取表面损伤并计算磨削损伤率评价参数。     

基于图像高频增强的塑料齿轮黑点缺陷高精度检测方法

针对现有塑料齿轮端面黑点缺陷检测方法存在对较小黑点识别困难、误检和检测精度不足等问题,提出一种基于图像高频增强的塑料齿轮黑点缺陷高精度检测方法。对塑料齿轮图像的高低频信息进行提取与分离,再将高频信息乘以一定系数与低频信息线性叠加,实现图像高频部分的增强,从而使齿轮黑点更加突出;利用引导滤波进行降噪处理,将与黑点一同增强的其他无关信息(如纹理、噪声等)进行滤除或模糊,避免造成误检;使用LoG＿Blob算法对处理后的图像进行斑点检测,进而获取齿轮黑点信息。实验结果表明,该方法能有效提升塑料齿轮黑点缺陷检测的精度。     

基于多级小波分解的两类纹理图像分割技术

通过对纹理图像传统分割方法的分析,研究了农作物图像的边缘自动分割问题,提出了采用多级小波分解方法的两类纹理图像分割技术.解决了传统的基于Laws能量特征方法存在的分割边缘粗糙以及时间效率低等缺点.仿真结果表明,应用基于多级小波分解的纹理分割方法,能快速得到准确的边缘,为获取大规模农作物的机械导航路径提供了一种新的思路.     

基于Gabor小波的浮选泡沫图像纹理特征提取

矿物浮选泡沫表面纹理是浮选工艺指标高低的重要指示器,为了获取泡沫图像纹理的细微差别进而对浮选生产状态进行机器识别,提出一种基于Gabor滤波的泡沫图像纹理特征提取方法。首先利用Gabor小波提取了泡沫图像多尺度与多方向上的泡沫纹理幅度谱(GMTR)与相位谱(GPTR);然后根据GMTR与GPTR的分布特征,通过估计GMTR的Gamma分布参数和计算GPTR的熵作为泡沫纹理特征参量;最后,利用所提取的泡沫纹理特征对浮选工业生产状态进行无监督的模糊聚类分析与有监督的生产状态识别。实验结果表明,该纹理特征提取方法能有效地获取各种浮选状态下泡沫表面纹理的细微差别,基于该纹理特征参量的浮选状态识别准确率高于90%。     

基于纹理分析的铝型材表面喷涂质量的检测

纹理在自然图像中普遍存在的,纹理分析一直是计算机视觉领域中的一个重要研究方向。在企业中铝型材表面喷涂质量的检测都是通过人眼检测的。从计算机视觉的角度出发,提出基于纹理分析的铝型材表面喷涂质量检测方法。首先采用了灰度共生矩阵和Gabor滤波分别进行提取纹理特征,然后通过纹理特征分析区别出大砂和细砂产品,从而达到质量检测的效果,最后将灰度共生矩阵、Gabor和神经网络的分类精度进行对比,发现基于Gabor滤波的纹理分析方法对铝型材喷涂表面图像分类效果明显。