双频投影栅线法的改进

本文提出的测量方法建立在双频投影栅线法的基础上,使投影在物体上的栅线发生调制变形后的绝对相角和原相角差不多出一个周期,这样通过使用不同栅距的栅获得两幅包裹相位图,然后比较这两幅包裹相位图,求得物体上任一像素点的绝对相位值,从而确定物体上任一点的高度.这种方法的优点是既具有双频法的所有优点,而且精度高,可进行人体等复杂曲面的测量。     

基于缺陷比例限制的背景差分钢轨表面缺陷检测方法

针对钢轨表面图像具有的光照不均匀、可识别特征有限、对比度低、反射特性易变等特性,提出基于缺陷比例限制的背景差分钢轨表面缺陷检测方法。该方法主要包括轨面图像预处理、背景建模与差分、缺陷比例限制滤波、缺陷比例限制最大熵阈值分割和连通区域标记5个步骤。首先结合轨面图像列灰度均值和列灰度中值进行快速背景建模,将预处理后的图像与背景图像进行差分操作;其次利用轨面图像缺陷占比较低的特征对差分图进行缺陷比例上限的阈值截断,以增强差分图的对比度;随后利用此特征改进最大熵阈值分割,采用自适应加权因子对目标熵进行全局可变加权,并选择出一个合适的阈值使熵值最大化,使得在保留真实缺陷的同时减弱诸如阴影、锈迹等噪声的干扰;最后利用连通区域标记法对阈值分割后的二值图像中的缺陷区域进行统计,并把缺陷面积低于钢轨损伤标准的区域判定为噪声并进行去除,以实现钢轨表面缺陷检测。仿真实验结果表明,新方法可以对钢轨表面缺陷进行很好的检测,其检测结果的召回率、精确率和加权调和平均值分别达到94.19%、88.34%和92.96%,平均错误分类误差值为0.006 4,具有一定的实用价值。     

一种PCA-NLM的纺织品缺陷检测方法

在纺织品自动检测过程中,采集的图像容易受到噪声及织物表面材质的干扰,本文提出一种混合方法（hybrid approach）进行纺织品缺陷检测,采用PCA-NLM（Principal Component Analysis-Non Local Means）有效增强了缺陷区域的灰度共生矩阵纹理特征,提高了缺陷纹理和无缺陷纹理之间的类间可分性。通过对7类缺陷的纺织品图像检测实验分析表明,相比单一的非混合方法,本文方法有效提高了纺织品缺陷的检测正确率。     

基于模糊C均值聚类的旋切单板表面纹理检测

旋切单板的纹理对缺陷的检测会产生干扰,本文提出一种改进的模糊C聚类均值（FCM）算法的旋切单板表面缺陷检测方法,该方法考虑了类内样本密度和类间距离作为综合参数,从而可以获得合理的初始聚类中心。该算法可以较好的检测出旋切单板表面纹理和缺陷信息。     

基于双目视觉的双频光栅三维测量方法

提出一种新的三维坐标测量方法,该方法基于双目视觉、双频光栅投影、相移和三角测量等测量方法.测量系统采用两个摄像机记录投影光栅,通过分析双频投影条纹不同栅距的光栅获得两幅包裹相位图,相位去包裹后求得任一像素点的绝对相位值,结合标定双目摄像机和根据外极线约束原理实现立体匹配,最后重构出物体三维世界坐标.实验证实了该方法的可行性,并得到很好的测量结果.     

基于监督双限制连接Isomap算法的带钢表面缺陷图像分类方法

根据带钢表面缺陷图像具有复杂纹理结构、包含大量干扰信息、具备高维非线性几何结构等特点,本文提出基于监督双限制连接Isomap方法的带钢表面缺陷图像降维方法（dls-Isomap）.该方法以Isomap降维方法为基础,对其邻域图的连接方式进行K邻域（K-nearest neighbor,KNN）和ε-半径两个方面的限制性连接,并使用数据类别作为监督对类间邻域点进行扩展连接.针对多类Roll-swiss数据实验表明,dls-Isomap降维方法不仅能够在低维空间中完整嵌入所有数据点,而且能保持数据各类内和类间的几何结构,以及解决Isomap算法存在的“短路边”问题;针对带钢表面缺陷图像分类实验表明,基于dls-Isomap的新分类方法适合含水、油渍等干扰较多的带钢表面缺陷的分类任务,其中冷轧带钢5类缺陷识别率可以达78%.含水渍的热轧带钢缺陷识别率可以达到93%,其中水渍干扰图像的识别率达到97.6%.     

基于涡流阵列检测技术的奥氏体不锈钢压力管道缺陷判别方法研究

奥氏体不锈钢压力管道的检测由于现有检测手段的限制,难以保证其检测效果。本文针对工程应用中出现的问题,研究基于涡流阵列检测技术（ECA）的奥氏体不锈钢压力管道对接接头缺陷判别方法。根据提离信号、应力腐蚀开裂、圆形缺陷、条形缺陷的阻抗特征和C扫成像特征,通过缺陷C扫图谱形状及表面尺寸、阻抗图的阻抗幅值和阻抗相位,实现奥氏体不锈钢管道对接接头的表面开口缺陷和近表面缺陷的有效检出,并将所提方法应用于实际现场检测中。对比传统渗透检测方法,本文提出的方法有更好的缺陷检出率及缺陷判别率,试验结果验证了本文方法的可行性及有效性。     

基于Canny算子的透明胶囊缺陷检测

为准确、高效检测透明胶囊存在的缺陷, 提出一种基于Canny算子的检测方法. 算法针对透明胶囊两端弧形边缘检测困难问题, 通过设定不同阈值分步实现边缘分割; 同时, 利用腐蚀排除干扰和放大缺陷; 最后, 利用缺陷区域与其周围的灰度值差确定缺陷区域. 实验结果表明, 算法可有效提高透明胶囊检测效率和准确性.     

基于缺陷比例限制的背景差分钢轨表面缺陷检测方法

针对钢轨表面图像具有的光照不均匀、可识别特征有限、对比度低、反射特性易变等特性，提出基于缺陷比例限制的背景差分钢轨表面缺陷检测方法。该方法主要包括轨面图像预处理、背景建模与差分、缺陷比例限制滤波、缺陷比例限制最大熵阈值分割和连通区域标记5个步骤。首先结合轨面图像列灰度均值和列灰度中值进行快速背景建模，将预处理后的图像与背景图像进行差分操作；其次利用轨面图像缺陷占比较低的特征对差分图进行缺陷比例上限的阈值截断，以增强差分图的对比度；随后利用此特征改进最大熵阈值分割，采用自适应加权因子对目标熵进行全局可变加权，并选择出一个合适的阈值使熵值最大化，使得在保留真实缺陷的同时减弱诸如阴影、锈迹等噪声的干扰；最后利用连通区域标记法对阈值分割后的二值图像中的缺陷区域进行统计，并把缺陷面积低于钢轨损伤标准的区域判定为噪声并进行去除，以实现钢轨表面缺陷检测。仿真实验结果表明，新方法可以对钢轨表面缺陷进行很好的检测，其检测结果的召回率、精确率和加权调和平均值分别达到94.19%、88.34%和92.96%，平均错误分类误差值为0.006 4，具有一定的实用价值。     

基于微观图像的加工表面3维形貌重建算法研究

切削加工表面由于微观不平度及镜面效应的存在,使得照射其上的光线具有多次散射及后向散射的特性,从而影响了以工件表面图像3维重建形貌的精度。提出了一种基于二向反射分布函数的表面重建算法,构造了以Hapke模型表达的金属切削表面重建方程。该算法以重建方程离散化为手段,计算出光源和物体的倾角和偏角,得到光源和物体的梯度值,最后采用全微分方程对物体表面高度进行恢复。通过对实际切削加工表面图像3维形貌重建结果与触针式测量结果的对比表明,重建形貌粗糙度轮廓贴近实测粗糙度轮廓,证明了本文算法的准确、有效性,为加工表面3维形貌的重建提供了新的思路和方法。     

晶圆表面缺陷在线检测研究

针对准确与实时检测晶圆表面缺陷的需求,提出了一种基于主成分分析(Principal Component Analysis, PCA)和贝叶斯概率模型(Bayesian Probability Model, BPM)的在线检测算法。首先,改进双边滤波方法以消除晶圆表面图像中的噪声和突出晶圆表面的模式特征。然后,提取晶圆表面缺陷的Hu不变矩、方向梯度直方图(Histogram of Oriented Gradients, HOG)和尺度不变特征变换特征(Scale Invariant Feature Transform, SIFT)。接着,采用PCA方法对特征进行降维。最后,在离线建模阶段构建各种缺陷模式的BPMs;在在线检测阶段采用胜者全取(Winner-take-all, WTA)法判断缺陷的模式和构建新缺陷模式的BPMs。提出算法在WM-811K晶圆数据库中得到了87.2%的检测准确率。单副图像的平均检测时间为40.5ms。实验结果表明,提出算法具有较高的检测准确性与实时性,可以实际应用到集成电路制造产线的晶圆表面缺陷在线检测中。     

直方图反向投影多目标检测优化算法

针对目标检测中图像背景信息复杂以及反向投影方法目标颜色类型单一的问题,提出了一种改进的直方图反向投影目标检测优化算法．在建立多个目标模型弥补一般反向投影方法不能同时检测含有不同颜色信息目标这一不足的同时,通过对目标概率图像进行一系列优化处理以减小复杂背景对目标检测的干扰．实验结果表明,该算法在满足对视频图像实时处理要求的同时可准确检测目标位置,且检测效果及计算效率优于传统反向投影算法及其他方法．     

基于轻量化重构网络的表面缺陷视觉检测

基于深度学习的方法在某些工业产品的表面缺陷识别和分类方面表现出优异的性能,然而大多数工业产品缺陷样本稀缺,而且特征差异大,导致这类需要大量缺陷样本训练的检测方法难以适用.提出一种基于重构网络的无监督缺陷检测算法,仅使用容易大量获得的无缺陷样本数据实现对异常缺陷的检测.提出的算法包括两个阶段:图像重构网络训练阶段和表面缺陷区域检测阶段.训练阶段通过一种轻量化结构的全卷积自编码器设计重构网络,仅使用少量正常样本进行训练,使得重构网络能够生成无缺陷重构图像,进一步提出一种结合结构性损失和L1损失的函数作为重构网络的损失函数,解决自编码器检测算法对不规则纹理表面缺陷检测效果较差的问题;缺陷检测阶段以重构图像与待测图像的残差作为缺陷的可能区域,通过常规图像操作即可实现缺陷的定位.对所提出的重构网络的无监督缺陷检测算法的网络结构、训练像素块大小、损失函数系数等影响因素进行了详细的实验分析,并在多个缺陷图像样本集上与其他同类算法做了对比,结果表明重构网络的无监督缺陷检测算法有较强的鲁棒性和准确性.由于重构网络的无监督缺陷检测算法的轻量化结构,检测1 024×1 024像素图像仅仅耗时2.82 ms,...     

基于多时相巡检图像的变电设备抗干扰缺陷检测

近年来,变电站中广泛采用机器视觉算法分析多时相巡检图像的差异变化,用于检测各类变电设备缺陷,以确保运行安全.然而,由于拍摄时刻不同,多时相图像间存在天气、光照、季节等各类干扰变化,对变电设备的缺陷检测提出了挑战.对此,提出一种基于多时相巡检图像的变电设备抗干扰缺陷检测方法.首先,利用风格迁移模型CycleGAN学习不同风格域之间的映射关系,并基于检测图生成足量存在天气、光照、季节干扰变化的干扰图;其次,基于参考图$+$检测图$+$干扰图三元组对三重孪生网络TripleNet进行协同训练,在特征层面提出空间一致性损失以抵抗各类干扰变化,用于提取三者鲁棒的多尺度差异特征;最后,搭建特征聚合网络PANet融合多尺度差异特征,输出多尺度的缺陷检测结果.在实际变电设备多时相巡检图像数据集上进行实验验证,结果表明,所提出方法相较于非孪生网络和一般孪生网络可提升2.09%和0.67%的mAP,且在原始样本与干扰样本上的检测精度更均衡,而且所提出方法可以在提升变电设备缺陷检测模型精度的同时增强模型的抗干扰能力.     

基于改进相干增强扩散与纹理能量测度和高斯混合模型的导光板表面缺陷检测方法

针对液晶屏(LCD)导光板表面缺陷检测方法存在漏检率和误检率较高,对产品表面复杂渐变的纹理结构适应性差的问题,提出一种基于改进相干增强扩散(ICED)与纹理能量测度和高斯混合模型(TEM-GMM)的LCD导光板表面缺陷检测方法。首先,构建ICED模型,基于结构张量引入平均曲率流扩散(MCF)滤波,使得相干增强扩散(CED)模型对缺陷的细线状纹理有良好的边缘保持效果,并利用相干性得到缺陷纹理增强和背景纹理抑制的滤波后图像;然后,根据Laws纹理能量测度(TEM)提取图像纹理特征,将图像的背景纹理特征作为离线阶段高斯混合模型(GMM)的训练数据,使用期望最大化(EM)算法估计GMM参数;最后,计算待检测图像各像素的后验概率,并将其作为在线检测阶段缺陷像素的判断依据。实验结果表明,该检测方法在导光颗粒随机、规则两种分布的缺陷图像测试数据组上的漏检率和误检率分别为3.27%、4.32%和3.59%、4.87%。所提检测方法适用范围广,可有效检测出LCD导光板表面划痕、异物、脏污和压伤等类型的缺陷。     

傅里叶重建图像法检测磁片表面刀纹缺陷

磁片在被切割为更小的片时表面上可能会出现缺陷,这些缺陷将严重影响磁性材料产品的性能和使用寿命,因此表面刀纹缺陷自动检测成为磁片生产中一个重要的任务。针对经典缺陷检测算法不能很好地提取颜色暗、对比度低的磁片图像的缺陷的问题,提出一种基于傅里叶变换重建图像的磁片表面图像处理方法。用傅里叶变换获取磁片图像的频谱图像,缺陷在频谱图像中被显示为一条亮线。用霍夫变换检测亮线的角度,去除这条亮线的频率分量,使用傅里叶反变换得到去除掉缺陷的正常灰度图像。缺陷区域则可以通过评估原始图像和重建图像之间的灰度差来获得。对大量的磁片图像进行实验后表明,该方法可以准确、高效地检测磁片表面的刀纹缺陷。     

基于图像处理及降噪的局部放电图谱智能识别方法

局部放电检测是目前电力设备状态评价的主要手段,得到广泛应用推广。由于缺陷图谱的复杂性及现场干扰的多样性,传统的局部放电模式识别方法正确率低,训练时间长。针对上述问题,本文提出了一种基于图像处理技术及数据深度稀疏降噪的电力设备局部放电图谱智能识别方法。首先,运用图像处理技术对检测得到的图谱进行预处理;然后利用深度稀疏降噪自编码器进行数据稀疏降噪;最后对得到的有效去噪的数学模型,利用极限学习机(Extreme Learning Machine, ELM)网络,实现对局部放电的智能分类和识别。利用在变电站现场实测数据对本方法进行验证,证明本方法对含有多样干扰的局部放电信号有更好的识别效果,能很好适用于目前的电力设备图像信息模式识别应用当中。     

Moiré interference in multilayered displays

Abstract— Multi‐layered displays contain a pair of parallel liquid‐crystal‐display panels spaced apart from each other. The viewer sees objects displayed on the front and rear layers to form a three‐dimensional image. Each layer has an array of pixels arranged in an RGB striped configuration. When imaged on the retina, the layers interact to produce a beat pattern referred to as moiré. This pattern can be distracting to people seeking to use a multi‐layered display. To solve this problem, the high‐frequency components on the rear most display are attenuated using an interstitial optical diffuser. Given the characteristics of the diffuser and imaging planes, a function is derived to calculate the amount of residual moiré interference present. A measurement device and methodology was constructed to quantify the amplitude of the beat pattern and the blur on the rear image plane in terms of the human visual system.