基于机器视觉的轴承防尘盖表面缺陷检测

为实现工业现场中轴承防尘盖表面缺陷的自动检测,提出一种基于机器视觉技术的检测方法。采用蓝色同轴光源作为检测系统所用光源,克服金属反光;采用最小二乘法拟合轴承外圆,根据轴承型号比例分割出防尘盖区域,利用Otsu阈值分割和Roberts边缘提取处理图像,每2°统计值为1的点的数目,与模板轴承此数据比较,求出相差角度,由此将防尘盖字符、非字符区域分离,两部分是否存在缺陷分开判别,互不干扰。实际测试表明：检测系统采集到的轴承图像清晰,缺陷检测算法正确率在96%以上,可实现轴承防尘盖表面缺陷的自动检测。     

基于机器视觉的轴承防尘盖检测算法

为实现工业现场对轴承防尘盖的自动检测,对机器视觉检测的关键技术进行了研究,提出一套基于机器视觉对轴承防尘盖的检测,针对轴承图像的特点,采用了一种最小二乘法进行圆拟合圆检测算法,完成了轴承防尘盖区域的提取,对连通区域的特征进行了分析,再进行量化处理和判断.实验结果表明,该方法实时性好,准确率高,可以满足工业检测需求.     

一种VFD面板字符显示缺陷检测的新方法

针对VFD(Vacuum Fluorescent Display)字符显示的断笔和组合缺陷,提出基于连通域质心直线拟合的缺陷检测算法。首先对预处理后的图像求其各连通域的质心,采用最小二乘法进行直线拟合,进行基于平行直线的小角度倾斜校正,然后对不同点亮模式的图像特征,采用不同的判别方法,最终融合得到缺陷的检测结果。实验表明,这种检测方法可以有效地实现VFD字符显示缺陷检测,达到VFD面板显示缺陷自动化检测的要求。此方法已经应用于Honda汽车仪表盘VFD面板显示缺陷检测中,证明了该方法的可行性和有效性。     

基于机器视觉的定子表面缺陷检测系统研究

为了解决定子人工检测效率、精度低的问题,设计了一套基于机器视觉的定子外观缺陷检测系统,该系统由硬件系统和软件系统两部分组成。针对定子表面图像背景复杂、内部干扰多等问题,使用最小二乘法提取圆形ROI,并提出一种基于连通域特征组合的干扰抑制算法,通过分析连通域最小外接矩形的形状和位置特征来抑制干扰;然后提出一种基于轮廓拓扑结构分析的掩模生成算法,并利用图像差分法提取缺陷进行分析判断。试验结果表明,该检测系统的稳定性和实时性良好,基本满足工业检测要求,具有很好的实用价值。     

一种改进的图像水平倾斜角度测量算法的应用

在汽车面板检测过程中,由于检测设备制造工艺影响,摄像头拍摄到的汽车面板图像在水平面上存在微小角度偏移,需测量其角度大小以保证后续汽车面板检测的正确性.通过图像字符连通域中心坐标算法获取相应的坐标数据,根据最小二乘直线拟合法对图像数据进行处理,计算倾斜角度为-0.6°.图像字符连通域的中心坐标直线拟合角度计算法,根据这种改进的算法能够在短时间内精确地计算出图像水平倾斜角度.     

基于新模板的算法在车牌字符分割中的应用

针对以往车牌字符分割算法在复杂情况下分割准确率低的问题,提出了一种基于新邻域模板的连通域算法的车牌字符分割算法。采用基于新模板的连通域算法粗分割字符;通过自适应阈值投影法进行字符细分割;同时使用区域合并算法保证字符的完整性。实验结果表明,该算法将连通域法与投影法有效结合,能够同时解决汉字不连通、字符粘连和边框粘连等复杂情况,该算法对车牌字符进行分割正确率达99.5%。     

基于快速连通域标记的车牌字符分割

对车牌图像的二值图进行连通域提取可以解决倾斜带来的问题.提出了一种基于快速连通域标记的字符分割方法.先用改进的Otsu法对车牌图像进行二值化分割,之后基于快速连通域标记算法进行连通域标记,最后对各个连通域进行后续处理提取出全部车牌字符连通域.实验表明,改进的快速连通域标记算法克服了倾斜问题,而且有效地提高了连通域提取的速度,获得较好的字符分割的鲁棒性和实时性.     

一种快速提取弹底底火表面缺陷图像方法

针对枪弹弹底图像特点,提出一种新的弹底底火表面缺陷图像分割方法。对去背景弹底灰度图像运用Log算子进行边缘检测,分析了传统边界跟踪算法在提取弹底圆轮廓应用中的不足,改进边界跟踪算法提取弹底圆轮廓,利用最小二乘法圆拟合算法获得弹底圆圆心和半径。通过弹底圆半径与底火圆半径对应关系为弹底灰度图像赋值,提取底火圆图像。利用统计阈值分割底火缺陷,利用数学形态学优化分割结果。实验结果表明,该方法能够有效提取弹底底火表面缺陷。     

空间交会对接位姿测量中特征靶标快速识别

空间交会对接中,需实时测量追踪航天器上视觉传感器与目标航天器上特征靶标之间的位姿,而其前提是快速、准确识别特征靶标。提出一种四同心圆环特征靶标的快速识别算法。该算法首先使用优化的Otsu算法进行图像分割,然后采用连通域识别方法进行轮廓提取,最后根据圆的周长与面积的关系确定圆轮廓,并采用最小二乘法进行圆拟合,提取特征圆心。通过实验对方法进行验证,结果表明,该方法能在2 m距离内准确、快速识别特征靶标,且与优化前算法相比,该方法运算效率提升了近10倍。     

基于改进滴水算法的芯片图像粘连字符分割

为克服粘连字符对芯片字符识别的影响,提出一种基于改进滴水算法的粘连字符分割方法。在芯片图像进行必要的预处理后,提取单张芯片的标准字符信息,利用水平投影和连通域分析提取粘连区域。通过垂直投影和上下轮廓得到上下轮廓极值点;分别以粘连区域左右两端为起点,利用标准字符信息对极值点进行筛选,选取方差较小的一组作为候选分割点;通过分割点对应关系补齐遗漏的有效分割点;上下有效分割点分别作为水滴起始点和终止点,定义新的滴落路径对粘连字符进行分割。实验结果表明,该算法可有效解决芯片图像的字符粘连问题,并且在分割精准度上拥有良好的表现。     

布氏硬度自动测量中多圆检测方法

圆检测应用广泛,是布氏硬度自动测量的关键。针对圆检测中存在圆分裂、多个圆、不完整圆的情况,提出一种基于交叉圆合并、凸包点迭代纯化最小二乘拟合的圆检测方法。首先对图像进行纹理增强并二值化,其次提取有效区域的最小外接矩形,并得到圆弧与最小外接矩形的三个切点,得到初始圆,然后合并有交叉的圆。最后求合并圆的轮廓点与其凸包的交集,进行迭代纯化最小二乘拟合,最终得到亚像素级的圆半径值。最后通过实际应用测试,验证了论文方法的有效性。     

基于圆形区域定位的肖像类唐卡图像头饰分割算法

针对肖像类唐卡图像头光区域呈圆形的特点,将圆检测算法应用到肖像类唐卡图像头光区域的定位中,并在此基础之上提出了一种自动分割头饰的算法。该算法首先利用圆检测算法定位出头光所在的大概位置;然后利用头光颜色的空间分布特征、头饰外轮廓以及边缘检测结果实现头饰分割。实验结果表明,该算法在肖像类唐卡图像头饰的分割中具有头饰定位准确的特点,并且主尊比例和头饰大小的变化不会影响分割效果。     

面向野外火灾监测的图像拼接技术研究

传统的火灾检测系统主要依靠传感器实现,由于设备长时间接触灰尘等其他因素,有很大的可能发生失灵或故障。基于上述的缺陷,将图像拼接系统应用在野外防火检测系统上将会产生更好的效果。通过摄像头采集的图像信息往往具有一定的视差,拼接后得到的全景图像易产生重影等现象。在进行多幅图像拼接时,拼接后的全景图像不能呈现出规则的矩形形状。针对上述问题,采用一种图像变形的方法来实现精确对齐,并利用Seam Carving算法将不规则的全景图像矩形化输出为规则的全景图像,最后将规则全景图像与原场景图像进行背景对比,从而达到火灾检测的目的。     

基于形态学的PCB缺陷快速检测技术

提出了一种基于数学形态学的PCB自动缺陷检测算法。 在对测试图像进行距离变换时,将参考图腐蚀后的边缘作为感兴趣区域使用,边缘上的每个点都具有线路边界的相应距离信息。对边缘上的距离图像进行直方图分析后得出合格线路的距离信息,以该距离为参照,可以快速地检测出各种缺陷。结合轮廓特征的对比,其能够进行准确的缺陷类型识别。实验证明,所提算法能够快速检测出PCB图像中的各种缺陷,并能进行准确的自动分类识别。     

自动警戒圈的目标检测算法

针对雷达/ARPA模拟器的特点,利用现代图像处理技术,将前后两个扫描周期的回波图像转化为二值图像,根据自动警戒圈的特点,采用使用逻辑运算和区域生长的方法,提出了目标检测算法,该算法不需要引入复杂的运算,并能较好地去除噪声对目标检测的干扰,实验表明该算法适用于当前的雷达/ARPA模拟器的目标检测。     

基于机器视觉的钢管壁厚在线检测方法研究

在钢管生产过程中,需要对钢管的壁厚进行实时测量,以检验所生产的钢管是否符合规格。针对人工测量钢管壁厚中所出现的测量效率低、易产生疲劳且无法实时测量等问题,基于机器视觉测量技术,提出一种钢管壁厚在线检测方法。该方法首先采集钢管断面图像,然后对采集到的钢管图像进行预处理,使用Canny边缘检测算子检测钢管断面内外圈边缘特征,最后使用改进后的随机霍夫圆检测算法检测断面轮廓,根据设计的钢管壁厚测量方案计算得到各处钢管壁厚。改进的随机霍夫圆检测由于采用分区采样以及筛选出与边缘轮廓契合度最高的候选圆的方式,提高了原检测算法的检测精度与效率。经过实验验证,该方法测量精度高,效率高,能够满足对钢管壁厚在线检测的要求。     

基于改进Hough变换的电梯轿厢内人数统计算法

考虑电梯轿厢内人数的电梯群控调度算法,可以在有限的时间内,找到更优解,对电梯的调度具有重要意义。针对目前基于视觉的人数统计算法正确率不够稳定,速度较慢的问题,提出了一种基于改进Hough变换检测人头轮廓的电梯轿厢内人数统计算法。该算法将标准Hough变换检测圆时的三维空间转换为一维空间,利用圆的几何特性遍历图像数据,通过一维Hough变换进行半径累积,并和阈值进行比较来确定人头轮廓的半径和圆心。结果表明,和用Hough变换检测人头轮廓的传统方法相比,该算法具有速度快,正确率高,抗噪性能好等优点。     

Hough变换和轮廓匹配相结合的瞳孔精确检测算法

针对红外眼部视频中瞳孔直径检测精度不够高的问题,提出了一种将Hough圆变换和轮廓匹配相结合的瞳孔检测算法(Hough-Contour)。对每帧图像,首先进行灰度化并滤波去噪;然后提取边缘并利用修改后的Hough梯度法检测出初始圆作为瞳孔参数;最后在滤波后的灰度图上的瞳孔附近用位置和半径在一定范围可变的圆形轮廓去匹配瞳孔,从而计算出瞳孔中心坐标和直径。在Hough变换阶段,将Hough梯度法中的对候选圆心按累加值降序排序这一步骤改为寻找最大值,以降低该操作以及后续计算半径的时耗。通过实验寻找到圆心累加数组最大值的阈值,使其能自动排除闭眼帧且不会导致漏检。在轮廓匹配阶段,实验发现如果圆形轮廓的移动范围和半径伸缩范围取值为初始圆半径的十分之一,点对数取值为40,则可将瞳孔的精确匹配率从OpenCV圆变换检测算法的约10%提高至99.8%。对算法的时间性能作了测试,在实验所用的低端电脑上处理一帧需要60 ms,在高端电脑上可以对红外瞳孔视频做到实时检测。