一种基于神经网络的畸变图像校正方法

由于摄像机获取的图像存在几何畸变，因此在对图像进行定量分析前，必须校正畸变。针对传统的畸变图像校正方法，其所建立的畸变数学模型，不仅求解畸变参数复杂、计算量大，且存在很大的数值计算误差的问题．提出了一种基于神经网络的畸变图像校正方法。该方法首先运用图像处理技术从一标准模板的畸变图像中提取样本，然后以样本像素坐标作为网络输入来对神经网络进行训练。由于该训练好的神经网络能够实现畸变图像与非畸变图像之间的映射关系，因此能达到校正图像畸变的目的。最后对该校正方法进行了实验，给出并分析了校正实验结果，校正效果令人满意，并已成功地用于焊接机器人视觉系统。     

遥操作机器人全局摄像机图像畸变校正

遥操作中采用全局摄像机对机器人进行定位时存在图像畸变带来的误差,针对这一问题提出了一种图像畸变校正方法.该方法采用径向基神经网络(RBFNN)进行畸变校正.从而获得机器人在实际空间中的坐标位置.实验表明,该方法简单有效,适用于广角镜头带来的图像畸变校正.可以满足利用定位坐标进行路径规划的要求.     

打印机几何误差分析与测量

在利用打印的网格图形获取书籍扫描图像的畸变参数时,网格图形的误差将影响所确定的畸变参数的精度,从而影响书籍扫描图像的畸变校正精度.为评价其影响程度,对打印机的几何误差进行了测量与分析.提出了一种基于图像处理的像素间距误差测量方法.通过编程,按照MM_TEXT映射模式打印图形,可消除打印时的量化误差.利用扫描仪对打印图形进行测量,在消除了扫描仪本身误差的影响之后,得到了较高精度的测量结果.实验研究了打印机像素间距误差与打印位置的关系.     

图像几何畸变校正方法

在机器视觉检测中大视场短焦距摄像机镜头一般都存在一定程度的光学畸变,在高精度测量中必须对摄像机镜头畸变进行校正。提出利用光学成像规律和镜头畸变校正模型相结合的畸变校正方法求出初始畸变系数,然后通过优化目标函数求出最优畸变系数,最后采用三次B样条插值对畸变图像进行灰度重建。实验结果表明该方法在不依赖摄像机内部参数的前提下,校正后径向均方根误差为0.45个像素,灰度重建后径向均方根误差为0.36个像素。     

基于BP神经网络的畸变图像校正方法研究

针对传统的非线性畸变图像校正方法存在模型建立较难等缺点,本文采用基于神经网络畸变图像校正方法,首先将免疫学中的克隆选择算法引入量子遗传算法,然后将这种混合的量子遗传算法和BP算法有机结合,优势互补作为神经网络的学习算法用于畸变图像的校正。实验结果表明该方法具有很高的精度。     

虚拟图像特征融合误差控制算法仿真

为使VR图像呈现更大的视场角，需利用镜头反畸变方法优化图像视觉效果，此过程易发生特征畸变。为及时矫正特征畸变，提出VR图像特征融合误差半监督校正算法。提取图像特征，获取误差定位区域。在定位区域中预测特征融合误差。误差数据在支持向量机的辅助下，通过半监督式学习算法对分类器完成训练，分类所有误差特征，最终计算出每种误差的校正系数，实现VR图像特征融合的误差校正。实验结果表明，所提算法的校正准确率始终稳定在90%～100%,在100组迭代实验中所提方法的误差预测精度可达90%以上，校正所需时间更短，均值为0.20s。     

基于混合模型的CCD镜头畸变精校正算法

针对机器视觉检测和高精度图像测量中使用的CCD镜头都存在不同程度光学畸变的问题,提出基于混合模型的CCD镜头畸变校正算法。用经典模型对畸变图像进行初次校正,用多面函数拟合法进行二次精校正,用三次B样条函数进行灰度重建。实验结果表明,该方法在不依赖摄像机内部参数条件下,相比单一的镜头畸变校正模型,精度提高,鲁棒性增强,校正后径向均方根误差为0.3个像素。     

一种基于网格图像的几何畸变修正方法

在层削照相测量装置中,由于摄像装置所处的角度以及摄像镜头差,会导致获取的图像存在非线性几何畸变。因此在对图像进行重建之前,需要对获取的图像进行几何校正。为此,论文提出了一种基于网格图像的几何校正算法,该算法运用分段插值的思想,利用分块低次插值去逼近几何畸变,达到高次插值的效果。最后的分析结果表明,利用60X60正方形网格,该算法的校正误差不超过0.1个像素,能够有效校正图像的综合畸变。     

基于 BP神经网络的 X光图像畸变校正技术的研究 *

为解决基于图像导航的机器人辅助外科手术过程中 X光图像的畸变特性问题 ,提出了一种新型的基于 BP神经网络的 X光畸变图像校正方法。该方法首先从一个标准模板的 X光畸变图像中提取标定样本位置信息作为神经网络输入 ,以模板的标定样本真实位置信息为神经网络输出 ,构建 BP神经网络。该 BP神经网络能够实现畸变图像与真实模板之间的映射关系 ,从而达到图像畸变校正的目的。最后通过机器人辅助髓内钉锁孔实验对该方法进行了实验验证 ,证明了该方法的有效性。     

基于等间距线的几何畸变校正

摄像机视觉测量系统中图像存在几何畸变,会降低尺寸测量精度,必须进行校正.目前基于单张图像的畸变校正方法主要有标定板特征点转移矩阵的非参数化方法和利用特征点共线性或无穷点约束条件的参数化方法,由于上述方法需要获取多个特征点的坐标,而获取孤立的坐标点容易造成误差,使得校正效果不好.提出采用等间距线方法,利用畸变模型建立间距...     

一种基于斜率的摄像机畸变校正方法

普通 CCD摄像机在成像时都存在畸变成像误差 ,在机器人视觉检测及自动装配中 ,有效地进行误差校正对准确确定物体的位置具有重要的意义 .本文采用带有一阶径向畸变的小孔摄像机模型 ,提出一种基于线段斜率的方法 ,对摄像机镜头的径向畸变进行校正 ,不必标定太多的摄像机的外参数 ,方法简洁 ,适合于视觉系统中对摄像机畸变的实时校正 ,或对摄像机捕获的图像进行几何校正 .实验表明 ,具有很强的鲁棒性和较高的校正精度     

基于遗传神经网络的颜色恒常感知计算模型

在机器视觉领域,颜色恒常性是实现计算机视觉颜色校正和保持机器对颜色识别稳定性的重要因素.该模型通过心理物理实验获得由人眼感知得到的颜色恒常感知数据,将其放入神经网络中进行样本训练,并用遗传算法优化BP神经网络的连接权值和阈值.将所建立颜色恒常感知计算模型应用到图像颜色校正,通过主观和客观两个方面对校正结果进行对比评价,结果表示所建立的颜色恒常感知计算模型计算精度和效率高、复杂度低,比几种经典算法处理误差要小,针对图像的颜色再现有着更为符合人眼感知的特性.     

基于Python的机器视觉实验教学平台设计

针对机器视觉领域的学习内容抽象、难以理解,相关的实验教学产品不足这些问题,基于Python语言,采用开源的opencv-python图像处理库与TensorFlow机器学习框架,提出构建机器视觉实验教学平台。该系统涵盖机器视觉的经典方法,主要包括向量机、K临近图像分类,神经网络、卷积神经网络目标识别,基于经典方法融合常用函数,对系统分模块设计。经过测试,该系统具有较好的交互性与可扩展性,可以适应机器视觉的实验要求,训练数据、样本测试数据导入灵活,机器视觉参数优化、代码迭代方便,并且能够编译生成.exe可执行文件,辅助学生学习机器视觉技术的真实应用场景,提高学生实践解决问题能力和创新能力。     

基于LabVIEW编程平台实现玻璃缺陷检测

以机器视觉技术为基础,利用LabVIEW建立生产者-消费者模式,调用Halcon图像处理算子获取玻璃图像并进行图像处理,采用灰度变化对图像进行对比增强突出缺陷和使用中值滤波进一步削弱图像噪声,利用统计模式识别算法在LabVIEW编程平台上构建一个基于机器视觉的玻璃缺陷检测系统,该系统能够实现对玻璃缺陷的分析和提取,具有高效的实时性.     

On improved calibration method for the catadioptric omnidirectional vision with a single viewpoint

The single viewpoint constraint is a principal optical characteristic for most catadioptric omnidirectional vision. Single viewpoint catadioptric omnidirectional vision is very useful because it allows the generation of geometrically correct perspective images from one omnidirectional image. Therefore precise calibration for single viewpoint constraint is needed during system assembling. However, in most image detection based calibration methods, the nonlinear optical distortion brought by lens is often neglected. Hence the calibration precision is poor. In this paper, a new calibration method of single viewpoint constraint for the catadioptric omni-directional vision is proposed. Firstly, an image correction algorithm is obtained by training a neural network. Then, according to characteristics of the space circular perspective projection, the corrected image of the mirror boundary is used to estimate its position and attitude relative to the camera to guide the calibration. Since the estimate is conducted based on actual imaging model rather than the simplified model, the estimate error is largely reduced, and the calibration accuracy is significantly improved. Experiments are conducted on simulated images and real images to show the accuracy and the effectiveness of the proposed method.     

基于BP神经网络的颜色补偿模型

针对光源渐变等因素在机器视觉中产生的相关问题,提出了一种基于BP神经网络的图像颜色校正方法.该方法通过合适的训练集对BP神经网络进行大量训练,得到光照变化前后图像像素点之间的映射关系,从而建立了在渐变光照环境下的颜色恒常性模型.该方法不需要内建约束的自适应模型,对于输入的数据不需要对表面属性做特定假设,拥有自适应、自学习的特点.实验结果表明,该模型对室内真实环境中渐变日光下颜色的识别表现出较好的颜色恒常性.     

基于机器视觉的齿轮测量虚拟仪器

用机器视觉技术构建齿轮测量的虚拟仪器,能够充分利用计算机在数据库和网络等方面的巨大优势,对齿轮进行快速、准确的在线测量。在LabVIEW虚拟仪器平台上开发的齿轮测量系统,使用IMAQ Vision的图像分析、图像处理和几何量测量等各种函数进行齿轮测量;使用Signal Processing Toolset的二维小波变换功能提高齿轮测量的质量和整个测试系统的效率。