基于机器视觉的零件加工瑕疵图像识别算法

由于传统瑕疵图像识别算法存在识别时间长、准确率较低的问题,研究基于机器视觉的零件加工瑕疵图像识别算法。使用最小误差法分割图像阈值,获取并处理瑕疵零件图像;提取瑕疵图像的全局特征与局部特征,经多维向量特征值排序后得到零件加工瑕疵的最终特征;利用形态学细化法提取图像边缘轮廓,结合机器视觉细化边缘像素,实现瑕疵图像识别。测试结果表明:使用机器视觉识别零件加工瑕疵图像算法,当图像数量增加到1000张时,图像识别平均所用时间为78.3 s,平均准确率则为95.817%,可以提高零件加工瑕疵图像识别的准确率。     

基于正则极限学习机的鞋面缺陷图像识别方法研究

针对制鞋企业大多采用人工检测鞋面缺陷效率低、成本高的问题,本文提出一种基于正则极限学习机的鞋面缺陷图像识别方法.本方法首先采用工业相机采集鞋面缺陷图像,并提取其特征值;然后基于正则极限学习机算法对所提取特征值进行数据处理;最后对特征值进行训练识别.检测结果表明,正则极限学习机算法在复杂检测环境下具有高识别精度,识别成功...     

基于改进FOA-SVM的矿井火灾图像识别

为解决矿井下传统火灾识别方法准确率较低的问题,提出一种基于改进果蝇优化算法(FOA)-支持向量机(SVM)的火灾图像识别算法。利用YCrCb颜色空间对捕获的图像进行分割,根据早期的火灾图像特征从图像序列中提取多个火灾特征值。用基于分群体融合的改进FOA算法搜索SVM最优核参数和惩罚因子,将提取的火灾图像特征值作为SVM的输入对样本数据进行分类。实验结果表明,采用该方法对矿井火灾进行识别时准确率达97.2%,其分类效果显著优于FOA方法、粒子群优化算法等。     

一种基于神经网络的基板引脚图像识别方法

基板引脚图像识别是自动引线键合的关键技术之一。文章针对引线键合过程中基板引脚图像的特点,提出了一种基于神经网络的识别方法:首先从图像中提取了由5个特征值组成的识别特征向量;然后用神经网络设计了分类器,并进行了有效的训练;最后,经过训练的神经网络分类器可对引脚图像进行有效的识别。研究结果表明:该方法具有简单、快速、有效的特点,在少量的训练情况下可以达到很好的识别效果。     

基于人工智能的三维多媒体视觉图像识别研究

为解决传统图像识别方法在实际应用中对三维多媒体视觉图像正确识别个数较少,无法满足高精度识别需要问题,开展基于人工智能的三维多媒体视觉图像识别研究。提取三维多媒体视觉图像特征,识别图像变化特征,基于人工智能完成图像特征识别。通过实验进一步证明,设计的识别方法与传统识别方法相比,有效提高了对图像的正确识别率,实现对三维多媒体视觉图像的高精度识别。     

自适应阈值法在掌纹图像预处理中的应用

在生物识别方法的研究中,掌纹图像二值化是掌纹特征处理的前提,是掌纹识别预处理的一个重要部分。要提高识别精度,消除噪音,针对掌纹图像所具有的灰度分布特性,提出了一种结合掌纹图像库特点的改进自适应二值化分割算法,分割的结果只提取掌纹轮廓并不改变掌纹图像的纹理特性,能够有效保留掌纹图像信息。最后,根据自适应阈值法的分割结果对掌纹图像进行预处理,同时,证明了自适应阈值法的有效性和可行性。实验结果表明,该算法能够很好的提取掌纹轮廓、消除噪声,为下一步掌纹图像识别提供参考依据。     

基于BP神经网络的纸币面向识别方法

纸币面向识别是纸币识别的基础,传统的纸币面向识别方法是人工提取特征,对于污损严重的纸币图像识别效率不高。针对传统方法的缺点,提出一种针对纸币图像的预处理方法。使用基于改进的BP神经网络的纸币面向识别方法,采用对纸币图像分块取平均值的方法提取特征,用量化共轭梯度法进行神经网络的训练,并且在TMS320DM648上进行实现。实验结果表明,这种方法完成纸币图像预处理和面向识别的时间不超过25 ms,准确率高于99%,具有计算量小、识别结果正确率高等优点。     

基于人工智能的缺陷图像识别算法

为了提高实际场景图像的缺陷识别准确度,基于人工智能、图像识别和深度学习技术,设计一种新的图像缺陷识别算法。采集缺陷图像,为缺陷目标识别做好检测分析和学习训练准备。联合分水岭分割和颜色特征分割方法,提取缺陷图像的有效特征。基于卷积网络,充分借助其中的学习模型,采用Python开源框架,设计新的缺陷识别方法。将人工智能算法集成于开发的软件系统中,该系统功能包括相机采集、视频导入、HDMI导入、脚踏板控制等。仿真数据表明,与已有分割技术相比,所提算法具有更理想的识别准确性与鲁棒性。     

基于小波变换的X射线焊缝图像缺陷识别方法研究

经过长时间的研究发现,在焊缝图像缺陷识别中,传统的方法具有正确识别率低的问题,为此提出了基于小波变换的图像缺陷识别方法。输入获取的X射线焊缝初始图像信息,从帧数叠加、数字形态学变换和图像增强三个方面对初始图像进行预处理,约束小波变换阈值降低图像噪声,最后通过边缘检测,提取焊缝图像当中的缺陷特征。在对比实验当中,设立两种传统识别方法作为实验的对照组,提出的X射线焊缝图像缺陷识别方法为实验组,同时对统一型号的焊接工件进行缺陷识别,实验发现提出的识别方法的正确识别率高达91.8%。     

基于决策树的焊缝缺陷类型识别研究

自动对射线底片图像进行分析和缺陷类型识别是无损探伤研究领域的一个热点。在对焊缝射线底片进行图像去噪和图像增强的基础上,对焊缝底片图像进行二值化处理,进而提取焊缝缺陷图像及其特征,再采用决策树方法建立焊缝缺陷特征的分类规则,并用这些规则对二值化后的焊缝缺陷图像进行分类识别。实验结果表明,基于决策树方法对焊缝缺陷图像识别的准确率高,而且所表达的知识易于理解。     

融合改进LBP和SVM的偏光片外观缺陷检测与分类

偏光片的外观缺陷是影响TFT-LCD面板质量的重要因素之一。为提高偏光片外观缺陷图像识别的准确性,提出一种改进局部二值模式（Local Binary Pattern,LBP）描述符和支持向量机（Support Vector Machine,SVM）的识别方法。缺陷图像通过暗场成像原理获得,将缺陷图像划分为不同的区,对每一个区域提取LBP特征并组成高维复合特征。将不同分区的像素均值特征与LBP复合特征进行集成,利用主成分分析（Principal Component Analysis,PCA）消除特征间的相关性和噪声,使用线性判别分析（Linear Discriminant Analysis,LDA）进一步投影变换至低维特征,使用支持向量机对上述特征进行分类。结合改进LBP描述符、PCA、LDA和SVM四种算法的优点,在总数250的数据库中进行仿真实验,结果表明,该方法识别准确率达到99.2%,单张图像识别时间为0.92 s,完全满足工业生产线的实际应用要求。     

基于视觉显著度的污损图像缺陷识别方法研究

针对传统图像缺陷识别方法存在的识别时间较长、识别敏感度较低以及缺陷识别效果较差的问题,提出基于视觉显著度的污损图像缺陷识别方法。采用傅里叶变换对图像进行预处理,运用滤波器对局部窗口内的平稳过程进行处理,将图像中的高频部分进行滤除,对原始图像进行平滑处理,达到图像去噪效果。根据预处理结果提取污损图像中的视觉显著度,构成显著特征矩阵,形成视觉显著图,将视觉显著图与图像分割进行结合,实现对污损图像的缺陷识别。实验结果表明,所提方法的识别时间较快、识别敏感度较高,且缺陷识别效果较好。     

基于Zernike矩快速算法的步态识别

在图像识别问题的研究中,步态识别是生物识别领域较活跃的研究课题,在视频监控等方面有广阔的应用前景.为提高轮廓识别精度和准确性,提出一种提取步态序列图像关键帧的特征并进行身份识别的方法,用来提高图像的精确性.首先把序列图像的人体部分模板化,然后利用q-递归算法计算关键帧的Zernike矩值、对序列图像进行矩特征描述,利用PCA变换进行特征数据的降维,利用支持向量机(SVM)等方法对数据进行分类.对不同的Zernike矩阶数、不同的训练方法、识别方法进行实验,并对识别结果进行分析比较.仿真实验结果证明了特征提取方法的有效性.     

基于机器学习算法的交通标志图像智能识别

交通标志图像识别具有十分重要的研究意义,传统方法的交通标志图像识别正确率低,耗时长,为了解决传统方法存在的局限性,更加准确识别各种类型的交通标志图像,提出了基于机器学习算法的交通标志图像智能识别方法.首先对当前交通标志图像识别的研究进展进行分析,找到引起交通标志图像识别误差的影响因素,然后提取多特征交通标志图像特征,并...     

一种新的金属腐蚀缺陷图像识别算法

为从大量X光图像中找出含有金属腐蚀缺陷的图像,提出一种新的X光图像识别算法。对待测的X光图像建立灰度梯度共生矩阵(GLCM),依据人们对腐蚀图像的直观印象,从GLCM中提取出5种特征参数构建特征向量。将特征向量转化为特征Vague集,并将其与目标Vague集进行相似性度量,从而实现金属腐蚀缺陷图像的识别。实验结果证明,相比BP神经网络和单Bayes分类器,该算法具有更高的识别准确率。     

基于Choi-Williams时频图像特征的雷达辐射源识别

针对复杂体制雷达辐射源识别,提出一种基于Choi-Williams时频图像的雷达辐射源信号特征提取和识别方法,将信号识别转化为图像识别问题。首先对雷达辐射源信号进行Choi-Williams时频变换,将得到的时频图转化为灰度图像;然后采用一系列图像处理方法对时频图像进行增强和去噪,之后将灰度图像转化为二值图像,并剪切掉不含信号的图像区域;最后分别提取二值图像的中心矩和伪Zernike矩作为识别特征,并采用支持向量机分类器实现信号的分类识别。文中针对8种常见雷达信号识别进行了仿真实验,结果表明在较大的信噪比范围内,该方法能获得较为满意的识别率,其中当信噪比为-3dB时,采用伪Zernike矩特征平均识别率仍能达到92%,验证了所提出方法的有效性。     

基于颜色特征的卫生陶瓷缺陷图像识别

针对卫生陶瓷在生产中存在的缺陷,提出了一种基于颜色特征的卫生陶瓷缺陷图像识别的方法。该方法为卫生陶瓷缺陷图像建立了缺陷特征库,可以对卫生陶瓷缺釉图像和裂纹进行快速识别。通过大量科学实验,缺陷特征库的建立受到光照和背景因素影响较大。本方法对卫生陶瓷缺馅图像识别,具有提取速度快,精度高等优点。为卫生陶瓷产品的检测提供了一种新思路。     

一种图像敏感对象的识别方法

针对现有的图像识别方法识别某一指定对象,提出了一种图像敏感对象的识别方法,该方法改进了现有目标识别的局限性;首先通过计算得到图像中对象的敏感度值,然后对图像对象进行纹理、色彩、形状和显著特征提取,最后结合敏感度值识别出图像中敏感度大的对象,并与经典的敏感度检测方法比较;实验结果表明该方法敏感信息丢失少,且能精确得到图像对象敏感度值,通过敏感度的不同,识别出人眼感兴趣的对象信息。     

基于局部抑制线性编码的图像快速识别方法

传统的图像识别方法如ScSPM、LLC都是在SIFT的基础上提取特征,忽略了人工特征的局限性,且单张图像识别耗时略长。考虑到这些不足,提出了一种基于局部抑制线性编码的图像快速识别方法。该方法首先直接利用局部抑制线性编码提取图像局部特征描述子;然后用线性空间金字塔匹配(LSPM)对特征描述子进行计算;最后将计算结果输入到线性支持向量机(LSVM)中进行训练和测试。在3个常用的图像数据集上的实验结果表明,该方法在类别不多的情况下具有很好的识别准确率,同时大大减少了单张图像识别耗时,从而验证了该方法在图像识别上的有效性。     

一种角度无关的Gabor-SVM昆虫识别

传统的昆虫识别方法费时费力,应用图像处理技术提取昆虫图像视觉特征,实现昆虫机器自动识别,可以解决传统方法的不足.本研究依据纹理是昆虫分类的重要特征,应用角度无关的Gabor滤波器提取昆虫图像的纹理特征,然后用SVM算法分类,实验结果表明:角度无关Gabor-SVM昆虫识别方法正确率为80%,是比传统Gabor和灰值游程矩阵更好的识别算法,该方法能较准确识别昆虫,省时省力.