精密光学元件表面疵病检测技术研究

依据光学元件表面疵病存在的对比度低、边界模糊等特性,以及现有的自动化检测算法,提出了一种基于机器视觉的数字化评价系统,解决了疵病图像获取中的相机定位、图像采集、疵病检测、图像拼接以及疵病统计等自动检测技术问题.实验结果表明:系统实现了精密光学元件表面疵病的自动化检测,能够有效分辨微米(μm)量级的疵病,具有良好的疵病识别性能.     

基于机器学习的刀具表面缺陷检测及分类方法

刀具在生产的过程中,由于人员、机器、环境等多方面原因,刀具的表面会出现各种缺陷,如划痕、碰撞凹坑、涂层剥落和边缘豁口;这些缺陷会严重影响刀具的质量和外观,对于刀具的缺陷检测,目前主要采用人工目检的方式,人工检测方法效率和准确率都比较低;为解决上述问题,提出一种刀具缺陷的自动化检测及分类算法;针对刀具图像的预处理,提出了一种基于双边滤波的降噪方法和基于差分的对比度增强算法;对于刀具的缺陷检测任务,提出了基于图像差分的缺陷检测算法;对于缺陷的分类任务,提出了一种基于SVM的分类算法,即通过提取缺陷区域的形状、纹理等特征来训练SVM分类器;最后对提出的缺陷检测及分类算法进行实验,结果表明算法的缺陷检出率达97.2%,分类准确率可达94.3%;算法能够很好地满足工业需求,可以替代人工实现刀具缺陷的自动化和高效率检测。     

汽车反光镜表面疵病检测

本文首先介绍了投影法检测汽车反光镜表面疵病的原理,包括实验仪器的搭建、设备参数的调试及采集的图像特征。然后,同样基于此原理对于部分硬件设备进行改换,并与之前的实验结果对比分析。最后,根据光学原理采用激光干涉仪反射感光的方法实现了突破,检测出了汽车反光镜表面的疵病。此方案为检测出更加细微,难以分辨的光学元件表面疵病提供了一种思路,这项工作具有积极的实际应用意义。     

基于小波变换和模糊中值滤波的图像边缘检测

小波变换是近年来兴起的信号处理技术。它具有良好的局部化分析特性和多分辨率分析特性,非常适合于图像处理。实际图像中常常含有噪声,噪声在小波变换中会产生大量的奇异点。中值滤波器是一种非线性滤波器,具有良好的边缘保持特性。该文提出了结合小波变换、中值滤波器和多分辨率分析的边缘检测方法,给出了一种自适应选择模糊中值滤波器因子的方法。实验结果表明,该方法是有效的。     

基于红外图像技术的钢构材料无损检测方法的研究

红外辐射成像检测由于其非接触性、快速性、检测面积大等特点,成为当前主要的无损检测方法。基于传热学理论知识建立了热量在钢板中传导的数学模型,并利用红外无损检测技术对含有缺陷的钢板进行研究。通过求取图像矩阵方差判断缺陷,采用直方图和形态学方法对缺陷图片进行预处理,提取缺陷的几何特征。使用阈值分割方法将缺陷从背景中分离出来,达到了图像的平滑滤波、缺陷中心定位、边缘检测等目的。提出了计算缺陷面积和周长的算法,完成对缺陷面积和周长等几何特征的检测。该研究方法及结论对钢板红外无损检测具有一定的指导意义。     

基于模糊神经网络的彩色图像滤波方法

提出一种基于模糊神经网络的彩色图像滤波方法．该方法将滤波窗口内的像素矢量作为模糊神经网络的输入，根据像素间的矢量距离进行模糊化，通过模糊推理实现对各个像素加权求均值，得到中心像素的输出．输入的模糊化和模糊推理参数由神经网络的自学习功能自动调整，实现最优的滤波效果．对样本图像的处理结果表明，该滤波方法对不同类型的噪声均有较好的滤波效果。     

一种基于屋脊边缘的字符图像细化方法

针对字符图像中笔画内部像素点灰度的屋脊型分布特点,提出了一种新的字符图像细化方法.该方法利用字符图像中灰度截面曲线,获取了屋脊型边缘的候选点集,通过对候选点集的进一步筛选和修补,取得了定位较为准确的屋脊边缘点,实现了数字字符灰度图像的可靠细化.     

基于频谱细化技术的精密旋转轴承音频信号故障检测方法研究

本文研究了基于复解析带通滤波器的复调制频谱细化方法（一种优化ZFFT算法）在精密旋转轴承音频信号故障检测上的应用;针对音频信号的特点,采用加汉宁窗三点卷积幅值校正法进行了误差校正.通过实验证明：该频谱细化技术可以得到高精度的音频信号频率细化谱线,为精密旋转轴承音频信号频谱的细化分析、特征提取、故障检测提供了一种简单有效的方法.     

光栅投影三维测量中线条纹细化方法的研究

在描述和分析OPTA细化算法的基础上,考虑到光栅投影三维测量的要求,对OPTA细化算法进行了适当改进。实践证明,该算法获得了理想的处理结果。     

基于PCNN的二值图像细化新方法

脉冲耦合神经网络(PCNN—Pulse Coupled Neural Network)是一种根据动物大脑视觉皮层同步脉冲发放现象提出的人工神经网络。该文首次提出了如何用PCNN的脉冲传播特性进行二值图像细化的新方法。计算机仿真结果表明,使用PCNN可自然而迅速地自动对各种形状的二值图像进行细化,提取其骨架。该文的研究进一步拓宽了有生物视觉依据的PCNN在图像处理方面的应用范围。     

基于语义信息的精细化边缘检测方法

边缘检测是在图像中准确地提取视觉上显著的边缘像素,以得到图像的边缘信息,然而传统基于全卷积网络的边缘检测方法通常存在预测边缘粗糙、模糊等问题。提出一种语义信息指导的精细化边缘检测方法。通过图像分割子网络将学习到的图像语义信息传递给边缘检测子网络,同时利用图像语义信息指导边缘检测子网络,其引入具有注意力机制与残差结构的特征融合模块,以生成精细的图像边缘,增强不同尺度的特征融合。在此基础上,结合图像分割任务和图像边缘检测任务中的代价函数定义新的模型代价函数并进行训练,进一步提高网络边缘检测质量。在BSDS500数据集上的实验结果验证了该方法的有效性,结果表明,该方法的固定轮廓阈值与图像最佳阈值分别达到0.818和0.841,相比HED、RCF等主流边缘检测方法,能够预测更精细的边缘图像,且鲁棒性更优。     

基于机器视觉的机械零件表面缺陷在线检测方法研究

利用传统机器视觉来检测零部件的表面缺陷已经无法满足零部件标准化检测,尤其是零部件光滑表面形成的强烈反射效应,造成零部件的部分表面亮度饱和,检测的图像信息缺失,精度严重下降.针对检测精度下降的问题,提出一种基于差影模型重构的方法,引入缺陷区域边界近似系数和细节系数来提升整个零部件缺陷检测精度.为了验证所设计的表面缺陷检测方法的准确性与可靠性,设计了在线检测试验平台,结果表明该方法能够高效地提高零部件表面缺陷检测的精度.     

一种基于空间滤波的钢轨表面擦伤检测改进算法

钢轨表面擦伤检测是保障铁路运输安全的重要手段之一。应用图像处理和模式识别技术来处理钢轨数字图像,检测并定位擦伤区域是一种可行且发展迅速的研究手段。课题组在前期工作中提出了一种鲁棒实时的钢轨表面擦伤检测算法,该算法首先对钢轨图像进行灰度对比度增强,在此基础上定位可疑擦伤区域并进行判定。算法对于常规擦伤图像具有较高的检测性能,但对于钢轨图像包含多处擦伤且擦伤区域灰度值差异较大的情况,往往造成漏检。针对原算法的不足,提出了一种基于空间滤波的钢轨表面擦伤检测改进算法,该算法对原算法检测到的擦伤区域进行钢轨灰度图均值填充,并对填充后的图像进行二次检测,在重新生成的灰度对比度图中,原检测图像中灰度值不明显的擦伤区域的灰度对比度值得到增强,从而增加了检出的可能性。经实验结果验证,改进算法具有较高的检测性能:在总的时间耗费没有明显增加的情况下,检测的平均准确率为90.8%,平均漏检率为4.0%,较原算法有较大改善。     

基于RPCA的太阳能电池片表面缺陷检测

目前太阳能电池片生产过程中的缺陷检测主要由人工完成,费时费力,容易受主观因素的影响.文中提出了一种基于RPCA(Robust Principal Component Analysis,RPCA)的太阳能电池片表面缺陷检测方法.该方法对图像矩阵进行变换,使之分解成无缺陷的低秩矩阵图像和有缺陷的稀疏矩阵图像.通过凸优化的方法,分别最小化上述两个矩阵的核范数和1范数,从而使矩阵得以有效快速地分解.同时,文中分别对优化的两种算法:加速逼近梯度(Accelerated Proximal Gradient,APG)法和非精确增广拉格朗日乘子(Inexact Augmented Lagrange Multiplier,IALM)法,在太阳能电池片缺陷检测的计算时间和迭代次数方面进行了比较.最后通过大量实验,证明了上述方法在检测太阳能电池片表面缺陷的可行性和有效性.     

基于图像处理的锆管端面缺陷检测

对核用锆管端面缺陷进行检测是保证锆管尺寸具有高度的一致性和稳定性的重要手段之一,该文采用计算机图像处理技术对锆管端面的缺陷进行自动检测,在VC6.0的开发平台,运用mil库函数,对锆管端面的宽度,内外倒角进行了快速、实时检测,并通过实例验证了检测系统的可行性。     

基于图像处理的铁轨表面缺陷检测算法

对铁路轨道表面缺陷进行检测是保证铁路运输安全的重要手段之一，该文采用计算机图像处理技术对铁路轨道表面的缺陷进行自动化检测，提出了轨道表面缺陷检测的系统设计方案，给出了一种利用图像灰度信息的快速、实时检测算法。实验验证了算法的有效性和高效性。     

基于三维TIN的精细表面建模方法

对现有三维不规则三角网（3DTIN）生成算法作了简要分类,回顾和评价了各类典型方法的优缺点和适用性,然后在此基础上提出了一种融合雕刻算法和生长算法优势的合成算法,给出了相应的数据结构。算法基于表面三角形任意一边的邻域结构,采用加权最小长度准则实现表面的快速生长。应用实例表明,算法可以重构具有任意拓扑的复杂表面,并且重构的三角网格表面与被采样的物体表面拓扑差别最小。     

基于高斯差分滤波的金刚线颗粒检测方法

电镀金刚线质量品控难度大、成本高,金刚线线体表面颗粒的数量是衡量金刚线质量的重要指标.文中针对金刚线线体表面颗粒大小不一,形状各异的特点,提出基于高斯差分滤波的金刚线颗粒边缘增强及提取方法.实验结果表明,文中所述方法对金刚线线体表面颗粒的复杂状态以及粘连状态都具有很好的处理结果.最后给出了金刚线颗粒参数统计结果.     

基于对称性区域过滤的显著性区域检测方法

为获得精确、完整的目标区域分割图,提出一种基于对称性区域过滤的检测方法来进行图像分割。利用改进的简单线性迭代聚类算法将图像分割成若干超像素,并以超像素为节点建立吸收马尔科夫链。计算转移节点到吸收节点的被吸收时间,将其作为显著值来获取显著图。根据图像目标区域的对称性特征,对显著图进行对称性检测,获取对称轴,通过两侧像素点到对称轴的距离对图像显著值进行区域过滤,从而获得目标图像分割区域。实验结果表明,该方法提取的图像显著目标区域较阈值分割法、最小生成树法和LRR法提取结果更为完整。     

基于局部邻域滤波的对抗攻击检测方法

目前,卷积神经网络在语音识别、图像分类、自然语言处理、语义分割等方面都取得了良好的应用成果,是计算机应用研究最广泛的技术之一。但研究人员发现当向输入中加入特定的微小扰动时,卷积神经网络(CNN)模型容易产生错误的预测结果,这类含有微小扰动的图像被称为对抗样本,CNN模型易受对抗样本的攻击。对抗样本的出现可能会对安全敏感的领域带来潜在的应用威胁。已有较多的防御方法被提出,其中许多方法对特定攻击方法具有较好的防御效果,但由于实际应用中无法知晓攻击者采用的攻击方式,因此提出不依赖攻击方法的通用防御策略是一个值得研究的问题。为有效地防御各类对抗攻击,本文提出了基于局部邻域滤波的对抗攻击检测方法。首先,通过像素间的相关性对图像进行RGB空间切割。其次将相似的图像块组成立方体。然后,基于立方体中邻域的局部滤波进行去噪,即:通过邻域立方体的3个块得到邻域数据的3维标准差,用于Wiener滤波。再将滤波后的块组映射回RGB彩色空间。最后,将未知样本和它的滤波样本分别作为输入,对模型的分类进行一致性检验,如果模型对他们的分类不相同,则该未知样本为对抗样本,否则为良性样本。实验表明本文检测方法在不同模型中...