提升小波和分水岭算法在矿石粒度检测中的应用

为了实现矿石粒度的在线自动化检测，需要解决两个难点：矿石图像的去噪和分割。通过提出了一种新的提升小波构造方法：基于三次B样条函数的提升小波，实现了对矿石图像的去噪。对于矿石图像的分割，提出了改进的分水岭算法。矿石粒度检测的具体步骤是：首先利用基于三次B样条函数的提升小波对图像进行去噪，再利用改进的分水岭算法对矿石图像进行分割。最后利用图像的连通域性质，计算各个连通域的像素面积，再转换到实际的矿石粒度大小，从而实现对矿石粒度的检测。对比这里算法与人工筛选的结果，累积误差在3%以内，可见这里算法具有可行性和准确性。     

基于特征点集距离描述的裂缝图像匹配算法研究

定期进行裂缝检测、监测重点裂缝的变化对建筑物安全十分重要。由于外部环境及拍摄设备的原因,不同时间拍摄的同一裂缝图像会存在亮度、裂缝位置的不同,为此提出了一套裂缝图像匹配算法,能够在图像库中识别含指定裂缝的图像,以达到监测危险裂缝发展的目的。该算法首先对裂缝图像进行预处理,采用MASK算法进行匀光处理,采用基于连通区域的滤波方法去除图像中的噪声,提取出只含裂缝的二值图像;而后利用Harris检测算子获取裂缝的角点为特征点集;最后采用基于Fréchet距离以及Hausdorff距离的点集配准算法进行特征点的配准。采用100张墙面和路面裂缝图像进行了实验,配准的成功率可达到90%。     

漏电断路器试验按钮视觉检测研究

针对漏电断路器试验按钮安装方向自动检测的问题,设计了漏电断路器试验按钮视觉检测系统。根据现场环境和检测要求,确定了合适的相机、镜头和照明方式,得到了适合进行进一步处理的图像;对漏电断路器图像的RGB彩色图像空间和连通域标记算法进行了研究,以解决传送带抖动严重的问题,引入了一种对彩色差分图像进行连通域标记的试验按钮定位算法,实现了试验按钮图像的自动提取;提出了基于归一化的二值化算法,以解决常用二值化算法无法对试验按钮实现较好地分割,算法利用了图像的最大和最小像素值信息,具有一定自适应性;最后通过使用字符模板匹配算法对试验按钮的安装方向进行了检测。研究结果表明:系统可靠性好、检测效率高,准确率达到99%,误检率低于1%,能够满足实际生产需求。     

基于图像处理的管道裂缝检测

传统的管道裂缝检测方法速度慢、精确度低,因此提出一种基于图像处理的管道裂缝自动检测方法。首先对采集到的管道裂缝图像进行图像增强,有效地去除噪声。利用裂缝图像与背景图像灰度值的差异性,采用形态学梯度算法进行边缘检测。提出在边缘检测的基础上进行阈值分割,经实验比较分割结果优于其他方法。对分割的图像进行形态学处理,从而提取到特征图像,最后对特征图像进行特征值计算。     

基于机器视觉的菌落计数算法研究

针对菌落人工计数的不确定性、效率低等问题，对工业相机、图像处理、特征对比以及计数算法等展开研究。提出了一种基于机器视觉的菌落计数算法。首先搭建一套图像采集系统获取菌落图像，然后利用灰度处理、中值滤波、边缘检测连接、阈值分割、粘连分割、边缘剔除等一系列图像处理方法对菌落图像进行处理，得到菌落的二值化图像，最后根据连通域计数法完成菌落计数，实现客观、快速的菌落计数。通过与人工计数误差对比，计数精度达到了90%，满足了菌落计数的要求。     

粉末冶金齿轮的视觉缺陷检测方法研究

针对粉末冶金齿轮的缺角缺陷,提出一种视觉缺陷检测方法。采用形态学操作及特征分析方法定位齿轮原点,提取齿轮ROI区域,通过连通域标记算法分割图像,对每个连通域进行细分区域灰度值分析,将灰度值分析结果进行阈值判别从而定位缺陷。设计实验进行算法的测试与验证,实验结果表明,该算法具有很好的准确度和稳定性,适合工业现场缺陷检测应用。     

基于机器视觉及SVM的零件产品计数系统

针对小型零件产品计数问题,设计一套基于机器视觉及SVM,通过机器学习,利用图像实现零件自动计数的通用系统。以Opencv库函数为基础,采用SVM实现图像中目标与背景分割得到并保存分割模型,将分割图像二值化处理后并基于漫水填充法对前景的连通域进行标记计数,再以各个目标连通域所组成像素点数和,所确定的阈值进行筛选过滤,最后剩下连通域即为零件个数。实验测试结果表明:该系统计数方法在不同类型噪声干扰下计数以及在目标颜色多彩化情况下进行分类计数,都有很好的效率和准确率。     

基于坐标轴投影勘察的深度图像树型分割

针对具有空间连通域特征的深度图像,提出了一种基于坐标轴投影勘察的树型分割方法.通过投影勘察实现沿最优投影方向的坐标轴投影,把对深度图像的空间连通域分割转化为对投影在坐标轴上的一维点数据的区间连通域分割,最终利用树型结构实现分割.将该方法应用于实际深度图像的分割,并分别对理想和极端两种情况下的分割结果进行了讨论.结果表明...     

基于机器视觉算法的轴承套端面缺陷检测研究

针对目前人工检测轴承套端面缺陷存在的效率低、人为因素影响大等诸多问题,提出了一种应用机器视觉技术实现轴承套端面缺陷检测的方法。首先,对采集到的图像进行了平滑处理,并运用自适应阈值的Canny算子完成了边缘检测;其次,利用最小二乘法拟合了轮廓圆,从而提取出了轴承端面的圆环区域;然后,通过Otsu算法计算出了圆环区域的最佳阈值,实现了阈值分割;最后,通过提取各连通域的特征来检测和判别缺陷。实验结果表明:该方法能有效地检测出轴承套端面存在的缺陷,且误检率低于3%,漏检率低于1%,检测时间不超过50 ms,可满足在线检测要求。     

基于轮廓提取的刀具磨损量检测研究

为了提高车削加工过程中的刀具磨损检测效率,降低生产成本,提出了一种基于轮廓提取的刀具磨损量检测算法。由CCD相机获取刀具磨损图像,通过图像预处理、图像的形态学处理、阈值分割、改进的轮廓找寻算法实现了刀具磨损区域的连通域轮廓点集的提取,通过连通域外接矩形实现了刀具磨损量的精确测量。开展刀具切削磨损检测试验,通过与光学显微镜测量结果对比,结果表明:该算法能够实现较高的检测精度,能够利用算法搭建刀具在机检测系统。     

一种CT图像的肺实质分割方法

为了实现计算机辅助诊断,解决自动化CT图像处理的问题,文中提出一种肺实质分割的算法.采用求直方图峰值间极小值的方法获取最优阈值,实现图像分割;在此基础上,采用空间滤波以及连通域标记法去除干扰得到肺实质区域.结果表明该方法能实现肺实质分割,解决了肺结节检测的预处理问题.     

基于曲率滤波和反向P-M电动车充电孔检测方法

为了解决电动车人工充电作业的效率低下、场合限制、漏电隐患等难题,研究了基于曲率滤波和反向P-M扩散的电动车充电孔检测与定位方法,该方法能够从充电座图像中精确高效地提取目标物充电孔的特征,实现机器人的自动化充电。针对图像信号受强电磁干扰,采用了具有噪点识别能力和边缘保持特性的曲率滤波法进行图像除噪;由于充电座图像背景复杂、亮度不均以及干扰项多,导致常规分割方法失效,故研究了反向P-M扩散和BP神经网络(BPNN)相结合的分割方法。预处理图像经反向P-M扩散、差分运算、滤波及空洞填充得到P-M精确分割的连通域,再利用形态学击中算法,在P-M连通域中搜寻由BPNN粗略提取的连通域,从而得到精确的充电孔目标区域。最后,对所提出的方法进行验证测试,实验结果表明该方法能有效识别充电孔,并且检测速度、定位精度很好地满足充电机器人作业要求。     

基于防松线分割的螺栓松动全角度检测方法

针对现有无法基于防松线分割进行螺栓松动全角度检测的问题,文章开发了一种基于颜色分割和方向矢量运算的方法。首先,利用一种基于Lab和RGB颜色空间转换下的a分量非线性拉伸和R分量最优阈值分割方法分割防松线图像;其次,利用开运算对图像进行形态学操作;再次,通过一种角度递进最小包围方法确定防松线连通域面积最小外接矩形并确定其方向矢量;然后,基于四象限反正切函数和一定调整求解螺栓松动的全角度;最后,设计实验方案验证文中算法的可行性和精度。实验结果表明,检测算法能够实现螺栓0～360°的松动角度检测,且最大相对误差为1.43%,其精度可以满足工程实践需要,具有良好的应用前景。     

人脸识别技术的探讨和研究

文章从人脸识别技术原理、图像预处理、人脸检测、椭圆拟合等方面对人脸识别技术进行了介绍。对人脸图像的灰度化、二值化及图像的预处理过程进行了阐述,并以肤色分割方法进行去噪声、开启运算、连通域处理后的图像进行椭圆拟合,最终实现对人脸的检测和识别。     

SURF与灰度差分在小模数塑料齿轮缺陷检测中的研究与应用

利用FLANN算法对已检测的SURF描述子进行特征匹配,对获得的关键点进行迭代排序,用RANSAC算法进行匹配点优化提纯。通过灰度差分算法对经过矩阵变换配准后的图像进行缺陷区域提取,采用Otsu阈值法进行图像分割,并对缺陷连通域面积特征进行分析。试验结果表明,该方法在检测速度与范围方面优于传统的检测算法,在小模数塑料齿轮工业在线检测方面有着积极的研究意义与价值。     

基于机器视觉的高杆绣球检测计数系统

针对光照强度在目标轮廓提取上的问题,提出一种自适应阈值分割与连通域筛选的目标轮廓提取算法。通过自适应阈值分割结合形态学梯度进行边缘检测,并利用漫水填充算法提取投球内圈及以外待检测区域,对提取的待检测区域采用高斯混合模型进行目标及运动方向检测,最终实现高杆抛绣球检测与计数。实验结果表明,该方法能实时有效地提取目标轮廓并统计投进投球圈的绣球数。     

基于机器视觉的试样接触疲劳实时检测方法

为了提高滚动接触疲劳试验中,试样接触疲劳检测的速度和精度,提出了一种基于机器视觉的试样接触疲劳实时检测方法。首先基于灰度值统计,设计算法提取试样工作表面区域,再采用改进的动态阈值对提取的区域进行初步检测。然后设计了陷波带阻滤波器并结合空间域滤波作为疲劳特征精确检测的滤波方法。最后融合形态学处理和Otsu算法对滤波后的图像进行目标分割。实验结果表明,该方法漏检率为0.7%,误检率为3.6%,检测精度达到97.5%,能在线对试样疲劳状态进行精确判定,满足实时检测要求。     

红外弱小目标的分割预检测

提出了一种目标分割预检测方法来提高检测红外弱小目标的准确性和实时性。针对红外图像的特点,利用改进的自适应背景感知算法抑制目标图像的背景以提高目标检测概率;根据已有的先验知识构造属性集,把灰度直方图限定在感兴趣区域,减少背景的影响;然后,利用属性直方图的最大熵进行图像分割以检测目标。为了提高分割算法运算速度,应用了快速递推算法。实验结果表明,本文提出的背景抑制算法能更好地抑制背景,提高图像的整体信噪比;分割算法具有更好的分割检测效果,候选目标点分割准确、虚警目标点较少,运算速度提高了91%。对分割图像进行后续处理,剔除了大部分虚警目标点,为后续目标准确检测提供了有力保障。     

基于阈值分割和形态学相结合的金属废料 X 射线图像轮廓提取方法

针对金属废料 X 射线透射图像中废料之间距离较近时图像可能相互粘连,导致不能有效提取单个物料轮廓的问题,提出了一种基于阈值分割和形态学相结合的金属废料 X 射线图像轮廓提取方法。首先分析图像噪声信息分布,利用约束灰度值范围的 Otsu 阈值分割算法获得全局最优阈值对图像进行滤波;然后采用动态阈值分割方法得到二值化图像,在此基础上采取一种改进的形态学处理策略实现对各单物料区域的连通区标记;最后对各连通区进行轮廓提取以获得单个物料区域的轮廓。经实验表明,该方法有效地提高了在物料粘结情况下图像轮廓提取的准确率和成功率。     

快速连通域标记算法在堆叠棒材计数中的应用研究

棒材计数问题是棒材生产、销售企业提高自动化水平的重要瓶颈之一。根据棒材堆叠后图像中目标像素的分布形态特征,提出一种基于图段的快速图像连通域标记方法,用以解决工业生产中堆叠棒材的自动计数问题。首先对堆叠棒材截面图像进行二值化、去噪、分割等预处理,尽量减少图像中棒材间的粘连现象,得到较为清晰的二值图像,然后利用快速连通域标记方法对图像进行标记以完成计数。实验结果表明,提出的方法能快速、准确的实现堆叠棒材的自动计数。