应用小波Firm阈值滤波实现光谱实时采集

提出了一种利用小波域Firm阈值滤波去除随机噪声的方法,以提高微型光谱仪的光谱采集精度。首先,采集2次光谱谱线,取均值作为待处理谱线;然后,计算出这两次谱线的噪声标准差取代传统小波去噪中的噪声标准差估计,运用通用阈值法确定上阈值。调整下阈值对待处理谱线进行小波Firm阈值滤波,并判断滤波后偏差是否在计算的噪声方差内。选用标准溶液以2种浓度做相对吸光度实验(标准值是A=0.3204),分别用传统10次平均方法和Firm阈值滤波法进行去噪。实验结果表明,提出的方法优于传统10次平均法,标准差从0.00796降低到了0.00697,提高了采集速度。在以光纤光谱仪为主体的微型生化分析仪样品检测过程中的应用表明:该方法提高了检测精度,减少了检测时间,提高效率4～5倍。     

小波firm阈值滤波的光谱实时采集方法

为了提高微型光谱仪光谱采集精度,提出了一种利用小波域firm阈值滤波去除随机噪声的方法。首先采集2次光谱谱线,取均值作为待处理谱线。然后计算出这两次谱线的噪声标准差取代传统小波去噪中的噪声标准差估计,运用通用阈值法 作为上阈值。调整下阈值将待处理谱线小波firm阈值滤波,并判断滤波后偏差是否在计算的噪声方差内。实验结果表明：优于传统10次平均法,在高采集精度的基础上提高了采集速度。在以光纤光谱仪为主体的微型生化分析仪样品检测过程中的应用表明：提高了检测精度,减少了检测时间,提高效率4-5倍。     

旋滤波法对噪声抑制作用的仿真比较研究

在光学干涉条纹图像处理方法中,旋滤波法得到广泛的使用,但是当噪声比较大时,不能准确的求出条纹方向图,无法得到很好的滤波效果。本文以仿真为方法研究噪声对旋滤波法的影响,并指出条纹图预处理的重要性。仿真结果表明,当噪声强度大于0.125时可以加入中值或者均值滤波作为预处理,可以有效的抑制噪声。     

基于dbN小波变换和自适应高斯滤波的齿面干涉图像相位滤波方法

齿轮齿面形貌的激光干涉测量中，由于齿面高度差较大，采集到的干涉图像中难以避免存在条纹密集区域，容易出现局部条纹粘连、错切等现象，增加了相位噪声和解包裹难度。分析了包裹相位图中条纹密度分布规律，提出了一种基于dbN小波变换和自适应高斯滤波的齿面干涉图像相位去噪方法。首先，利用小波变换分解出包裹相位图中常表现为高频信号的噪声，采用软阈值去噪滤除部分高频噪声；其次，根据包裹相位图频域特征，结合自适应高斯滤波进一步对高频噪声进行迭代滤波处理；最后，设计了相关实验，通过与经典的滤波方法进行对比，所提方法不仅能够有效滤除条纹较为密集的包裹相位图中的相位噪声，而且更大限度地保留了图像细节信息，证明了所提方法的有效性和正确性。     

基于自适应双边滤波的V型焊缝特征提取研究

为了提高自动化焊接时焊缝特征提取的精准度,提出一种自适应双边滤波算法对图像噪声去除。首先在图像预处理阶段使用自适应双边滤波算法对采集到的焊缝原始图像进行去噪处理,然后通过阈值分割得到激光条纹的二值化图像,将灰度重心法与最小二乘法相结合提取出激光条纹中心线,最后通过联立激光条纹中心线方程组求解焊缝角点坐标,从而得到焊接点位置坐标。实验结果表明,该方法能够准确地提取出V型焊缝的特征角点坐标,精度上满足实际的焊接要求。     

基于结构光视觉的激光拼焊焊缝质量检测方法研究

在基于结构光视觉的激光拼焊焊缝表面质量检测系统中,需要准确获得焊缝结构光条纹中心线和特征点的位置.由于焊接过程中的各种噪声干扰,使得焊缝图像复杂多变,因此选择合理高效的图像处理算法是非常重要的.针对这一问题,对结构光视觉焊缝质量检测系统图像处理方法进行了深入研究.在图像预处理中,首先通过开窗处理来获得兴趣区域,采用中值滤波去除图像噪声.在结构光条纹中心线提取过程中,提出了一种新的模板法获得了条纹的边界并用几何中心法提取了条纹中心线;最后,使用斜率分析法提取了特征点.试验表明,该方法具有较高的特征点检测可靠性,并且运算速度快、抗干扰能力强,具有较高实用价值.     

采用自适应可靠因子的联合双边散斑条纹滤波方法

在基于电子散斑干涉法的测量系统中,干涉条纹常常会存在大量噪声从而影响后续相位的提取。 为解决双边滤波无法 处理大噪声的问题,提出了一种融合加窗傅里叶滤波的联合双边滤波方法并用于处理存在高噪声的电子散斑干涉条纹。 在该 方法中,引入加窗傅里叶初步滤波后的图像作为联合双边滤波的导向图,并构建更可靠的自适应像素值相似度因子,从而提供 更可靠的引导信息和更好的滤波效果。 该方法被应用到高、中、低、可变密度 4 种不同密度的模拟条纹和实验采集到的大噪声 条纹上,并将其与原始双边滤波和加窗傅里叶滤波相对比。 实验结果表明:与其它滤波方法相比,该方法得到的条纹最光滑,结 构最完整。 对本文模拟的条纹滤波后峰值信噪比提高 1. 0 ~ 4. 2 dB,结构相似度和边缘保持指数最高,相位的均方误差最小。 所提出的方法调整更方便,对 330×330 大小的模拟条纹处理时间仅为 4 s 左右。     

共焦法布里—珀罗干涉仪的干涉条纹及调焦方法

分析了法布里—珀罗干涉仪的干涉图样在共焦前后的变化规律，提出了一种应用干涉条纹的变化和干涉仅速射谱线进行精确调焦的方法，并得到了较好的实验结果。     

结合白光光弹和相移技术解包裹等差线的方法

根据条纹色彩的变化确定等差线级数,是一种普遍应用的白光光弹方法。另一种具有较高的精度、操作简便,被广泛应用的光弹技术是相移法。由于色彩特征变弱,白光光弹用于辨识三级以下的等差线条纹。相移法得到的等差线都是包裹的相位,并非等差级数,解包裹等差线也是一项复杂的工作。根据受力构件中应力是连续变化的性质,将白光光弹和相移技术相结合,得到一种解包裹全场等差线的新方法。所述的解包裹方法不依赖于零级条纹,不需要确定零级条纹。最后通过分析径向受压的圆盘,演示了解包裹的新方法。     

高通滤波对脉冲型地震动非弹性反应谱的影响

近场脉冲型地震动中包含高能量的低频脉冲，滤波处理中的高通滤波会改变低频与其他频率成分间的相对大小，进而对地震动反应谱产生不可忽视的影响。选取了一组近场脉冲型地震动，根据脉冲频率fp定义6种相对截止频率，研究了非因果性高通滤波对等延性非弹性位移反应谱、等延性位移比谱、等延性强度折减系数谱和能量谱等四类反应谱的影响规律。分析结果表明：非弹性反应谱对滤波参数较为敏感；相对截止频率和延性系数越大，滤波后反应谱的变化越显著。截止频率较大时，在局部微小周期段内，滤波可能导致非弹性反应谱急剧变化；当截止频率小于0.2fp时，反应谱特征无显著变化。因此，脉冲型地震动的高通滤波处理应考虑脉冲频率的影响，合理选取截止频率。     

An adaptive Morlet wavelet filter for time-of-flight estimation in ultrasonic damage assessment

Ultrasonic non-destructive testing has been widely used in assessing the integrity of engineering materials such as high-temperature alloys and structures such as pipelines, bridges, and other load-bearing structures. The ultrasonic signals received from these structures are often noisy. Effective noise-reduction techniques are needed in order to accurately assess their condition. This paper presents a new digital signal processing method for estimating ultrasonic time-of-flight diffraction (TOFD). This method is based on wavelet analysis using the Morlet wavelet and the least mean squares (LMS) adaptive filter. The adaptive line enhancer (ALE) structure is used for the adaptive filter. The filter is designed to remove noise and identify the point at which the ultrasonic signal starts to reflect an echo from the tip of a crack. Both simulated and experimental data obtained from a steel plate with a crack produced by electrical-discharge-machining (EDM) are used to demonstrate the performance of the proposed method. This method is especially useful when the properties of the crack signal are unknown and the signal-to-noise ratio is low.     

A robust visual servo control system for narrow seam double head welding robot

In this paper, an image-based visual servo control system is developed and integrated into a double head welding robot for CO₂ gas shielded arc welding, which is mainly used to weld the narrow seam whose width is generally less than 0.2 mm. Firstly, a robust and reliable image processing algorithm is presented to reliably extract the seam feature during the welding. A statistic-based filter method is proposed to effectively weaken the image noises caused by various disturbances. The region of interest (ROI) of the image is determined to improve the efficiency and reliability of the image processing. The feature line of the narrow seam is extracted by combining the technique of the least-square line fitting with the Hough transform method. Secondly, a visual servo control system is designed to realize accurate tracking and initial point localization of the narrow seam. Moreover, an image error filter and output pulse verification are utilized to guarantee the reliability and stability of the control system. Finally, a series of experiments with real welding robots are conducted in the production line of a container manufacturing factory, demonstrating the satisfactory performance and high welding quality of the proposed visual servo control system.     

图像处理在药片视觉检测系统中的应用

视觉检测系统可应用于药片自动包装流水线上,其中的图像处理模块经过图像增强、分割、特征提取步骤,最后实现药片包装的缺粒、缺损识别的目的.原始图像由带有CCD传感器的摄像头获取,由于光照不均匀导致图像对比度低.针对此问题,提出了基于高斯低通滤波器模型的灰度补偿方法,然后用阈值曲面去分割图像.结果在像素错分率和形状度这两项性能指标上有一定改进,提高了识别的准确率.在几何特征提取中,提出了一种改进的周长计算方法,加快了检测的实时性.     

基于扩展Kalman滤波器算法的移动机器人同步定位与建图

针对移动机器人的同步定位与建图（SLAM）问题,提出了一种基于改进的扩展Kalman滤波算法的同步定位与建图方法。通过建立基于直线特征提取的机器人观测模型,推导了SLAM建图的预测和更新算式,设计了基于特征点数目的SLAM预测与更新率算子,实现了移动机器人的同步定位与建图。实验结果表明该方法有效、可行。     

自适应提升小波在往复机械故障检测中的应用

提出了一种基于信号特征的自适应提升小波方法,即以提升小波为基础,根据信号分解后的熵来选择预测滤波器系数和更新滤波器系数,它克服了传统小波变换的不足,和提升小波只能依据信号特征来设计预测滤波器,而不能设计更新滤波器的问题.该方法用于往复机械气阀的振动信号特征提取,有效地提取了气阀的故障特征信号.实验中采用不同的小波对信号进行降噪性能比较,自适应提升方法设计的小波明显优于实验室中采用的其它小波.     

双程摆扫激光测距探测成像在输电线路通道监测中的应用

针对传统输电线路通道监测方法忽略了对输电线图像的边缘灰度特征检测,导致输电图像轮廓特征不准确,输电线路通道监测出现较大误差的问题,提出基于双程摆扫激光测距探测成像的输电线路通道监测方法.构建双程摆扫激光测距探测成像模型,采用激光传感器实现对双程摆扫激光测距探测节点部署.利用探测模型提取输电线路通道监测双程摆扫激光图像,检测输电线路图像的边缘灰度特征.采用双边滤波器实现对输电线路通道监测的图像增强和降噪处理,构建边缘轮廓特征检测模型,根据图像差异度融合结果实现对输电线路通道监测.仿真实验结果表明,采用该方法进行输电线路通道监测的可靠性较好,监测自动化水平和视觉成像水平较好,提高了输电线路通道监测方法的自适应性和准确性.     

计算机视觉检测中特征点线提取方法研究

特征点、特征线的提取是计算机视觉检测的基础 ,特别是在工业检测中要求很高的精度。针对这一要求 ,介绍几种提取特征点、特征线的方法 ,具有很高的精度。以采用空心正四面体获取的三角形为例 ,设计一种获得特征点、特征线的图像处理算法 ,该方法具有速度快、精度较高、实用和算法分析容易等优点。实际结果表明 ,用此图像处理方法提取特征点、特征线的误差优于 0 1mm。     

一种改进的基于光流法的运动目标跟踪算法

运动目标跟踪需要从背景中准确地检测出感兴趣目标并实现有效率的跟踪。文章结合Codebook模型和光流法提出了一个新的目标跟踪方法,首先用Codebook模型检测得到感兴趣目标,然后提取感兴趣目标内部的特征点并用光流法进行跟踪,跟踪过程中实时更新用以跟踪的目标内部的特征点。当目标发生遮挡时,采用Kalman滤波器预测目标的位置,遮挡结束后根据Kalman滤波器预测的位置和Codebook检测结果重新初始化感兴趣目标内部的特征点。实验结果表明,该算法具有较好的鲁棒性和较高的准确率,能够满足实时跟踪的要求。     

A fault diagnosis approach for roller bearing based on IMF envelope spectrum and SVM

Targeting the modulation characteristics of roller bearing fault vibration signals, a method of fault feature extraction based on intrinsic mode function (IMF) envelope spectrum is proposed to overcome the limitations of conventional envelope analysis method. By utilizing the proposed feature extraction method, the disadvantages of conventional envelope analysis method such as the chosen of central frequency of filter with experience in advance, looking for spectral line of fault characteristic frequencies in envelope spectrum and so on could be overcome. Firstly, the original modulation signals are decomposed into a number of IMFs by empirical mode decomposition (EMD) method. Secondly, the ratios of amplitudes at the different fault characteristic frequencies in the envelope spectra of some IMFs that include dominant fault information are defined as the characteristic amplitude ratios. Finally, the characteristic amplitude ratios serve as the fault characteristic vectors to be input to the support vector machine (SVM) classifiers and the work condition and fault patterns of the roller bearings are identified. Since the recognition results are available directly from the output of the SVM classifiers, the proposed diagnosis method provides the possibility to fulfill the automatic recognition to machinery faults.     

基于学习不变特征变换的兵马俑图像分区匹配

针对兵马俑图像三维重建时特征误匹配率较高、效率较低的问题,提出了一种基于两视图兵马俑图像的特征分区匹配方案。该方案在兵马俑图像上,首先利用学习不变特征变换(Learned Invariant Feature Transform,LIFT)方法提取整幅兵马俑图像的特征;接着利用提出的基于先验知识的特征点分布曲线分割方法确定兵马俑头部分割线位置,根据头部分割线将提取的特征分为头部特征和躯干特征;最终采用欧式距离进行分区特征匹配,对于匹配结果集合使用随机抽样一致性算法(Random Sample Consensus,RANSAC)滤除误匹配点集。实验结果表明:在兵马俑图像特征提取及匹配中该方案的正确匹配率可以达到98%,相比于SIFT和SURF方法正确匹配率提高了20%左右,特征点的可重复率提高了10%左右,同时将RANSAC的迭代时间降低了50%,而且在尺度、光照、角度发生变换时具有较好的鲁棒性。因此本文提出的方案能够很好地实现特征点的正确匹配,在兵马俑的三维重建中具有很高的使用价值。