基于微分几何的柔性电路板图像区域识别方法

目前柔性电路板(FPC)的表面缺陷检测方案大多缺少对轮廓进行分类这一步骤,而直接对特定区域如镀通孔、线路部位进行缺陷检测,难以直接应用到实际生产中。为解决这一问题,提出一种能有效提取柔性电路板表面轮廓并进行特定区域识别分类的方法。在该方法中,为精确地提取FPC图像整体轮廓,并有效过滤掉图像前景和背景相互夹杂的部分,针对FPC表面图像光照不均匀以及斑点杂质较多的问题,采用区域生长法提取图像轮廓,并利用中心邻域灰度法来消除欠生长的问题;为有效地识别图像不同区域的轮廓类型,利用双向差分法来计算图像轮廓的离散曲率,利用陆地移动距离(EMD)来评价各个轮廓的曲率特征与模板轮廓的区别,实现了FPC图像特定区域的识别。     

基于机器视觉的FPC缺陷检测系统

针对当前FPC(柔性电路板)缺陷检测中人工目检效率低的问题,基于机器视觉技术设计了一套实时检测系统。首先搭建了硬件系统,然后对FPC的4种表面缺陷特征进行了研究,基于Halcon设计了相应的缺陷检测算法,提出了通过模板匹配提取ROI的方法,以及运用图像自乘与高斯线检测来提取折痕,最后基于MFC开发了缺陷实时检测系统。实验结果显示,设计的系统检测准确率可达90%以上,且每片FPC检测时间只需0.2 s。     

基于局部马尔科夫模式的FPC薄浆缺陷检测

薄浆是柔性印刷电路板(FPC)导电涂层的一种缺陷,为避免其对电路性能产生不良影响而造成经济损失,检测薄浆位置从而进行修补或直接剔除板材均是合理的处理方式。FPC线路结构复杂,同时由于其线路涂层结构特性和采集环境因素影响,所获得的图像容易出现"斑点"噪声、光照不均匀等现象,这些因素导致了当前算法检测性能降低。针对该问题,提出了一种基于局部马尔科夫模式(LMP)的检测方案。首先给出LMP算法的基本模型,然后将预处理后FPC图像划分成大小均匀的区块,以降低光照影响;接着,提取各区块内部线路区域的直方图特征并以此为依据选取种子点,同时为各种子点赋予其作为缺陷的初始概率,进而计算其LMP值,并通过LMP的数值大小识别其中的薄浆缺陷像素。在自建图库SUT-F2上进行了测试,结果显示方法对薄浆缺陷检测的等误率仅为4.06%,相对于其他典型纹理特征提取和薄浆检测方法其等误率至少降低了5.14%,表明了方法的高效性,具有实际应用价值。     

特征弦约束随机Hough变换在椭圆检测中的应用

为了提高复杂图像中椭圆/类椭圆的检测效率及精度,提出了一种基于特征弦约束的随机Hough变换(RHT)思想的椭圆检测改进方法,借助特征弦的几何约束及特征弦端点的法向约束,大幅度降低RHT的无效采样和累积次数。通过对边缘图像中像素点的有效分布进行分析,建立用于存储特征弦的端点信息的二维数组累加器,在边界点提取之前利用椭圆幂剔除虚假椭圆中心的干扰,不仅能够提高空间采样点的可靠性,同时降低无效采样点的累积概率。实验表明,该算法具有更高的运行速度和检测精度,同时对于形变较大,轮廓缺失严重及噪声具有较强的抵抗能力。     

多尺度显著性区域提取的模板匹配

针对模板匹配过程中强遮挡、剧烈背景变化及物体非刚性形变等难题,本文提出了一种基于多尺度显著性区域提取的模板匹配算法。算法采用多尺度-显著性特征并行提取的方式:一方面利用空间金字塔模型将参考图像中的模板和待匹配图像中的目标区域分割成不同尺度的网格,采用可形变多相似性度量方法(Deformable Diversity Similarity,DDIS)计算不同尺度下的匹配得分;同时,算法提取模板区域的显著性区域图,形成模板区域的显著性得分;随后,利用显著性得分对不同尺度的匹配得分进行加权融合,在融合得到的匹配得分图上寻找最佳匹配区域。算法与取得目前最好结果的DDIS方法相比,AUC(Area Under Curve)指标提升2.9%。实验结果表明,显著性区域提取使匹配方法更加关注目标物体,削弱背景及遮挡物体对其影响,从而增强模板匹配方法对于背景变化及遮挡的抵抗能力。另外,空间金字塔模型能够增强模板匹配方法对于物体不同尺度下的特征提取,如物体的局部轮廓及结构特征等。二者结合有效地提高了匹配精度。     

采用多特征共生矩阵的模板匹配

为解决在模板匹配过程中,目标图像发生局部遮挡、背景变化、光照变化以及剧烈非刚性形变等情况而出现的匹配失败问题,本文提出了一种基于多特征融合的共生矩阵模板匹配算法.首先,采用多特征融合的方法提取图像信息.分别提取图像的颜色特征、深度特征、方向梯度直方图(HOG)特征,通过主成分分析(PCA)与K均值聚类的方法实现多通道多...     

输电线路除冰机器人障碍视觉检测识别算法

障碍物检测识别是实现输电线路除冰机器人自主除冰作业的关键技术之一.针对220 kV输电线路的结构特点,提出了一种障碍物视觉检测识别算法.算法首先对机器人采集的原始图像进行中值滤波以减少图像噪声并减小障碍物内部的灰度差异;然后利用Otsu算法来确定Canny算子的参数,较好地提取出图像的边缘;最后利用改进的随机Hough变换(RHT)提取出几何图形基元,并施加一定的结构约束,实现了对障碍物的检测识别.在模拟线路上的实验结果表明,该方法能有效地对高压输电线路的导线以及防震锤、绝缘子等障碍物进行检测识别.     

FPC走线凸起缺陷检测方法研究

针对板材柔性变形和背景平台光斑噪声对柔性印刷电路板走线上凸起缺陷检测产生不良影响的问题提出了检测方案。首先定义曲线形状因子从预处理所得的走线边缘中提取候选凸起区域;接着计算所得候选区域最大能量弧与基于点分布模型所得凸起轮廓的平均形状间的匹配分数;同时计算候选区域最大能量区域灰度曲面与基于柱状体配准模型所得的凸起区域平均曲面间的匹配分数;最后,将两匹配分数融合形成复合判别因子,并根据其与预先设定阈值的数值关系甄别凸起缺陷。在自建图库上的测试结果表明,方法漏检率为0时误检率仅为1.9%,相对于其他方法至少降低了3.4%,表明了方法在抗柔性形变方面的优势;算法等误率仅为4.2%,相比于其他方法至少下降了42.0%,表明了对板材背景噪声的较强的鲁棒性,显示了本文方法的优越性。     

基于机器视觉的葡萄树枝骨架提取算法研究

针对葡萄树枝上各个芽的粗细不均匀、形状不规则造成芽点位置难以检测的问题,将骨架提取方法应用到葡萄树特征检测中.在室内环境下采集了葡萄树枝彩色图像,选择对比度较明显的B分量图像进行了预处理.通过均值滤波,消除了噪声;通过阈值分割,去除了铁丝和阴影,并获取了葡萄树枝二值图像.在此基础上,分别采用形态学细化、Zhang细化、Rosenfeld细化算法提取了二值图像中葡萄树枝的骨架,并对比分析了处理结果.研究结果表明,Rosenfeld细化算法能够较好地维持骨架的连通性、中心性,所提取的葡萄树枝骨架最贴近原形状,为进一步检测葡萄树枝的芽点奠定了基础.     

结合深度卷积网络与加速鲁棒特征配准的图像精准定位

针对在大图像中定位小块区域图像的需求,本文提出一种结合深度卷积网络与加速鲁棒特征(SURF)配准的精准定位方法。将标准大区域图像分割成若干个小参考图像,利用深度卷积网络和类局部敏感哈希降维法提取参考图像集的特征并形成特征库;基于特征库,提出了先检索多个相似参考图像后再进行SURF精确配准的两阶段方法,实现目标小图像在标准大图像中的定位。针对电子工业过程中高密度柔性电路板(FPC)及精确末制导中的图像定位数据进行实验,实验结果表明,该方法避免了传统SURF算法大量的特征提取与配对过程,SURF特征提取数减少近90%;与直接根据图像特征进行配准的传统定位方法相比,在保证定位准确率的基础上,耗时可缩小一个数量级以上。     

往复式骨架油封模具自动化设计技术研究

针对骨架油封模具设计周期长的问题,通过对往复式骨架油封进行研究,以模具设计为出发点,对模具中关键分型线的确定方法进行了研究,并分析了余胶槽、顶杆和相关壁厚等关键地方的变形规律,建立了数学模型。采用自顶向下的建模方法对模具总体装配及零件进行建模,依据模具设计规则,从油封三维模型的几何特征中提取构成模具型腔的各个零件及其分型线的关键特征,形成封闭的型腔特征曲面,进而利用这些特征曲面切除装配结构中的各个模板零件内侧特征,获得模具型腔结构特征,完成模具详细设计。该设计方法实现了骨架油封模具随油封尺寸自动变形设计,大大提高了设计效率。     

基于改进模板匹配的在线钢坯标号识别方法

为避免钢坯标号数字字符出现局部畸变、笔画断裂和粗细变化等现象,提出了一种新的基于改进模板匹配的在线实时识别方法.利用灰度面积滤波、改进二值化等图像处理技术滤除干扰,完成字符提取;通过投影法得到单个字符;引入隶属度概念,改进了经典模板匹配方法,以增强抗干扰能力.试验结果表明,该方法可行有效,稳定性和实时性均满足实际生产需要.     

光电经纬仪子母弹多目标提取方法

光电经纬仪子母弹测量系统提供子母弹弹道等参数,为弹头最终完成作战使命、达到理想毁伤效果提供第一手科学数据。本文对子母弹多目标提取算法进行了研究。首先对数字图像采用改进的最大类间方差法（OSTU）进行二值处理,分别提取目标的形心位置、目标的面积大小,同时对目标区域进行标记;设定面积阈值,根据目标的面积大小,初步判断目标粘连与遮挡;然后再根据粘连目标区域灰度直方图波峰、波谷的变化情况分离目标;目标求灰度平均值;采用Hough变换拟合算法获得目标中轴线,然后计算目标的倾角。在匹配过程中,采用卡尔曼滤波,预测目标匹配搜索区域;在获得目标形心位置、面积大小、灰度平均值、目标倾角后,利用改进的特征函数来完成序列图像子母弹多目标的数据关联,实现了子母弹多子弹目标提取。实验结果表明,目标提取的正确率可达90%。本文采用的数学模型正确、算法合理,有效的获得了序列图像子母弹多目标参数。     

基于视觉的车位线识别算法

提出了一种自动泊车系统中采用视觉方法通过识别车位线来确定泊车位的算法。采用金字塔分层搜索策略,首先,在灰度直方图上应用K均值聚类法对图像进行二值化,提取车位线骨架,采用Hough变换检测骨架,并利用基于密度的无参数聚类方法对骨架线聚类,在金字塔高层图像上确定车位角点候选点;然后,在金字塔最底层图像上选择感兴趣区域,采用改进的基于距离变换的骨架提取算法提取骨架,使用遗传算法对车位角点骨架进行精确匹配,根据实际车位角点的分布特征确定目标车位;最后,在室外不同环境下采集多张车位图片进行算法的有效性和快速性验证实验。实验结果表明,采用基于视觉的车位线识别算法进行车位检测能较大地提高检测的效率和识别正确率。     

一种骨架线驱动的产品曲面变形设计方法

针对复杂产品外形设计中一类由骨架线驱动的曲面变形设计问题,提出基于变分原理和扩散效应控制目标曲面变形的设计方法。通过提取决定产品外形曲面几何特征的骨架线(如脊线、谷线),按照给定的约束条件控制曲面骨架线的几何变形,以变形后的骨架线为几何约束条件控制曲面形状的变化趋势,从而实现产品形状变形设计。此外,利用该方法可以提取原曲面拉普拉斯微分坐标表示的曲面细节,保持曲面变形过程中几何细节特征基本不变。产品曲面变形实例验证了方法的有效性。     

基于多尺度颜色替换的角膜老年环分割

角膜老年环是一种在角膜边缘形成的白色环状改变,主要由于人体脂类代谢异常而产生。通过图像分析的方法对角膜老年环进行检测可以方便、及时帮助人们发现身体脂类代谢异常状况。自然睁开状态下获取的彩色图像,角膜老年环经常被眼睑随机遮挡,而且被光斑、血管等因素的干扰。为了提高算法鲁棒性,减少由于眼睑的随机遮挡造成的定位失误,提出了一种基于多尺度颜色替换的角膜老年环分割方法。首先对图像进行量化;其次,在不同尺度模板下对图像按照本文定义的颜色替换策略进行处理,并最终实现目标分割。实验结果表明,在采集的1 968幅图像中该方法能够达到97.0%的分割正确率,所用算法具有较高的鲁棒性。     

一种SAR图像海洋涡旋形状自动描绘及信息提取方法

合成孔径雷达(SAR)为海洋涡旋的观测和研究提供了大量的图像数据.利用 SAR 图像自动地描绘涡旋形状,并提取涡旋信息,对海洋涡旋研究和涡旋 SAR图像应用有着重要意义.该文针对 SAR图像中螺旋形状的涡旋,提出了一种SAR图像海洋涡旋形状自动描绘及信息提取方法.该方法先将SAR图像骨架化,再在 SAR图像上绘制骨架图中检测到的对数螺旋线,直观地描绘涡旋形状,然后利用形状描绘结果提取涡旋信息.该文利用 sentinel-1 黑海地区涡旋 SAR图像进行了实验,实验结果表明,该方法能实现涡旋形状的自动描绘和涡旋信息提取,形状描绘结果与涡旋实际形状相符,提取的涡旋信息与手动提取的参考信息一致,验证了方法的有效性.     

Small sample parts recognition and localization from unfocused images in precision assembly systems using relative entropy

Recognition and localization of mechanical parts using machine vision is a common approach in precision assembly systems. However, positional inaccuracy in assembly systems often produces unfocused images. Hence, existing methods of part recognition and localization are vulnerable to failure. In this paper, we present a part recognition and localization method, based on relative entropy, which can be applied to small samples. First, a template image is generated based on the contour of the parts and divided into several regions. The intensity distribution of the regions was sampled to generate template features. Then, the captured image is segmented using the Gaussian mixture model and the expectation maximum algorithm to extract the target part in the image. Part features are also generated by sampling the target part image using the template features. Furthermore, an optimization model is established in which the objective function is the sum of the relative entropy between the image features, the template features, and the region matching error correction term. By solving the optimization model, the location of the part can be obtained. The proposed method is compared with the edge and invariant feature-based methods through experiments. The results show that the proposed method has higher robustness and is suitable for the recognition and localization of parts with unfocused images. By using this method, the flexibility and reliability of precision assembly systems can be improved.