基于改进遗传算法的任意图形最大内接矩形求解北大核心CSCD

为了求解任意不规则图形最大内接矩形问题(MER问题),在建立MER优化数学模型的基础上,针对遗传算法收敛速度慢、无法处理模糊约束条件、容易陷入局部最优解等问题,引入惩罚函数法处理约束和评价个体适应度,提出了基于改进遗传算法的不规则图形MER模型求解方法,研究表明该方法能快速准确地确定不规则图形的最大内接矩形,可广泛地应用在目标特征提取、板材优化排样和皮革裁切中。     

基于等效采样的最大内接矩形提取算法

在平面任意闭合图形区域内裁切出面积最大的矩形,是生产实践中常见的问题。为了能准确且快速地获得该问题的最优解,在研究了图像处理领域的相关理论及方法的基础上,结合注水检测、等效采样、均匀布点、等速扩散、线性变换等方法,提出一种在不规则图形区域内找到最大面积矩形的算法。代码运行的实验结果与真实结果非常吻合,运行效率也较为理想。该算法经应用化设计后,可以进一步推广到相应的需求场景中。     

基于机器视觉的色差检测算法

针对金属印刷质量中的色差检测问题,采用机器视觉的技术对色差检测算法进行了研究。通过在金属印刷品的留白区域印刷色标,使用工业CCD相机采集金属印刷产品上的色标区域,使用数字图像处理技术提取色标。使用了基于HSV颜色空间的色差检测算法和基于CIELAB颜色空间的色差检测算法,分析了两种颜色空间下色差检测的实验结果,采用两种颜色空间检测算法相结合的方法,实现对色差合理有效的快速检测,同时能保证检测结果的准确性。     

一种区域边界显示的快速算法

由于在交互式的图像处理中,影响系统性能的主要是时间而非存储空间。虽然作为描述区域边界的常用方法——链码,能有效降低存储空间,本文仍然用最简单和最直接的方法——横向和纵向线段组来描述图像区域边界。并在分析横向和纵向线段组的规律性的基础上,给出了一种由图像区域同时生成其横向和纵向线段组的快速算法。     

中心矩形构图先验的显著目标检测

目的 许多显著目标检测算法侧重从背景角度进行显著性检测,而从前景角度和空间角度进行显著性检测的算法较少,为了解决这个问题,提出了一种基于中心矩形构图先验的显著目标检测算法。方法 假定目标分布在中心矩形构图线附近。首先,对图像进行超像素分割并构造闭环图;其次,提取中心矩形构图线上的超像素特征,并进行流形排序,获取初始显著值;然后,通过基于中心矩形构图线获取的初始显著值确定中心矩形构图交点显著值和紧凑性关系显著值;最后,融合三者获得最终的中心矩形构图先验显著图。结果 通过MSRA-1000,CSSD,ECSSD,THUS-10000数据集对比验证了中心矩形构图先验算法有较高的准确度和最高的F-measure值,整体效果上优于目前先进的几种算法。且处理单幅图像的平均时间为0.673 s,相比与其他算法也有较大优势。结论 从前景角度和空间角度考虑的中心矩形构图先验的显著目标检测算法相比于传统的算法更加具有鲁棒性,无论图像是复杂的还是简单的,都取得很好的检测效果,充分说明算法的有效性。     

基于机器视觉的轴承防尘盖检测算法

为实现工业现场对轴承防尘盖的自动检测,对机器视觉检测的关键技术进行了研究,提出一套基于机器视觉对轴承防尘盖的检测,针对轴承图像的特点,采用了一种最小二乘法进行圆拟合圆检测算法,完成了轴承防尘盖区域的提取,对连通区域的特征进行了分析,再进行量化处理和判断.实验结果表明,该方法实时性好,准确率高,可以满足工业检测需求.     

基于Hough变换的快速矩形检测算法

本文提出了一种基于图象Hough变换的矩形检测算法。通过对图象Hough变换空间中峰值点进行提取和组合，检测出满足角度和长度条件的直线组合，以快速定位出图象中的矩形。实验结果表明：该算法快速、准确，检测过程不需人工参与。     

基于视觉传感器的车道检测算法

为了提高对环境的适应性,减少道路图像受光照、污渍的影响,提出一种基于视觉传感器的车道检测算法。首先分析光照污渍的影响,同时利用投影原理等先验知识改进区域生长法,接着分割图像并划分道路的边界区域,然后通过融合边缘检测数据得到准确的车道线特征点集合,车道检测中则采用Hough变换提取直线段来匹配道路直线模型。实验结果表明：该算法可以有效降低光照、污渍的干扰,提高了鲁棒性,准确率达97%。     

机器视觉中激光光带两步提取算法研究

在基于线激光投射的三维探测系统中,如何快速精确地从复杂背景中快速提取出投射在障碍物表面的激光光带,并在光条图像中提取光条中心位置是实时精密探测出障碍物的关键问题.论文对当前已有的线激光光条提取算法进行综述,并比较了现有算法的优缺点.最后,提出了一种两步提取算法.第一步是将RGB与HSV色彩进行空间变换初步处理提取出激光光带,第二步结合阈值法与重心法两算法优点精确地确定光条中心位置.实验说明,激光光条中心的两步提取算法精准、快速,达到了像素级,这种算法的抗噪声能力也很强.     

基于机器视觉的工业检测

针对酒瓶生产中对瓶口进行的有无损伤检测的重要性,对酒瓶瓶口的检测进行深入、系统的研究。基于机器视觉的检测技术通过Halcon软件实现精准度高、过程自动化、速度快的检测,故采用Halcon软件和图像处理的相关算法实现瓶口的准确检测。经过实验表明,采用机器视觉技术,识别的精度和速度有很大的提高,而且减少了人员的使用,从而减少了企业的成本。     

基于机器视觉的梳棉机棉结在线检测

棉结是纺织生产中的一种有害疵点,不仅影响纺织品的质量,对染色质量影响也较大。提出了一种基于机器视觉的梳棉机在线棉结检测系统,分别对光源系统、高速图像采集系统、实时图像处理系统的设计进行了讨论,实验验证了系统的可行性。实测结果表明:系统具有高速数据采集、宽幅表面棉结特征识别、在线实时处理(棉结计数)和显示(报警)等功能,且在高速生产环境下运行稳定可靠。     

基于机器视觉的多铆钉自动检测算法研究

为了克服传统人工铆钉检测工效低、精度不易控制等弊端,提出了一种基于机器视觉的多铆钉非接触式自动检测算法。采用改进的OTSU算法对采集到的铆钉图像进行分割,有效地减少了污点区域的误划分。为解决铆钉方位的随机性对检测过程造成的影响,采用最小外接矩形法定位铆钉轮廓主轴,克服了复杂工业环境中的不确定因素。通过计算铆钉轮廓各点在两侧支撑区间内曲率的方法识别轮廓特征点,有效减少了噪声在曲率计算中的权重,并提高了识别精度。实验表明:该系统检测精度高,且误检率低,能满足铆钉生产在线检测的要求。     

基于机器视觉的加工误差在线检测系统设计

针对加工零部件人工误差检测高劳动强度、低效率的问题,以及被检测工件的特殊形貌,设计了一套加工件装配过程在线检测系统,将基于计算机的非接触式视觉检测技术引入到工业生产线中。利用CCD相机捕捉工件表面形貌图像,结合图像噪声去除、边缘提取、阴影检测、模式特征句法分析、模板匹配等技术,在线检测工件生产流程中出现的误差。实验结果表明所设计的系统降低了操作人员的劳动强度,提高了零部件误差检测效率。     

基于机器视觉的轴承防尘盖表面缺陷检测

为实现工业现场中轴承防尘盖表面缺陷的自动检测,提出一种基于机器视觉技术的检测方法。采用蓝色同轴光源作为检测系统所用光源,克服金属反光;采用最小二乘法拟合轴承外圆,根据轴承型号比例分割出防尘盖区域,利用Otsu阈值分割和Roberts边缘提取处理图像,每2°统计值为1的点的数目,与模板轴承此数据比较,求出相差角度,由此将防尘盖字符、非字符区域分离,两部分是否存在缺陷分开判别,互不干扰。实际测试表明：检测系统采集到的轴承图像清晰,缺陷检测算法正确率在96%以上,可实现轴承防尘盖表面缺陷的自动检测。     

机器视觉表面缺陷检测综述

目的 工业产品的表面缺陷对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业对产品的表面缺陷进行检测以便及时发现并加以控制。机器视觉的检测方法可以很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低、劳动强度大等弊端,在现代工业中得到越来越广泛的研究和应用。方法 以机器视觉表面缺陷检测为研究对象,在广泛调研相关文献和发展成果的基础上,对基于机器视觉在表面缺陷检测领域的应用进行了综述。分析了典型机器视觉表面缺陷检测系统的工作原理和基本结构,阐述了表面缺陷视觉检测的研究现状、现有视觉软件和硬件平台,综述了机器视觉检测所涉及到的图像预处理算法、图像分割算法、图像特征提取及其选择算法、图像识别等相关理论和算法研究,并对每种主要方法的基本思想、特点和存在的局限性进行了总结,对未来可能的发展方向进行展望。结果 机器视觉表面缺陷检测系统中,图像处理和分析算法是重要内容,算法各有优缺点和其适应范围。如何提高算法的准确性、实时性和鲁棒性,一直是研究者们努力的方向。结论 机器视觉是对人类视觉的模拟,机器视觉表面检测涉及众多学科和理论,如何使检测进一步向自动化和智能化方向发展,还需要更深入的研究。     

基于机器视觉的啤酒瓶检测系统研究

为了提高啤酒瓶的检测效果,提出了一个基于机器视觉的啤酒瓶检测系统的方案.根据啤酒瓶检测过程的高速度、高精度和实时性的特点,设计了系统中图像获取、图像处理和图像识别的过程和方法.利用图像滤波去除获取的啤酒瓶数字图像中的噪声,通过二值化将物体和背景分离,再经过边缘检测提取边缘,最后识别和分类有缺陷的啤酒瓶.实验结果表明,该方案能够快速有效地对啤酒瓶进行检测,提高了检测效果,具有一定的可行性和现实意义.     

基于最大池的谱特征匹配算法

为了提高基于谱特征的图像匹配算法的精度和鲁棒性,提出了一种基于最大池的谱特征匹配算法。首先,利用图像特征点邻域信息提取具有旋转不变性和亮度线性变化不变性的谱特征;其次,将以谱特征描述的特征点作为节点、特征点之间的欧氏距离作为边构造属性关系图,将图像匹配问题转化为图匹配问题;最后,引入最大池匹配策略获取图匹配结果。大量实验结果表明,该算法提高了谱特征匹配算法的精度和鲁棒性。     

基于CUDA的动态视觉测量像面特征点中心快速定位算法

数字相机分辨率的提升对视觉测量中精度的提高有很大的促进作用,但是高分辨率图像同时也会带来更大的数据量和计算量的问题。在CPU上应用传统的串行特征点中心定位算法耗时较大,无法满足动态测量的要求。针对此提出了CUDA架构下的并行像面特征点中心快速定位算法。经过分析发现,当大于10 000个点时串行特征点中心定位算法在图像预处理、区域约束判断和点中心计算消耗的时间在90%以上,因此主要对这三个最耗时的部分展开重点研究,分析每部分的并行性,然后实现基于CUDA的特征点中心定位并行算法。实验结果表明,在点中心定位精度没有损失的前提下,提取35 000个点坐标时在CUDA上比传统的串行实现的处理速度提高了11.5倍,并且随着特征点数量的增加加速比还有显著的提高。