基于机器视觉的自动扶梯梯级测速方法

针对自动扶梯运行速度的检测,提出一种基于机器视觉的自动扶梯梯级测速方法。首先,对机器视觉系统采集得到的梯级运行图像进行一系列的预处理,通过设置阈值实现目标颜色的识别;然后,采用直线扫描法对颜色提取后的不连通区域进行填充,对得到的二值图像进行边缘检测与轮廓识别,返回轮廓面积最大的图像;最后,提取每张图像中黄色区域右边界直线起始端点的横坐标,通过差分法计算得到梯级的速度。结果表明,该方法实现了非接触测量并且能够得到较为准确的检测结果。     

基于计算机视觉测量技术的图像轮廓提取方法研究

图像分割与轮廓提取是计算机视觉测量技术的关键环节。针对传统边缘检测方法中存在的问题，结合计算机视觉测量技术的特点，提出了一种实用的轮廓提取方法。该方法采用灰度阈值法进行图像分割，并用数学形态学方法对二值图像进行缺陷修补，通过链码跟踪存储轮廓信息，实现了具有单像素边缘的图像轮廓提取。文中给出了关键技术的原理及实现方法。实验表明，与经典的边缘检测方法相比，此方法具有抗干扰性强、精度高等特点，能满足工程测量的实际需要。     

基于贴片机视觉系统的SIM芯片识别定位算法

目的采用贴片机的机器视觉技术实现SIM芯片高质量和高精度的识别定位。方法采用工业摄像机收集原始图像信息,上传到VS配置的Open CV系统中进行图像预处理,减少图像信息,方便特征提取。对芯片图像进行Zernike边缘检测,减少噪声干扰,改善图像效果。通过矩形拟合提取芯片轮廓,获取芯片中心坐标。最后,通过芯片轮廓面积的提取,获得面积区间,确定合格芯片,并对其进行识别检测。结果实验结果表明,识别合格芯片的正确率达到100%,且抗噪性好;芯片定位时,位置精度在0.5个像素之内。结论在复杂情况下,该方法可保证贴片机的贴装质量和精度,有利于提高贴装的合格效率。     

基于数学形态学的图像边缘检测方法研究

在图像处理中,对于复杂图像的边缘特征信息很难通过一个结构元素来提取。笔者应用数学形态学的理论和方法,提出了一种选取多结构元素,采取排序边缘检测算法检测图像边缘信息,最后对不同结构元素的边缘检测结果求并,从而得到最终边缘图像输出的方法。实验表明,该方法具有较好的图像边缘检测效果,且简便灵活,可以适应不同类型图像的边缘信息检测需要。     

基于面域功率谱密度的金刚石车削相对振动辨识

在金刚石车削中,刀具与工件之间的相对振动会在加工表面上生成具有某种规律性的特征,并恶化表面质量.本文仿真了振动影响下的金刚石端面车削表面的成型,并研究了刀具与工件之间的相对振动对表面形貌的影响.传统的二维轮廓方法并不适用于整个表面特征的分析,只能采用径向、周向和进给螺旋方向的轮廓进行联合分析.采用由二维快速傅里叶变换推导得到的面域功率谱密度函数可以一次性描述加工表面的形貌,并依此形成了一种根据表面数据分析辨识刀具与工件之间相对振动的系统方法,拓展了面域方法在加工表面分析上的应用.最后,通过金刚石实际车削表面的分析验证了该方法的有效性.     

基于Contourlet变换和隐朴素贝叶斯分类器的带钢表面检测技术研究

用于控制产品质量的表面检测技术在带钢的工业生产中起着关键作用,而特征提取是提高带钢表面缺陷识别率的关键步骤。为了克服小波变换在捕获平滑轮廓和方向边缘等图像信息方面存在的限制,本文提出了一种基于Contourlet变换的特征提取方法。Contourlet变换是一种新开发的利用多尺度和方向滤波器组的小波变换的二维扩展,它可以捕捉图像的内在几何结构和平滑轮廓。带钢表面图像经过Contourlet变换提取的特征向量输入隐朴素贝叶斯分类器,从而进行带钢表面缺陷的检测与识别。实验结果显示应用的方法可以提高带钢表面缺陷的分类正确率。     

基于双树复小波变换的SiCP/Al复合材料加工表面质量评价

SiC_P/Al复合材料切削加工表面存在大量的凸起、凹坑和沟槽等缺陷,获取表面粗糙度信息时易将缺陷信息计入到粗糙度中,从而影响加工表面质量的合理评价。为提取加工表面粗糙度信息,合理评价SiC_P/Al复合材料加工表面质量,提出一种基于双树复小波变换（DT-CWT）的滤波方法。采用最小二乘法、高斯滤波法和DT-CWT变换的滤波方法对已加工表面进行粗糙度提取,从稳定性及受缺陷影响程度两个方面对三种方法的粗糙度信息提取效果进行对比。结果表明：基于DT-CWT的滤波方法具有较高的稳定性,并能够更有效区分表面粗糙度及缺陷信息,更适于SiC_P/Al复合材料加工表面粗糙度信息提取。应用基于DT-CWT的滤波方法,对不同Al基体的SiC_P/Al复合材料切削加工表面质量评价的结果表明：SiC_P/2024Al复合材料表面质量明显优于SiC_P/6063Al复合材料。     

基于边缘轮廓特征匹配的飞机目标识别

为快速准确识别可见光机场区域遥感图像中飞机目标的机型,提出一种基于边缘轮廓特征匹配进行识别的方法.对图像进行各向异性扩散处理滤除噪声,针对飞机停机位置是否有阴影存在,选择不同策略分割飞机目标.采用一种改进的区域分割方法提取目标,通过canny算子提取边缘轮廓,用主成份分析法获取飞机主轴,沿主轴垂直方向用相等间隔采样,提取主轴两侧边缘点间距作为特征参数.使用等级差数法对特征进行匹配,实现机型识别.实验结果表明,该方法能准确检测、识别飞机目标,统计得目标检测准确率96.44%,识别率94.07%,验证了算法的有效性.可将算法应用在对机场区域军事目标侦查识别中,能较为快速准确地识别飞机目标,体现了算法的应用价值.     

基于融合的SAR图像海洋溢油边缘检测算法及MATALAB实现

为准确地提取出SAR图像中溢油区域边缘轮廓信息,提出一种融合分水岭及canny算子的SAR图像边缘检测算法。该算法首先使用形态学重建技术对前景图象进行标记,并进行开关操作,去除边缘无关信息,然后对前景进行区分操作。利用分水岭算法及canny算子较为精确地提取出溢油区域边缘轮廓信息并用MATALAB仿真实验,结果表明,与经典的边缘检测方法相比,该方法在精确定位图像边缘的同时能更精确、更完整地检测出目标的边缘特征。     

霍夫变换耦合蚁群优化图像边缘提取算法

目的为解决图像边缘提取方法中由于噪声浸染导致边缘定位精确度降低、边缘信息丢失和虚假边缘等不足,提出基于霍夫变换(HT)耦合蚁群优化(ACO)图像边缘的提取方法。方法对输入图像进行霍夫变换,消除噪声和线段间隔对图像边缘的影响;计算图像像素梯度和像素圆形邻域统计均值的差值,构建二者之间的权重函数,并作为蚁群的信息素和启发信息;利用蚁群优化算法,引导蚁群搜索图像边缘,完成图像边缘提取。结果实验表明,与当前边缘提取技术相比,文中算法具有更高的提取精度与效率,可获取完整、细节丰富的边缘,有效地降低了噪声影响。结论所提算法具有较强的抗噪性能,能进一步改善边缘提取精度,能够较好地用于包装条码识别与图像处理领域。     

用HOUGH变换改进的曲率法识别平面轮廓图元

针对检测精度与检测速度两大指标,提出了用HOUGH变换改进的曲率法平面轮廓图元识别方法。开发了基于邻域值的轮廓点分类算法,采用曲率阈值法筛选轮廓点、投影高度法判别图元属性及分类轮廓点,构建了基于HOUGH变换的直线图元、圆弧图元分割与融合算法。对提出的方法分别进行了特征点检测精度与检测速度对比实验和特征点检测能力测试实验。实验结果表明,提出的方法图元识别准确、检测速度快、通用性好。     

SAR图像突堤式港口检测

突堤作为港口停靠船只的场所,其定位对港口目标的检测有重要意义。本文提出了一种基于突堤的分布特征的港口检测算法。首先在图像预处理的基础上,利用改进型种子点生长算法实现图像的二值水陆分割,在借助边界追踪法得到的岸线上,提取基于岸线斜率的突堤特征点,最后利用先验知识中突堤的分布特征进行特征点判断,通过突堤特征点的连接实现港口检测。新方法与已有的检测方法相比,具有定位准确的特点。     

Application of correlation filters for texture recognition

We propose a new statistical method to design spatial filters to recognize and to discriminate between various textures. Unlike existing correlation filters, the proposed filters are not meant to recognize specific shapes or objects. Rather, they discriminate between textures such as terrains, background surfaces, and random image fields. The filters do not require any on-line statistical computations for extracting texture information. Therefore optical (or digital) correlators can be used for fast real-time texture recognition without segmentation. The procedure is based on the assumption that textures can be modeled as stationary random processes over limited regions of an image. The optimum filter coefficients are determined by use of eigenvector analysis. Several examples are given to illustrate the proposed scheme.     

结合数学形态学和Level Set超声图像的分割方法

针对噪声严重的超声图像,提出了一种结合数学形态学和Level Set的分割方法。首先采用全变差模型进行图像滤波,再通过交互式区域选择和数学形态学方法获得感兴趣目标的二值化图像,并把该二值化图像轮廓作为水平集方法的初始曲线。改进隐式测地活动轮廓模型(GAC)中的边缘检测函数,增强了处理弱边缘的能力。分割结果表明,该方法能够准确地提取出目标轮廓,同时减少了迭代次数和运算时间。     

基于机器视觉的扬声器分层装箱在线检测方法

目的提出一种基于机器视觉技术对人工分层装箱的扬声器进行检测的方法。方法首先对采集的图像进行中值滤波等预处理,然后采用canny算子进行边缘检测提取图像边缘轮廓,并求出当前层边缘距离所选固定区域边界的像素值,用以作为判定层数的依据。结果通过确定的层数,分别求解该层20个区域的平均灰度,从而判断是否缺失扬声器。结论该方法可以准确分辨出扬声器所在的层数与个数,识别效果好、检测速度快、实时性好。     

一种基于平均步态能量图的身份识别算法

提出一种基于步态能量图（GEI）的嵌入式隐马尔可夫模型（e-HMM）身份识别方法。首先通过预处理提取出运动人体的侧面轮廓,根据步态下肢的摆动距离统计出步态周期,得到平均步态能量图。对能量图的各区域进行分析,利用二维离散余弦变换（2D-DCT）将能量图观测块转化为观测向量,实现嵌入式隐马尔可夫模型的训练和身份识别。最后在USF和CASIA步态数据库上对所提出的算法进行实验。实验表明该方法具有较好的识别性能,是一种有效的步态识别方法。     

工件表面低对比度缺陷快速准确识别方法

针对工件表面低对比度缺陷,提出一种基于图像网格的灰度统计分析识别新方法,首先构造利用空域和值域信息的滤波方式,对原始图像进行处理;然后对图像进行网格划分,并对网格图像的灰度值熵统计分析,实现对缺陷目标的识别。实验结果表明:对低对比度缺陷识别准确率达到97.1%。     

Shift- and scale-invariant recognition of contour objects with logarithmic radial harmonic filters

The phase-only logarithmic radial harmonic (LRH) filter has been shown to be suitable for scale-invariant block object recognition. However, an important set of objects is the collection of contour functions that results from a digital edge extraction of the original block objects. These contour functions have a constant width that is independent of the scale of the original object. Therefore, since the energy of the contour objects decreases more slowly with the scale factor than does the energy of the block objects, the phase-only LRH filter has difficulties in the recognition tasks when these contour objects are used. We propose a modified LRH filter that permits the realization of a shift- and scale-invariant optical recognition of contour objects. The modified LRH filter is a complex filter that compensates the energy variation resulting from the scaling of contour objects. Optical results validate the theory and show the utility of the newly proposed method.     

基于改进Hu矩和矩形拟合的芯片识别定位算法

目的为了实现高质量、高精度的全自动SIM贴片机的视觉识别定位,采用基于改进Hu矩和矩形拟合的芯片识别定位算法对芯片进行识别定位。方法首先对图像进行预处理,在Ostu分割的基础上提取图像的形状轮廓。然后利用相对矩和离心率特征相结合的改进Hu矩进行芯片的识别检测。最后在识别的基础上提取外轮廓,通过对外轮廓的矩形拟合实现对芯片定位的目的。结果识别芯片时采用改进Hu距的方法,正确率至少达到98%,显著提高了芯片的识别能力。芯片进行定位时,矩形拟合定位精度在0.5像素之内,位置精度高。结论该方法可基本满足芯片贴装时SIM贴片机视觉系统对高质量和高精度的要求。