采用图像分割方法进行木材表面缺陷的定量检测

随着木材加工业的集约化发展以及对木材表面加工质量高水平的苛求,传统的人工检测方式已经难以满足木材产品的加工生产。在了解木材表面缺陷的分类、缺陷产生原因和木材缺陷表面图像的特征的基础上,对比分析平均值法、最大值法和加权平均值法3种图像灰度化方法效果,并选定加权平均值法对木材缺陷图像进行灰度化预处理。在Matlab 6.5GUI编程框架下实现木材缺陷检测系统,通过选取Isodata聚类迭代法、Otsu最大方差法、最大熵法和Sobel边缘分割法为基础的4种阈值化图像分割方法对木材缺陷特征的分割效果和分割速率进行实验对比分析。实验结果表明,运用Isodata聚类迭代法的图像分割方法能够快速准确分割图像实现木材缺陷检测。     

AI图像识别下的木材表面缺陷结构光视觉检测方法

针对木材表面视觉特征复杂,嵌补平整过程不能适应木材以及节子的多样性变化的问题,提出基于AI图像识别下的木材表面缺陷结构光视觉检测方法。对结构光视觉技术加以分析并标定光平面,采用Faster-RCNN初步检测木材表面缺陷,定位其缺陷边框并识别缺陷类型,再通过非局部均值滤波法和改进的MSRCR处理图像,精细化分割区域图像,利用改进的最小二乘椭圆拟合方法生成最优椭圆轮廓,实现木材表面缺陷结构光视觉检测。实验结果表明,所提方法的结构光视觉图像预处理效果更好,召回率在95%以上,识别准确率最高可达99%左右,分类准确率最高可达97%左右,检测所用时间更短。     

基于瓶颈点探测与椭圆拟合的细胞图像分割方法探究

针对显微图像中常出现的细胞重叠现象,提出了一种基于瓶颈点探测与椭圆拟合的细胞图像自动分割方法。首先,对重叠细胞图像进行闽值分割并得到边缘特征点,然后通过计算特征点间瓶颈率选出候选瓶颈点对,并使用椭圆拟合法对瓶颈点对进行判断,最后使用正确瓶颈点对分割重叠细胞。实验结果表明本文算法能够有效地抑制过分割和欠分割现象,且分割准确率高。     

基于灰度导数加权的椭圆高精度提取算法

为了满足姿态测量时对椭圆合作目标的高精度定位要求,提出了一种基于灰度导数加权的椭圆拟合算法(WGG).首先,在进行预处理之后的二值图像上提取初始边缘点,采用简单的代数拟合方法得到椭圆参数;其次,考虑二值化过程中的不确定因素会对提取边界点带来干扰,根据原始图缘中边缘灰度的渐变姓,利用边缘点的灰度导数值对其进行高斯函数拟合;最后,求取每一个边缘点的正交相切点,并构造优化目标函数求取椭圆最优参数.实验结果表明,对测试图像提取出采的椭圆拟合误差能达到0.013像素以内,与真实值点的平均误差为0.017像素,真实图像中椭圆的平均拟合误差为0.008 6像素.对于不同的外界环境该方法都能获得更精确的亚像素边缘和椭圆中心,具有很高的精确性和鲁棒性.     

基于图像处理的保偏光纤偏振轴高精度检测法

通过CCD显微成像系统采集Panda型保偏光纤的截面图像,利用基于Hessian矩阵的亚像素精度边缘检测算法提取两应力圆边缘线点,进行椭圆拟合后过两椭圆中心连线得到偏振轴轴线,实现了偏振轴轴线的自动识别及与已知键定位轴相对角度的自动检测。实验结果表明,在均值为0、方差为0.5的高斯噪声下,本文方法仍可保证偏振轴角度的检测偏差未超过±0.3°,并对真实光纤截面图像的处理具较好的鲁棒性。     

基于Zernike矩的圆形插针特征点提取算法研究

在电连接器插针缺陷检测系统中,插针图像特征点的获取是检测关键,为了实现插针位置的高精度检测,提出了一种基于Zernike矩的插针特征点定位算法。通过增大Zernike矩的算子模板尺寸,以及优化边缘阶跃模型,提高了亚像素边缘检测算法的精度。将最大熵阈值法应用于Zernike矩边缘检测算法,实现了自动选择最佳阈值,解决了传统算法中手动调节阈值的低效率问题。对提取的亚像素边缘点进行拟合获得椭圆目标中心,实现了插针的位置特征点提取。仿真实验与实际测试结果表明,该算法能够实现图像边缘的亚像素检测和插针特征点的准确定位,算法定位误差小于0.1个像素。     

PCB显微图像缺陷圆孔检测方法研究

分析了随机Hough变换(RHT)与基于最小二乘法圆拟合(CBL)的圆检测算法的基本原理,讨论了他们在圆检测算法中具体实现方法。针对RHT与CBL各自的优点,提出了RHT与CBL相结合的圆检测新方法:首先对PCB图像进行预处理,用RHT原理确定所求一定数量的初候选圆参量;然后由这些参量求出边缘图像中各点到初候选圆边界的距离,从而确定每个初候选圆附近的点集,剔除干扰点与噪声;最后利用最小二乘法(LSM)对各点集进行圆拟合得到各个点集较精确的圆参量,用简单模式聚类方法提取出最后真实的缺陷圆孔边缘。将该方法应用于包含模糊与噪声的PCB显微图像缺陷圆孔检测,尽可能真实地提取出了缺陷圆孔边缘。     

基于改进多尺度形态学的带钢缺陷图像边缘检测

针对目前板带钢表面缺陷在线检测过程中无法准确地检测出所有缺陷边缘问题,根据带钢缺陷的特点,分析了结构元素的选取,提出了一种将多尺度形态学和多结构元素有机结合的边缘检测方法。该方法首先进行多尺度形态学滤波降噪,分别求取0°结构元素、45°结构元素、90°结构元素和135°结构元素带钢缺陷图像边缘;其次通过一定的运算组合,提取多结构边缘;最后对得到的带钢缺陷图像的边缘作二值化处理,再细化边缘得到缺陷图像边缘的最终结果。实验结果表明,该方法较好地解决了边缘检测精度与抗噪性能之间的协调问题,实现了在多个尺度上提取板带钢表面缺陷的边缘。同时能够较好地保留图像中缺陷的边缘细节信息,为带钢表面缺陷在线检测系统中自动分割、缺陷识别等后续处理奠定了基础。     

基于空间矩的视觉图像基元特征提取方法研究

建立了三级灰度图像边缘模型的空间矩算子。首先利用LOG(Laplacian of Gaussian)算子定位速度快的特点,确定图像像素级边缘;然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线和椭圆边缘像素点;最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线和椭圆。对空间矩算子亚像素定位算法与像面直线和椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明,在测量速度相当的情况下,本文提出的算法具有较高的精度和稳定性。     

结构化道路车道线的鲁棒检测与跟踪

针对智能车在视觉导航过程中车道线检测的鲁棒性和实时性问题,提出一种适用于结构化道路的车道线鲁棒检测与跟踪方法。首先,简化的Sobel算子提取车道线边缘图像,将边缘图像与改进的Otsu方法得到的车道线分割图像进行融合,实现对车道线标记点的鲁棒检测;然后,采用迭代最小二乘方法拟合车道线标记点并去除干扰点,并根据拟合参数建立车道线模型;最后,引入尺度无迹卡尔曼滤波(SUKF)对车道线进行跟踪。通过对多段实地采集的视频进行了仿真实验,结果表明,该方法对于高速公路车道线的检测率可达到99%,并具有较好实时性能;对于受损和弄污的城市道路车道线也体现出较好的鲁棒性和时间性能。     

基于实例分割的双目特征点匹配目标识别和定位研究

针对双目视觉定位中对物体类别与距离远近判定的实际需求,提出了一种结合实例分割与特征点匹配的定位方法,准确地实现了目标的识别和定位。该方法通过Mask Region with Convolution Neural Network Feature(Mask R-CNN)对双目相机采集到的左图像特进行目标检测和分割,采用SURF算法提取分割区域的特征点并与右图特征点进行匹配得到视差,利用双目视差测距原理计算出目标相对于摄像头的位置。同时,针对相机自身标定误差造成在远距离情况下目标定位误差逐渐变大的问题,采用了最小二乘法对视差进行拟合。实验结果表明,该方法不仅能够精准实现目标识别,而且与未经拟合处理结果相比,平均误差值由0.183 m降低到0.106 m,定位精度得到了显著提高。     

火箭发动机包覆层表面缺陷定位技术

实现缺陷自动定位检测,用工业相机采集发动机包覆层表面的图像,通过对图像进行中值滤波及阈值分割将缺陷从图像背景中分割出来,并通过种子填充方法遍历整个缺陷来确定缺陷中心的圆周向角度以及距发动机口部的轴向距离,实现缺陷的定位。实验结果证明该方法在火箭发动机包覆层表面缺陷定位方面有较好的效果。     

基于B样条函数的图像分割分水岭算法研究

针对传统分水岭算法存在的过分割和对噪声敏感问题,提出了一种能很好地抑制噪声、剔除图像的伪边缘、准确定位图像边缘信息的方法。首先采用高频强调滤波对梯度图像进行增强,然后利用B样条函数对增强后的图像进行多次拟合,最后对拟合的曲面进行分水岭分割。实验结果表明,通过该法处理的梯度图像再进行分水岭变换,有效避免了过度分割问题;同时准确定位了图像边缘信息,提高了分割精度。     

一种新的基于直接最小二乘椭圆拟合的肤色检测方法

肤色检测是计算机视觉中的一个重要问题,本文提出了一种新的基于直接最小二乘椭圆拟合的肤色检测方法,其基本思想是根据肤色样本分布区域的边界数据点采用曲线拟合的方法得到肤色分布区域的边界方程。在实现时,为了解决直接在笛卡儿坐标系中提取肤色样本分布区域边界数据的困难,算法采用了一种新的解决思路,即首先把训练肤色样本在色度空间的统计分布转化为图像的形式,然后再利用边缘检测方法得到肤色分布区域的边界数据。根据所得的边界数据点用直接最小二乘椭圆拟合方法便可得到肤色分布区域的椭圆边界,方法简单直观。实践表明,该算法能完成对各种不同环境条件下所拍摄图像的肤色分割,效果理想,其性能明显优于常用的域值界定法和单高斯模型法。     

管道焊接激光视觉跟踪的定位方法研究

为解决在管道自动焊接过程中V型坡口的识别定位问题,提出了一种基于激光视觉传感的局部区域内分步式定位方法。首先建立模板匹配,利用模板匹配方式获取焊缝初始位置区域;然后采用阈值分割和边缘提取获得激光条纹边缘线,通过Shi-Tomasi算法对边缘线进行角点检测,得到边缘线上的亚像素角点位置坐标;最后采用最小二乘法拟合得到精确的边缘直线,对上下边界线求平均值提取激光条纹的中心线,求取直线的交点得到坡口轮廓的拐点信息。通过对实际焊接现场拍摄的50幅同一高度不同位置的图像进行检测,结果表明,分步式定位方法抗干扰性强,精度较高,为完成整个跟踪自动焊接过程奠定了基础。     

基于模糊C均值聚类和Canny算子的红外图像边缘识别与缺陷定量检测

针对脉冲红外热成像检测缺陷构件时,红外图像噪声较大、边缘信息模糊等特点,提出了一种基于模糊C均值聚类和Canny算子相结合的边缘检测新方法。该方法首先对输入的红外图像进行整体灰度变换,采用模糊C均值聚类对图像进行区域分割、提取和二值化;再将各个区域进行叠加,使红外图像的边缘变得连续;最后,采用Canny算子对处理后的图像进行边缘检测,实现缺陷的识别。在图像边缘检测基础上,分析了图像定位缺陷位置与实际缺陷位置之间的相对误差,并运用物像关系,实现缺陷几何尺寸的定量检测。结果表明:该方法对缺陷边缘识别完整清晰,具有较高的定位精度和抗噪能力,有利于缺陷的识别与定量检测。     

一种基于k均值的多相位水平集遥感图像分割方法

针对遥感图像的特点,本文提出了一种基于K-均值与改进的多相位水平集模型结合的新方法。相比于传统的水平集模型,改进模型在能量函数中考虑了图像的面积、梯度信息和边缘检测。图像的梯度信息可以克服分割中存在的边缘定位的不准确,边缘检测可以在曲线衍化过程中更好的保持边缘信息。为了加快边缘的收敛速度,避免陷入局部最优,本文提出先对图像进行中值滤波来平滑图像和消除部分噪声,然后利用K均值进行聚类得到明显的特征差异。接着用Sobel算子进行梯度重建,然后用改进的多相位水平集模型进行分割。实验结果显示本文的算法对于遥感图像的分割在时间和精度上都有较好的效果。     

一种新的亚像素边缘检测算法

总结了目前基于sigmoid函数的亚像素边缘检测算法,针对其计算过程较为复杂的缺陷,本文提出了一种新的亚像素边缘检方法-基于反正切函数拟合的亚像素边缘检测方法。该算法首先通过Canny算子进行图像整像素边缘的初步定位,并采用反正切函数作为拟合边缘模型,利用边缘像素附近的灰度值拟合边缘模型来获得亚像素的边缘定位。实验结果表明,在不影响精度的前提下,基于反正切函数拟合的亚像素边缘检测算法的运行时间要明显快于sigmoid函数的亚像素边缘检测算法的运算时间。因此,反正切函数拟合的亚像素边缘检测算法基本地满足了图像测量的稳定可靠、高精度、强实时性要求,并对图像噪声有较强的抗干扰能力。     

尖点突变理论在红外热波检测图像分割中的应用

图像分割是实现热波检测缺陷定量识别的关键。根据有缺陷区域与无缺陷区域图像灰度值不连续变化的特点,提出一种基于尖点突变理论的分割方法,在计算图像幅值和相位的基础上,通过建立尖点突变模型及相应的坐标变换,将系统变量进行归一化处理,根据处理后的尖点突变模型的判决式标记热波图像中像素值突变的点,提取突变点的骨架,对其膨胀和填充运算实现缺陷的分割。最后通过试验验证了该方法的可行性。     

面向近眼式应用的快速瞳孔中心定位算法

针对Hough圆变换、最小二乘法椭圆拟合瞳孔中心定位算法中运算量大的问题,提出一种基于椭圆外切矩形的快速瞳孔中心定位算法。该算法从人眼图像中通过阈值分割得到瞳孔区域,对瞳孔区域进行边缘像素点的提取,然后利用椭圆外切矩形模型定位出瞳孔中心。通过Matlab对中国科学院自动化研究所公开的虹膜数据库中756张人眼图像进行遍历实验验证,所提算法定位准确率为98.3%,平均用时0.192 s。在同等条件下,与Hough圆变换、最小二乘法椭圆拟合算法进行对比,在保证定位准确率的同时,所提算法平均用时更少。实验结果表明,所提算法能够快速准确地完成瞳孔的中心定位。