基于直线插补的字体边缘识别技术

为了满足市场上对各种汉字加工的需要,在Windows系统下,通过对汉字边缘识别技术的研究分析,提出了基于BMP图形像素点的八方向边缘检测算法,成功地识别和提取了不同参数的字体外形轮廓信息,并采用逐点比较直线插补算法,提取了关键数据点的信息,最后开发了XY运动仿真平台控制软件,实现了字体运动轨迹的仿真及实际雕刻加工.研究结果表明,基于该技术的字体加工效果理想.     

基于kinect深度图像的目标定位与识别

针对颜色图像受光照及背景影响较大而较难识别目标的问题,利用深度图像作为目标载体,设计并实现了一种简单的目标识别方法。该方法主要包括深度图像的轮廓提取算法和基于轮廓特征识别两部分。先根据提取的轮廓计算矩信息得到图像质心坐标,再根据相机投影公式获得目标质心的真实相机坐标;提取轮廓的矩形描述子,组合轮廓不变矩特征和轮廓形态学特征成为目标的联合特征向量。针对不同的待识别目标,采集足够数量的训练样本,得到各目标的标准特征向量。最后实时提取场景目标的联合特征向量,计算场景目标特征向量与标准特征向量的最小欧式距离,进行识别判断。实验证明了该方法的快速、有效性。该方法应用在装载机械臂的室内移动机器人上,可实现目标定位、识别及抓取操作,具有一定的应用价值。     

光照不均环境下的手机外壳缺陷检测研究

针对实际手机外壳图像采集过程中遇到周围环境光照不均导致采集图像不清晰的问题,提出一种适用于光照不均环境下的手机外壳缺陷检测方法。首先用图像二值化、灰度化、图像修正旋转等算法对采集到的图像进行图像预处理,提取手机外壳主轮廓,然后利用双阈值的改进Bensern二值化算法对图像进行去光照影响处理,再采用自适应边缘检测Canny方法进行缺陷轮廓提取。最后提取缺陷感兴趣区域,并用轮廓绘制算法标记缺陷轮廓的大小。实验表明,该方法缺陷提取准确率高,实用性强,具有良好的检测效果。     

通用回转类零件三维快速自动重构技术的研究与实现

主要对二维回转类零件三维模型的快速自动重构方法作了研究,将实现过程划分为四个层次:数据输入层、数据处理层、轮廓提取层和模型修改层。采用DXF通用二维CAD文件作为数据输入层的输入数据。在数据预处理层对图形数据过滤、归整、修补。通过轮廓处理算法,提取零件的内、外轮廓,并采用轮廓线段包容盒法分类识别具体轮廓。在模型修补层中,对生成的3D模型添加键槽、螺纹等丢失的特征。最后,给出了验证实例。     

使用行扫描法提取图像轮廓

传统的轮廓提取方法,例如边缘检测、水平集、活动轮廓模型等,存在着对初始轮廓敏感、噪声敏感、难以分割弱边缘和复杂形状轮廓等不足之处。以CT影像中髋关节的轮廓提取为应用背景,提出了一种基于行扫描的轮廓线提取方法。首先,对原始图像进行阈值分割和区域增长,分离出目标区域。然后,对目标区域中的孔洞进行自动填充;在填充过程中,通过目标区域的凸包来判断填充的单连通区域是否在目标区域内。最后,使用逐行扫描的方法搜寻像素信息突变点,得到目标区域的轮廓线。大量的数值实验表明,此算法的运行效率高,对于狭长、分叉、噪声干扰以及存在模糊边界的目标区域都能很好地提取轮廓线。     

基于多尺度分析的人脸识别算法研究

针对传统的人脸识别算法易受光照等因素影响的缺点,提出了一种基于多尺度分析的人脸识别算法。首先,对采集到的人脸图像进行预处理,去除噪声,减弱无用信息,增强有用信息;然后,在粗尺度上采用形态学梯度边缘检测算法对人脸轮廓进行提取,缩小人脸库的搜索范围;最后,在细尺度上对人脸的不变特征进行提取,采用Harris角点检测算法对在粗尺度上得到的边缘图像进行特征提取,减少计算量,提高了识别速度。在所拍摄的人脸库上对算法进行验证,实验表明,对易于进行轮廓提取的人脸图像的识别速度较快,精度较高。     

DXF回转体零件的内外轮廓自动识别研究

回转体零件的轮廓识别对集成CAD/CAM,实现车削自动编程系统具有重要作用.提出了基于图形交换文件(DXF)的轮廓自动识别新算法,利用DXF图形存储特点和零件对称性去除尺寸标注、粗糙度和其他多余线等冗余信息,通过图元分解得到所有路径分支点,最后沿逆时针方向以最小夹角法搜索识别零件的外轮廓和内轮廓.该算法改进了以往算法的不足,已成功运用于车削自动编程系统,识别效果好.     

基于模糊聚类分析的边缘检测算法

将模糊c-均值聚类算法(FCM)应用到图像的边缘检测中.首先,将灰度图像中的每一个像素点看成是一个数据样本,将该点的灰度值经过Robert算子、Sobel算子和Prewitt算子处理构成它的特性向量,形成具有三维特征的数据集,然后对这个数据集应用模糊聚类算法进行分类,自适应地检测出图像的边缘点,达到提取边缘的目的.实验结果表明,这种混合算法能得到很好的边缘检测效果,并且得到的结果无需再细化处理,提高了边缘定位的精度.     

基于函数型数据时间序列建模的齿轮破损图像识别

当前齿轮破损图像识别未拟合周期性动作捕捉数据,导致齿轮破损图像的识别效率较低,图像边缘轮廓中细节信息丢失,造成识别误差较大、识别效果较差.提出基于函数型数据时间序列建模的齿轮破损图像识别方法,通过小波变换方法提取齿轮破损图像中存在的低频成分,做双直方图均匀化处理,采用高斯高通滤波器提取齿轮破损图像中存在的高频成分,增强...     

基于双重配准的机器人双目视觉三维拼接方法研究

针对机器人图像视觉视野不够开阔,不能获得全面障碍物信息的问题,提出了一种基于轮廓识别的三维重建与可变视觉三维拼接方法。对双目立体视觉系统拍摄的两幅图像中提取出的边缘点进行了边界跟踪,然后基于窗口灰度匹配法,对两幅图像上的像素点进行了匹配,来寻找双目立体视觉系统左右两幅图像中对应的像素点,重建出了障碍物的三维轮廓,并根据目标物体轮廓的连续性对三维轮廓进行了优化;在此基础上提出了基于双重配准算法的可变视角三维拼接方法,采用改进ICP算法对转换到同一坐标系下的两片三维点云进行了精确配准,并对拼接处进行了融合处理,从而得到了大视野的障碍物信息。研究结果表明:通过可变视角三维拼接方法重建的三维模型具有较高空间坐标精度,并且能够通过改变双目立体视角范围获取大视野图像,最大限度地满足机器人障碍物检测和路径规划的要求。     

由冠脉光学相干层析图像自动提取血管壁内轮廓

研究了冠脉光学相干层析(OCT)图像血管壁内轮廓的自动提取方法以提高算法的鲁棒性和计算效率.首先,利用冠脉OCT体数据中相邻图像之间的相关性去除鞘管信号对边缘提取的影响.接着,采用射线发射法估计血管中心,并以血管中心作为极点对去除鞘管信号的图像进行极坐标变换.然后,采用分块阈值滤波去除变换后图像的噪声并提取上边缘.最后,做逆极坐标变换得到血管壁的内轮廓.对400多幅测试图像的实验结果表明,该方法可以正确提取冠脉OCT图像的血管壁内轮廓,每幅图像的平均处理时间约为1.2s.该方法不仅能够正确处理血管分叉或鞘管干扰大的图像,而且计算效率高,因此在鲁棒性和处理速度上具有优势.     

机器视觉的薄片零件尺寸检测系统

对基于机器视觉的薄片零件尺寸检测系统进行研究。针对计算机硬盘弹性臂薄片零件的尺寸检测,采用线阵工业相机扫描获取待检零件图像,根据扫描特性提出了标定算法,同时提出了一种轮廓矢量化算法。将经过滤波、标定、二值化、边缘提取和细化的图像进行轮廓矢量化得到待检零件的尺寸参数,并与从设计图DXF文件中读取的零件的相应尺寸参数进行对比,判断零件制造质量。实测结果表明,检测系统的轮廓矢量化精度达到1 pixel,检测精度达到1 μm,平均每个零件的检测时间为1 s,该检测系统是可行的。     

基于自组织特征映射神经网络的零件图像的识别

提出了基于小波变换提取零件图像特征和用自组织特征映射神经网络实现识别的方法，首先，对零件图像进行小波多尺度边缘检测，提取零件图像的边缘轮廓；然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量，各子区域中的相对边缘像素系数作为零件的特征，将这些特征作为神经网络的输入样本，由自组织特征映射神经网络实现识别。实验结果表明该方法是有效的。     

面向异形玻璃的视觉引导算法研究

提出一种面向异形玻璃基于形状模板的匹配方法和奇异值分解的迭代匹配方法的轮廓度误差视觉测量算法,该算法可以识别定位各种各样的异形丝印玻璃。首先,在图像中使用基于Sigmoid函数的亚像素边缘检测方法来拟合产品的亚像素边缘,接着使用基于形状的模板匹配方法来进行粗匹配,再在粗匹配的基础上使用SVD算法得到图像的旋转平移矩阵,进行精匹配。最后计算相关对应点之间的距离作为匹配精度。     

基于深度卷积网络的图像边缘检测方法

边缘检测对于目标物体检测准确率非常重要,精确地分割图像目标是边缘检测的目的。为了有效地提取目标,提出一种基于深度卷积网络的图像边缘检测方法。该方法建立三层卷积网络,通过对大规模数据集Image Net图像进行深度学习,使卷积网络学习自然图像的边缘结构特征,从而能较好地区别目标轮廓和场景边缘。与传统的边缘检测算法相比,所提方法更加适合提取目标物体轮廓,有效抑制非目标物体的边缘,有助于后续的目标检测和分析。     

斜拉桥拉索径向畸变CCD图像的边缘检测与图像提取

径向畸变是CCD成像系统中的一种常见现象.提出了一种对斜拉桥拉索径向畸变CCD图像进行边缘检测和图像提取的算法.首先,在图像的预处理阶段,对原始图像进行灰度化和滤波处理.其次,运用边缘检测、边界跟踪及Hough变换获得了拉索轮廓的连续边界.最后,利用原始的灰度图像和基于拉索轮廓的掩模板,获得了无背景的拉索表面图像.该算法在斜拉桥拉索表面伤痕检测中得到应用,结果表明该算法对径向畸变的CCD图像能有效地进行边缘检测和图像提取.     

基于矢量的纹织图像缩放算法

在对纹织图像进行缩放处理时,图像放大过程中会出现边缘马赛克效应,严重地增加了工作人员的负担。为了解决此问题,本文提出了基于矢量的纹织图像缩放算法。首先采用填充法提取图像的轮廓边缘,然后以直线拟合和曲线拟合相结合的方法得到控制点,并根据缩放的要求改变控制点的坐标。最后依据新的控制点通过拟合得到缩放后的图像。     

一种数字图像几何畸变的自动校正方法

通过分析数字图像几何畸变产生的机制,提出一种数字图像几何畸变自动校正的方法.该方法首先利用大津算法和Radon变换提取几何畸变的图像边缘轮廓,利用轮廓顶点坐标,计算矩形的纵横比;然后求得畸变校正矩阵,对畸变图像进行校正;最后利用印刷体数字识别算法判断是否需要对校正后的图像进行旋转.实验表明,该方法能够快速有效地识别畸变图像轮廓,校正结果令人满意,鲁棒性强,具有较高的实用价值.     

ICT图像实体重建技术中的边缘检测和特征识别

在ICT图像实体重建技术中，需要进行实体轮廓的边缘检测和特征识别。本文采用Sobel算子对图像进行边缘检测，得到图像的边缘点，通过多次过滤进行边缘细化；然后根据轮廓跟踪准则对边缘点进行排序，将图像数据转化为具有单像素宽的轮廓线；最后对轮廓线加以识别，用线段来表示实体的同一特征体素。     

面向机械分拣系统的电子元件自动识别算法

为了提高电子元件机械分拣系统的效率,提出一种电子元件参数图像自动识别算法。利用矩形分割处理电子元件参数图像,通过黑、白色号标记特征修正图像灰度形态。计算图像横纵坐标、摄像机感光阵列、连接机器坐标与摄像机坐标,获得电子元件参数图像的具体坐标系。拟合坐标系内灰度值导数差值与图像像素点信息,得到元件边缘轮廓信息。凭借多项式差值拟定坐标系点集的差值,确保梯度幅值在区间中存在极大值。利用依靠梯度方向法明确元件参数图像素点大致分布,最后利用核分类器构建监督机器学习模型,引入拉格朗日乘子计算参数图像像素坐标点位置,实现图像自动识别。实验证明,该方法能够精确识别图像内的电子元件位置,且识别效率高。