基于小波变换和数学形态学的边缘检测法

提出一种基于小波变换和数学形态学的边缘检测算法.对于遥感图像的边缘检测,利用小波变换的特点,先对遥感图像进行分解,获取高频分量的详细细节.然后通过对遥感图像特点的研究,文中提出一种适于遥感图像的L形结构元素.利用小尺寸结构元素对边缘细节的检测能力,从而得到相对较好的图像特征和细节.     

基于机器视觉的钢球表面缺陷检测和分类

在分析钢球表面光学反射特性的基础上,构建了采用球积分光源与0.5×远心镜头组成的钢球表面缺陷图像检测平台,解决了钢球表面成像难度较高的问题.根据钢球表面图像的特征,利用分段线性灰度增强算法和边界跟踪实现了对钢球表面微小缺陷的分割和区域分类,并结合基于灰度共生矩阵的综合熵作为判定钢球表面是否存在缺陷的依据.最后利用矩形相似度与圆形相似度之比、角度等特征实现了缺陷分类器模型的建立,很好地解决了钢球表面缺陷的分类与识别.试验结果表明,该模型对钢球表面5类缺陷的识别率均可达到90％以上,并能很好进行分类,模型在1 600×1 200图像分辨率下,算法耗时小于80 ms,可以满足工业检测对算法实时性的要求.     

基于形态学的边缘检测研究

针对传统形态学边缘检测算子的局限性及适用范围,提出一种新的基于数学形态学的边缘检测方法,该方法在传统的形态学边缘检测算子上加以改进,是一种多尺度多结构元素相结合的形态学边缘检测方法.通过对实验图像的分析表明,在有效取得图像边缘的同时,对椒盐噪声和高斯噪声都有很好的抑制作用,是一种较好的改进算法,具有一定的实用性.     

钢球表面缺陷的机器视觉检测方法

针对钢球表面缺陷的在线检测要求,提出了一种基于机器视觉的钢球表面缺陷轨道自动检测方法。该方法采用6个CCD摄像头,保证摄取到整个钢球的表面;采用自行设计的碗状红色LED圆顶漫射光源,克服了钢球表面易反光的难题,得到了真实清晰的钢球表面图像;并通过图像缺陷识别、球形表面重构等技术,准确地识别出了钢球表面所存在的缺陷。     

基于改进小波变换的多方向图像边缘检测算法

在对图像的小波变换原理讨论的基础上,针对传统小波变换在图像边缘检测中的不足,提出了基于改进小波变换的图像边缘检测算法.该算法从多个方向对图像进行多尺度小波变换;采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点;将这多个方向上的极大点进行融合,形成图像的边缘.仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法.     

机器视觉中的边缘检测技术研究

边缘检测是机器视觉中必不可少的环节,是一种重要的图像预处理技术。介绍图像边缘检测技术的发展历程,总结一些典型的边缘检测算法的特点,讨论它们的机理和优劣以及边缘检测技术的最新发展动态及方法。     

小波变换技术在图像边缘检测中的应用

边缘检测是计算机图像处理中的一个重要环节,而常用的Sobel算子、Prewitt算子等方法存在一些缺点.本文先介绍了小波边缘检测的原理,在此基础上,针对尺度的选取提出了一种自适应的方法,并做了实验.检测结果表明,以尺度自适应为基础的小波变换方法在边缘检测中优于Sobel算子、Prewitt算子.总之,该算法能有效地从噪声图像中检测出边缘.     

基于改进形态学梯度的齿轮边缘检测

经典的边缘检测算子算法更多地采用Prewitt算子、LOG算子和Canny算子等在空域中进行。数学形态学在图像处理过程中不涉及变换,其原理是利用结构元素检测图像,并直接处理图像的特征信息。在形态学梯度的基础上,提出了一种基于改进形态学梯度的图像边缘检测算法,选取合适的形状以及尺寸的形态学梯度结构元素,并组合使用以检测出较理想的图像边缘信息。试验结果表明,该算法在含噪图像中能较好地保存图像边缘信息,有更好的定位精度和抗噪性。     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。     

基于边缘检测和形态学处理的车牌定位

车辆牌照识别技术(License Plate Recognition,LPR)是实现智能交通管理的重要技术之一,车辆牌照识别技术主要包含了车牌的准确定位、车牌中字符的分割以及字符的识别.通过对问题的分析,找到一种基于边缘检测和形态学处理的车牌定位方法,通过对样本图像的边缘检测和一系列的形态学处理,实现了对车牌的初步定位,基于车牌上字符水平方向的跳变次数来判断出车牌的上、下边界,从而实现了车牌的准确定位,最后通过仿真验证了这种定位方法的可行性.     

基于机器视觉的树脂镜片表面疵病边缘检测

针对树脂镜片表面疵病自动化检测的需求,开展了基于机器视觉的树脂镜片表面疵病边缘检测研究.设计一种改进的快速Hough圆检测方法获取镜片图像的感兴趣区域,采用混合滤波消除脉冲噪声和高斯噪声,提出一种基于局部窗口阈值的改进Canny边缘检测算法,选取局部最佳分割阈值,对窗口内的疵病实现精确分割.实验结果表明,该边缘检测算法...     

计算机视觉中的边缘提取技术研究

在计算机视觉应用中,低层模块中图像边缘提取检测通常是一个必要的过程。介绍了对计算机视觉中所应用的各种图像边缘提取技术;讨论了它们各自的优缺点及其适用范围;阐述了以小波变换为代表的多尺度方法;对具体选取哪种方法提出了自己的见解。     

基于NI Vision Assistant的机器视觉在钢球表面检测中的应用

阐述钢球表面检测的意义和机器视觉的基本原理,使用LabVIEW和NI Vision Assistant对所采集的钢球图像进行了处理且做出相应分析.     

基于机器视觉的锂电池极耳焊接缺陷检测技术研究与分析

针对锂电池极耳在焊接工艺中所产生的极耳翻折、焊点不足以及焊破等缺陷问题,提出机器视觉对极耳的焊接缺陷进行识别与检测.首先,利用球积分光源以及同轴光所组成的组合式光源对焊后的极耳进行均匀化图像采集,并提取相应的ROI;然后,采用中值滤波的方法对ROI进行平滑去噪,并使用分段线性灰度增强的方法对图像进行预处理,再利用最大类...     

基于机器视觉的汽车橡胶密封条边缘检测研究

本文针对依据图像采集原理生成的仿真图像和汽车橡胶密封条图像,使用各种经典边缘检测算法分别对其进行边缘检测,深入分析检测结果。对算法的定位精度、计算时间和抗噪声能力进行比较研究。分析和讨论的结果为在机器视觉中检测质量合格的橡胶密封条边缘提供了可靠的理论依据。     

基于机器视觉的玻璃马赛克缺陷在线检测系统

针对玻璃马赛克存在斑点、崩角等常见工艺缺陷,基于机器视觉检测原理,设计了一种采用LED同轴光照明和CCD相机为图像获取工具的在线检测系统。该系统通过相机实时拍摄,获取传送平台上目标玻璃马赛克图像,使用特定的视觉软件对获取到的图像进行中值滤波、锐化、二值化、边缘轮廓提取等图像处理,提取图像中玻璃马赛克轮廓形状与灰度值信息,通过形状匹配与灰度值匹配,实现对玻璃马赛克工艺缺陷的在线检测。实验证明,该在线检测系统具有准确率高、实时性强和速度快等优点。     

基于机器视觉的车身缺陷识别与分类方法

针对目前国内外汽车车身涂装工艺后缺陷识别自动化程度低,难以进行非接触高精度检测等问题,提出了一种结合二维视觉、三维视觉进行缺陷识别,通过卷积神经网络进行分类的方法.首先基于最大类间方差法和特征提取算法实现缺陷二维坐标的确定,算法受光照影响较小;其次基于卷积神经网络,实现对黑胶、划痕、凸点等三种常见缺陷类型的分类;然后基...     

基于机器视觉的智能定位与检测技术研究

基于机器视觉工作原理,对机器视觉的智能定位与检测等相关技术进行了研究,设计了一种基于机器视觉智能定位与检测系统,对视觉跟踪精度进行测试,跟踪精度约为（-0.2°～＋0.2°）,并将该技术应用于LED球泡灯自动化装配线,可满足装配线的实际生产需求.     

基于机器视觉的细长产品表面缺陷检测设备研究

为提高对细长产品表面缺陷的检测效率,运用机器视觉技术对细长产品外部轮廓尺寸及表面缺陷状况进行检测.运用机器视觉技术,分析图像传输过程中噪声产生原因及降噪方法;采用canny算法和Simple Blob Dectorte特征点检测方法,提取零件轮廓和色斑轮廓;编写基于机器视觉的表面缺陷检测程序,并通过实验验证了该方法的可...