基于多尺度卷积的机械零件图像轮廓特征提取方法

为解决制造业与机器视觉融合过程中,机械零件图像轮廓提取准确度不高的问题,提出基于多尺度卷积的制造业机械零件图像轮廓特征提取方法,方法使用小波变换增强方式对机械零件图像实时增强预处理后,建立机械零件图像Lab颜色模型,以Lab颜色模型输出结果为基础,使用最大类间方差方法,对机械另加图像灰度阈值展开分割后,使用凸曲线轮廓边缘区域检测方法,获取机械零件图像轮廓边缘区域。将该区域机械零件图像输入到多尺度卷积神经网络模型内,经过模型迭代输出制造业机械零件图像轮廓特征,完成其图像轮廓特征提取过程。实验结果表明：该方法具备较强的机械零件图像增强能力,同时可有效提取机械零件图像轮廓特征,受特征点数量影响较小,应用效果显著。     

基于主动轮廓模型的医学图像边界跟踪

提出了一种基于主动轮廓模型的医学图像三维重建目标区域的边界轮廓跟踪方法,该方法能够在多区域轮廓内外邻接的情况下保证轮廓跟踪的逻辑正确性,并且可以在轮廓成长过程中,主动定义非均匀分布的轮廓关键点以及利用参数交互决定轮廓跟踪的精度,从而使跟踪结果合理,且便于交互编辑及三维重建.     

基于轮廓波降噪的ISAR目标轮廓特征提取方法

空中目标的逆合成孔经雷达(inverse synthetic aperture radar,ISAR)成像效果往往不理想,干扰杂波、成像算法能力限制等因素使得目标图像质量较差,较难从图像中提取目标的连续轮廓信息.对此,提出一种新的基于轮廓波降噪的处理方法以获得目标连续轮廓特征.首先应用轮廓波变换将复数ISAR图像变换为轮廓波系数,在轮廓波变换域分离信号与噪声并完成降噪处理,接着用优化后的轮廓波系数重建ISAR复图像,然后在实图像域将用形态学方法获得目标的初始轮廓改进为CV (Chan-Vese)模型算法的初始轮廓,最后用CV模型算法进行有限次迭代以获得目标的较优连续轮廓特征.该方法融合了轮廓波降噪技术与自适应CV模型算法,通过对真实yak42型飞机目标ISAR回波数据的试验验证了该方法的有效性和可行性.     

基于SIFT-SUSAN算法的零件图像特征提取研究

把SIFT-SUSAN算法应用在零件图像的特征提取上,检测图像的特征极值点。首先对采集的图像进行均值滤波和Laplace锐化预处理,以此增强图像的边缘响应;利用高斯卷积和高斯差分建立尺度空间域;再利用SIFT算法提取空间极值点,并引入SUSAN算子检测空间角点;计算两种特征点的位置,生成特征描述子,实现零件图像的匹配。通过对垫片、螺母和轴承盖零件分别采用SIFT算法和SIFT-SUSAN算法进行对比试验,实验表明:SIFT-SUSAN算法结合了图像区域和边缘角点特征,得到更多的匹配点,提高了图片匹配的正确率。     

平面图形面积矩的边界型算法

本文以格林公式为基础，提出了平面图形面积矩的边界型算法，适于某些复杂组合图形面积矩计算，尤其适于某些不建立表达方程图形面积矩的近似求解。     

基于ICT切片图像的轮廓特征识别和曲线拟合

在基于ICT切片图像的逆向工程中,切片图像的轮廓特征处理技术具有重要的意义,而轮廓整体和分段特征的识别、曲线拟合是其首要的环节。提出一种新的轮廓处理方法:首先采用轮廓矩不变量的原理识别出所有闭合轮廓中的圆和正多边形整体特征;再根据曲率对剩下的轮廓进行特征点提取,确定出每段轮廓对应的曲线类型;最后采用最小二乘法对识别出的整体和分段特征进行曲线拟合。试验表明:算法自动化程度较高,而且处理结果准确可靠,精度较高。     

基于图像的轮廓跟踪及NC代码生成技术

介绍基于BMP图像的轮廓跟踪算法和轮廓序列点处理算法,此方法只需扫描图像一次,即可得到图像中所有轮廓信息,具有速度快的优点。分析了Bezier曲线进行拟合及NC代码生成方法。此方法已应用在自行开发的数控雕刻机系统上,并加工出较好样品,具有适用范围广、处理速度快、处理效果好等优点。     

基于图像数据的平面轮廓加工CAM技术

提出了简化的霍夫变换HT(HoughTransform)方法和适应性包容盒AIB(AdaptiveIncludingBox)原理.适应性包容盒AIB的大小可以通过加工精度控制,零件轮廓的图像数据能够转化为分段的直线,进而生成零件轮廓加工的数控代码.     

一种热轧中厚板表面缺陷图像的特征提取方法

研究了快速傅立叶变换、不变矩的原理及特点,并应用于热轧中厚板表面缺陷图像特征提取。从现场在线采集热轧中厚板的表面缺陷图像,将每幅图像划分成64×64(像素)大小的子图像。对子图像进行快速傅立叶变换,得到子图像的幅值谱,再对幅值谱求七个不变矩,然后把求得的七个不变矩作为特征向量输入BP神经网络分类器进行识别。实验表明该方法具有较好的特征提取能力,能够很好的识别热轧中厚板表面缺陷。     

基于图像轮廓分析的数控加工

为实现二维复杂图案的数控加工．提出了边缘检测、轮廓跟踪的计算方法．提取了图案的轮廓线,进而自动生成NC代码。     

应用Canny算法和灰度等高线的金相组织封闭边缘提取

为了对金相组织的多项组织含量进行定量分析,提出应用Canny算法和灰度等高线相结合的方法来产生封闭金相组织边缘。首先,采用高斯函数对金相组织的灰度图像进行模糊处理,然后,用Canny算法对模糊后的图像获取具有单边缘效应的原始边缘。通过最大类间方差法对原始边缘进行自动计算,获得抑制虚假边缘的阈值,并通过该阈值获取基础边缘。由于基础边缘具有不连续性,因此需根据基础边缘端点的邻域灰度中值计算所需的灰度等高线,同时根据设定的等高线和基础边缘融合的条件,以基础边缘的端点为起点生成封闭边缘。实验结果表明,该算法可有效地生成符合要求的封闭边缘,采用该算法产生的封闭边缘进行金相组织含量测定可使测量误差降低到±1%,可测组织含量范围达到5%～95%。该算法能满足多项金相组织含量测定的定量分析要求且具有普适性。     

基于主轴分析和EDISON—Zernike矩的彩色图像亚像素边缘检测

本文分析了目前常见的亚像素边缘检测方法,提出了一种综合运用主轴分析法、Zernike矩和嵌入置信度的彩色图像亚像素边缘检测算法。首先获取影像三维空间中的主轴,然后利用嵌入置信度的边缘检测算子快速检测出所有可能的边缘点,再利用Zernike矩算子以亚像素精度重新定位边缘。实验表明本文算法优于其它的边缘检测算子,充分利用了图像的彩色信息,定位精度能够达到0.13个像素,并且该方法还具有良好的抗噪声干扰性和处理效率。     

基于字符特征约束的自适应车牌校正提取

针对复杂多变环境中难以快速、精确提取车牌的问题,提出了一种利用字符特征智能校正提取车牌的方法。首先通过Gamma校正和Canny算子结合的方法在灰度图中实现自适应阈值边缘检测,解决了分割阈值选取的难题;然后应用字符特征约束条件提取特征轮廓,根据特征轮廓分布规律提取车牌候选区,避免复杂运算的同时提高了定位准确性;最后对候选区进行线性畸变校正并利用行灰度跳变统计实现了车牌真实性验证和精确提取,为后续的识别工作提供了良好条件。对不同环境中随机采集的700幅高清图像进行测试,综合提取准确率为96%,提取车牌字符规整、无多余残留信息。实验结果显示,该方法对图像中车牌状态、背景环境、光照条件等限制极少,具有更广的适用范围和更强的鲁棒性。     

基于外形特征的三维模型聚类方法研究

针对实际应用中三维模型数据集的模型分类管理、检索聚类预处理等聚类问题,提出了一种基于划分方法的无监督聚类模型。该模型通过以傅里叶矩不变算法为基础的特征提取算法,综合运用了现有聚类算法,将特征提取和聚类计算有效结合起来,充分考虑了聚类模型数据格式的敏感性问题。计算结果表明,该方法对有一定类结构的数据集在有整体聚类效果的情况下有一定的局部最优性。     

基于形态学边缘匹配的数字稳像方法

在一些实际应用场合,摄像机设备的震动是造成视频序列失稳的重要原因,为此提出了一种基于形态学边缘匹配的数字稳像方法,该方法首先利用形态学方法提取视频图像边缘,然后利用当前帧子块与参考帧子块的边缘进行特征匹配,以确定当前帧子块相对于参考帧的局部运动矢量,同时对得到的局部运动矢量进行分析判决,以确定该局部运动矢量是否为真正的抖动偏移量,消除视频帧本身因存在局部运动目标、低对比度、纹理区域等因素对全局运动矢量估计的影响,最后通过判别确认的局部运动矢量确定全局运动矢量并进行运动补偿,实现数字稳像。仿真实验表明该方法稳像精度较高,复杂度低,实际应用稳像效果良好,可应用于因摄像头平移震动等因素造成视频序列失稳。     

工业CT图像轮廓数据提取研究

零件CT扫描设备在扫描过程中不可避免会产生大量冗余信息,导致获取的零件轮廓离散点数据存在噪声和冗余数据,使得特征点提取变得异常困难.传统轮廓数据点的提取和平滑除噪是采用不同方法分开进行的,这种传统方法可能会剔除有用的特征数据和造成得到的边界点数据发生畸变和偏移.利用多尺度分析技术研究轮廓离散数据的处理,通过对原始轮廓离散数据曲率进行小波多分辨率分解,然后根据尺度间相关性来去除轮廓数据冗余信息和提取特征点,便于在随后的重建过程中实现更精确的表达.基于该方法开发的软件,在实际应用中取得了良好的效果.     

基于边缘检测小波变换的红外与可见光图像融合方法

简要地论述了图像融合中主要的三种像素级融合算法,即简单方法、基于塔形分解以及基于小波分解的融合方法,在现有的红外与可见光图像融合方法之上,提出了以边缘检测为基础的一种小波变换图像融合方法,并对融合效果进行了评价。实验结果表明,经该方法对红外与可见光图像的融合可以提供更多、更有效的信息,提高了图像的分辨效果和人眼对场景目标的发现和识别概率,融合效果较为理想。     

结合概率密度函数和主动轮廓模型的磁共振图像分割

为了提高大脑磁共振图像的分割精度,提出了一种新的图像分割算法。首先,分析了常用于大脑磁共振图像分割的高斯混合模型和主动轮廓模型的优缺点,联合高斯混合模型的概率密度函数和主动轮廓模型的能量函数构造了一个新的能量函数。然后,利用遗传算法和最大期望算法获取概率密度函数的参数值。最后,利用水平集方法和梯度下降流法,对获得的能量函数进行最小化,从而得到最终的分割结果。与传统方法相比,本文算法对脑组织中的白质和灰质的分割精度分别提高了6.73%和14.07%。该算法利用像素点的区域信息和概率值驱动主动轮廓曲线的演化,能有效区分具有相近灰度值的不同区域,从而提高了大脑磁共振图像的分割精度。     

轴类零件的结构特征识别及参数提取

根据轴类零件上常见结构的特征并借助AutoCAD的二次开发工具ObjectARX，这里讨论了从基于AutoCAD的二维图形中识别出轴上常见结构并提取结构参数的方法，为计算机对AutoCAD图形的理解提供了参考。     

基于边缘的模板匹配在零件检测中的应用

对机器视觉在工业零件检测中的应用做了研究。在大批量的工业生产中,某个细微零件的缺失如果不应用机器视觉系统,将会浪费很大的人力物力,因此根据现阶段工业零件检测对智能零件缺失检测的需求,运用图像处理技术,在检测对象的标准样本中截取模板,利用零件的边缘特征,进行零件的模板匹配,进而检测出零件是否缺失。