一种基于小波变换去噪的活塞环图像检测技术

为精确测量活塞环的尺寸和识别破损缺陷,提出一种关于活塞环图像测量及破损缺陷的检测算法.该算法首先对活塞环原图像进行预处理,获取缺陷识别模型所需图像,然后通过小波变换获取清晰的活塞环图像边缘,再通过最小二乘法对活塞环图像边缘进行拟合,得到活塞环边缘曲线,建立算法模型,识别活塞环破损缺陷,得到活塞环的尺寸参数.该检测算法的缺陷识别率达99.5%,且实现活塞环的宽度亚像素测量.     

基于ViBe的端到端铝带表面缺陷检测识别方法

针对铝带表面缺陷高精度检测要求以及传统算法识别率不佳的问题,提出端到端的表面缺陷检测与识别方法.从铝带表面初始图像序列中快速计算出平均图像,视为无缺陷背景图像,用于初始化ViBe算法的背景模型.采用ViBe算法从当前图像中分割出缺陷区域,对缺陷区域二值图像进行中值滤波和形态学运算,以去除噪声点和修补边缘,实现缺陷区域的准确提取.利用当前图像实时更新ViBe背景模型,以增加对光照变化的适应能力.提取缺陷外接矩形区域图像,归一化后输入到训练好的卷积神经网络中进行识别分类,得到分类结果.实验结果表明,提出方法的缺陷检出率为93.02%,缺陷识别率为99.86%,具有较好的应用价值.     

基于图像识别技术的烟包封条缺陷检测

为了提高香烟在线生产的效率,提出了一种烟包封条缺陷检测方法,开发了基于图像识别技术的烟包封条缺陷检测系统.所开发系统首先对采集到的烟包图像进行中值滤波和边缘检测;然后对边缘图像进行Radon变换;进而通过检测烟包小标上特征直线的角度和位置来判断烟包小标的粘贴是否合格;最后用PLC控制将判别不合格的烟包剔除出香烟生产线.中烟公司某烟厂长周期的应用结果表明:该检测方法具有判别速度快、易于实现等优点,所开发的系统可行、有效.     

Mean shift 算法在带钢缺陷图像分割中的应用

带钢自动表面检测系统中缺陷图像的分割效果对缺陷识别具有重要影响．为了提高缺陷图像的分割效果,提出了采用 Mean shift 算法对带钢缺陷图像中的感兴趣区域进行平滑从而获取缺陷边缘的方法,并将该算法与中值滤波算法进行了比较．测试结果表明,Mean shift 算法能够有效地对缺陷图像中的感兴趣区域进行平滑,并精确得到缺陷目标的边缘,该算法在带钢的缺陷分割中具有较好的性能．     

基于尺度乘积的X射线焊缝区域提取算法研究

焊缝缺陷自动检测是保证焊接质量的重要环节,而焊缝区域的提取是焊缝缺陷特征提取与焊缝缺陷识别的基础。该文提出了一种基于尺度乘积的X射线焊缝区域提取算法。该方法首先对图像按行取样获得行灰度曲线,再利用最小二乘直线拟合的方法将不同尺度下拟合直线的斜率乘积代替梯度算子,并进行非极大值抑制得到边缘点。对图像每行进行同样的操作,得到整个焊缝的边缘,从而提取出焊缝区域。实验表明,该方法能显著抑制噪声的干扰、提高边缘检测的准确率,在噪声多、边缘模糊的X射线图像中能取得比主动轮廓模型和模糊核聚类更好的效果。     

轮廓匹配的复杂背景中目标检测算法

为解决基于形状的目标检测算法受图像复杂背景的影响,本文提出了一种新的基于轮廓匹配的复杂背景中目标检测方法,算法结合了显著性检测和模板匹配的方法.首先对输入图像在超像素级别进行预处理,应用显著性区域检测方法得到不含复杂背景的区域图像,然后在显著性区域内得到初始边缘图像,对初始边缘图像进行优化处理后利用形状描述子进行轮廓匹配,最后,通过深度优先的搜索策略识别目标的假设位置并进行假设验证来确定最终的目标位置,完成复杂背景图像中的目标检测任务.在ETHZ形状数据集的实验结果证明了本文算法的可行性,根据50%-IoU和20％-IoU标准与其它几种基于形状的目标检测方法进行对比,当误报率为0.3时,算法平均检测率是96%,误报率为0.4时,检测率已经达到99%,如果接受更高误报率时检测率可达到100%,均高于其余几种算法.算法的实验和对比分析结果表明本文方法可以提高检测精度,具有明显的性能优势,为复杂背景中的目标检测提供了新的解决方法.     

基于小波包分解和形态学融合的地基云图边缘检测

采用一种基于小波包分解和数学形态学融合的边缘提取方法用于地基云图的边缘检测.首先对图像进行基于小波包分解的边缘提取,然后对图像进行数学形态学的边缘检测,最后利用图像融合技术对两幅图像进行融合得出最优边缘图像.通过Matlab软件验证和比较,表明该方法实际使用效果较好.     

基于特征与形貌重构的轴件表面缺陷检测方法

针对轴件表面缺陷机器视觉检测方法中的水渍残留误检率高和人工复检效率低问题,提出一种基于特征与形貌重构的轴件表面缺陷检测方法. 对轴件工业高速线扫描图像进行预处理,基于改进的阀值迭代算法完成图像分割,通过去除背景、噪点和干扰提取缺陷图像. 建立基于曲线簇包络轮廓的轴件表面缺陷特征模型,结合分割图像各连通域的面积、面积占比、粗短度训练逻辑回归分类器,对凹坑、裂纹和麻点等轴件表面典型缺陷进行识别,并结合图像深度信息进行缺陷形貌重构,消除水渍等伪缺陷,提高轴件表面缺陷检测鲁棒性. 实验结果表明,所提出的轴件表面缺陷检测方法有效,具有较高的缺陷识别率和鲁棒性能,平均识别时间为3.69 s,缺陷轴加权识别率为98.86%,可以对3类典型缺陷和水渍进行准确识别.     

TFT-LCD微米级显示缺陷的自动检测算法

针对现有薄膜晶体管液晶显示器(TFT-LCD)缺陷检测算法只能检测肉眼可见的缺陷,不能检测肉眼不可见的微米级缺陷的问题,首先提出一种基于局部图像模板匹配的图像配准方法,以实现亚像素级上的图像配准,提出基于差影法和亚像素级图像配准的TFT-LCD微米级缺陷自动检测算法,实现TFT-LCD微米级缺陷的快速自动检测.将该方法应用于实际TFT-LCD玻璃基板的缺陷检测上,检测结果表明,Array区电路的漏检率和错检率低于3%,Pad区电路的漏检率和错检率低于5%,能满足实际检测的要求.     

小区民用车辆车牌自动识别算法

采用中值滤波、边缘检测、二值化等方法对车牌图像进行了预处理,并将车牌区域每行的边缘点数量、边缘点数量与车牌区域长度的比值及各候选区域的长宽比等因素作为参考值分别对车牌进行了粗定位和精确定位,利用统计特征和结构特征相结合的方法对字符进行了分类与识别,设计了字符分类器。实验结果表明,所设计的车辆车牌自动识别系统较好地实现了不同环境条件下的车牌识别,识别率达92%。     

钢轨表面缺陷图像自适应分割算法

针对钢轨表面缺陷提取时的灰度分布不均与杂散光干扰问题,在背景差分法的基础上提出了一种钢轨表面缺陷图像自适应分割算法.首先,通过统计钢轨图像中各行像素灰度特征,结合其均值与标准差分布曲线快速提取钢轨表面区域;然后,进行区域与边缘特征的均值窗口自适应选取;最后,根据均值模糊原理建立背景图像模型并进行图像差分,实现了钢轨表面缺陷分割.实验结果表明:提出的轨面提取算法快速、有效;钢轨表面缺陷自适应分割算法在凸显图像中缺陷部分的同时,有效减少了光照变化和反射不均的影响.该方法对测试图像的召回率和准确率分别达到了95.4%和81.3%.     

基于边缘检测和区域生长的自然彩色图像分割

提出一种自然彩色图像分割方法,即利用相位一致性模型检测图像边缘,获得图像主要几何结构;并将代表区域分布的边界线作为潜在的区域模型,自动获得种子点进行区域生长实现最后分割.实验结果表明,该方法有效地克服了单一使用边缘检测和区域生长进行图像分割的缺陷.所得分割结果与人类视觉系统判断基本一致.     

基于边缘检测的焊缝图像的区域分割

为了检测焊缝图像中焊缝区的缺陷,根据射线检测焊缝图像的特点,首先对图像进行对比度增强、二值化处理和物体边缘轮廓的细化和收缩处理,检测出图像焊缝区与缺陷区的边缘.最后用Hough变换对图像进行缺陷区边缘检测.仿真与实际运行结果表明,该方法检测精确度高,且有效提高了检测速度.     

基于顺序向前浮动搜索时频优选特征的缺陷识别

为提高超声检测缺陷识别的正确率和泛化能力,提出一种基于小波包分解和顺序向前浮动搜索（SFFS）算法的时频最优特征提取方法.该方法结合了无监督和有监督特征提取方法的优点,局部利用样本的先验分类信息以期达到更好的识别效果.介绍上述特征提取方法中的相关理论,包括小波包变换、Fisher判据以及SFFS搜索算法.为了验证新方法的在缺陷识别方面的有效性,对石油套管上的4种典型缺陷进行识别实验.分别采用3种传统的特征提取方法,从时域、频域和小波包域提取特征用于对比实验,并采用支持向量机算法对上述不同途径获取的特征集进行识别.10组随机抽样的识别实验表明：采用小波包时频SFFS优选特征能够对上述缺陷进行有效识别,最高识别率达到93.3%,平均识别率达到89.5%.与上述3种传统的特征提取方法相比,该新方法识别率高、泛化性好,对训练样本选的选择敏感性小.     

基于水平集和凹点区域检测的粘连细胞分割方法

为解决具有灰度不均匀、低对比度以及边缘模糊等缺陷的粘连细胞分割问题,提出结合水平集方法的轮廓提取和凹点区域检测的细胞分割方法.利用水平集方法可很好地解决曲线演化过程中的拓扑变化问题,结合细胞图像的区域信息和边缘信息,能有效提取细胞的边缘轮廓.该方法可最大限度地保留细胞边缘轮廓的几何特征.根据多边形的凹凸性,循环迭代检测粘连细胞轮廓上的凹点区域,确定细胞的粘连位置,最后确定粘连位置的分割连接线.对几十幅不同粘连细胞图像的分割实验结果表明,该方法易于实现,鲁棒性强,效果明显,细胞分割的平均准确率达到83.01%,优于分水岭及聚类分割方法.     

射线检测中胶片焊缝缺陷定位与识别

针对传统焊缝射线检测中胶片数字化困难、焊缝缺陷自动定位与识别率低的问题,设计了胶片数字化系统,综合分析典型焊缝缺陷的特征,提出一种基于图像分割与二值形态学算法的胶片焊缝缺陷快速定位与缺陷类型识别的方法.可从数字化胶片图像中分割出有效焊缝区域,实现对焊缝缺陷的中心定位,并根据缺陷特征进行识别.试验结果表明该方法能够有效实现数字化胶片中的焊缝缺陷定位,对气孔、夹渣等典型焊缝缺陷定位识别率达到90%以上,提高了射线检测的效率.     

深度学习在输电线路无人机巡检中识别防振锤缺陷的应用

基于深度学习技术,对无人机巡检架空线路防振锤缺陷识别的应用开展了研究。针对巡检图像背景复杂,防振锤识别目标小、易出现漏检的特点,在更快的基于区域的卷积神经网络（faster region-based convolution neural network, Faster R-CNN）算法基础上,利用光学矫正和综合去噪对图像进行预处理,用深度残差网络（deep residual network, ResNet)提取特征图,增大、增多训练尺度对算法进行优化。通过Gabor滤波器和分析红绿蓝(red green blue, RGB)颜色通道特征分别对防振锤损坏和锈蚀缺陷进行识别。实验结果表明:该方法对防振锤缺陷有较好的识别效果,召回率达到92.56%,精确度达到98.24%,优于现有的其他目标检测方法。     

边缘检测识别道路边界时消除标识线干扰的图像处理方法

针对通过对道路图像进行边缘检测来识别道路边界时道路中道路标识线的边缘特征对判断造成干扰的问题,提出了一种处理图像的方法.该方法基于边缘检测算法检测到的边缘对道路的灰度图像进行逐行处理,通过对该行中边缘通过的点附近的灰度值进行判断和修改来降低道路标识线的边缘特征,同时保留道路真实边界的边缘特征.在该方法基础上搭建了基于边缘检测的道路边界识别系统并对方法进行检验,使用130余张道路图片作为输入,验证了方法的有效性和实时性.实验结果表明,该方法能有效消除道路标识线对基于图像边缘检测的道路边界检测方法的干扰.     

引入Harris角点检测的运动图像边缘轮廓提取

对运动目标图像进行边缘轮廓特征提取,提高运动图像的电子稳像性能,从而准确实现运动目标的检测和识别.提出了一种基于Harris角点检测的运动图像边缘轮廓提取算法,对运动图像进行仿射不变闭合区域增强处理,采用Kalman滤波和运动状态相邻帧补偿的方法进行运动图像Harris角点检测,提高相邻两帧之间边缘轮廓的角点检测能力,实现了运动图像边缘轮廓的提取和稳像处理.仿真结果表明,用该方法进行图像边缘轮廓角点提取的准确度高且稳健性好.     

矿井监控图像中空列车的识别

基于井下空列车与其他物体的几何形状差别,提出空列车监控图像的识别算法.运用圆形结构元素对监控图像进行形态学的先开启、后闭合的操作,用Canny边缘检测算子来检测图像的边缘,并对边缘的图像进行变换分析,突出了空列车图像边缘的直线性质.结果表明：形态学操作有效地减弱了其他对象的边缘,得到比较满意地空列车图像的直线性质的边缘;在不同监控对象的图像的Radon变换域中的特征最大值比Hough变换域中的特征最大值有更好的可分离性.Radon变换作为识别算法中的变换方法,可识别了煤矿井下红外监控系统中的空列车图像.