基于改进主动轮廓模型的注塑制品轮廓提取

注塑制品边缘轮廓提取是实现注塑制品边缘缺陷检测的重要前提,主动轮廓模型为注塑制品边缘轮廓提取提供了思路.本文结合注塑制品特点,提出改进的主动轮廓模型方法.该方法充分利用先验知识,提出初始轮廓确定方法;综合参数主动轮廓模型与几何主动轮廓模型的思想,提出控制点搜索方法;针对传统参数主动轮廓模型不能实现曲线拓扑的问题,采用控制点与样条的形式表述制品轮廓,提出插值准则,噪声控制点抑制准则以及控制点压缩方法.实验结果证明,该方法能够快速,准确的实现对具有待检测制品位于图像的中心附近,且待检测制品的中心在制品内部的注塑制品边缘轮廓提取.     

基于M带小波变换的焊接熔池图像边缘检测

利用M带小波变换理论对CO2焊图像进行处理。基于Mallat小波模极大值边缘检测技术，研究了熔池边缘和焊缝位置的M带小波检测方法及算法实现，对边缘检测结果进行了分析。对CO2焊图像处理结果表明，用M带小波变换理论构造的小波基对提取熔池边缘和焊缝位置效果较好，可用于熔深控制、焊缝跟踪等领域。     

引入局部信息的带钢缺陷图像凸优化活动轮廓分割模型

为解决Chan-Vese模型和局部二元拟合(Local binary fitting,LBF)模型在带钢缺陷图像分割时存在的对初始轮廓位置敏感、运行速度较慢等问题,提出引入局部信息的带钢缺陷图像凸优化活动轮廓分割模型(Local information convex activecontour,LICAC)。该模型利用凸优化技术将一个非凸的分割模型转变为凸优化问题,并采用Split Bregman方法对问题进行快速求解,从而解决Chan-Vese模型和LBF模型对初始轮廓位置敏感等问题。通过引入图像局部信息,该模型可以有效分割灰度不均匀的带钢表面缺陷图像。使用该模型分别对焊缝、黄斑、孔洞和划伤等4大类单个带钢缺陷目标区域的图像进行分割试验,分割效果和运行时间都明显优于其余两种模型。同时,该模型也可用于含多个缺陷目标区域的图像分割,并通过对划伤、夹杂、麻点和抬头纹等4大类常见的多个缺陷目标区域的图像进行分割试验,验证了该模型的有效性。     

基于相位一致性的激光熔覆熔池边缘提取方法

针对激光熔覆过程中存在弧光、熔融金属液滴等干扰导致激光熔覆熔池边缘难以准确提取的问题,提出了基于相位一致模型的熔池边缘提取方法。为了得到完整、精准的熔池边缘,对获取的熔池图像进行预处理后,使用基于阈值的方法,对熔池进行初步分割,对剪裁后的熔池图像采用相位一致性模型进行边缘检测,将其边缘在粗分割区域进行标记,对标记图进行进一步分割并用sobel算子对精分割区域进行边缘提取。相关试验的对比分析表明,该方法具有良好的熔池边缘提取精度和干扰鲁棒性。     

基于结构光视觉的激光拼焊焊缝质量检测方法研究

焊缝质量自动检测是实现焊接自动化的关键技术。文中在分析结构光视觉检测原理的基础上,建立了基于结构光视觉的激光拼焊焊缝质量检测系统并对检测系统的图像处理方法进行了研究。对原始图像进行了开窗处理和中值滤波,并使用迭代阈值法获得了结构光光纹。提出了一种简化的模板获得了光纹的边界点并使用几何中心法提取了光纹中心线。使用平均斜率法识别出光纹中心线的特征点。分析了激光拼焊焊缝截面轮廓的特点并建立了截面轮廓几何参数计算方法。实验结果表明该检测系统可以完成焊缝截面轮廓相关参数的计算。     

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。     

一种新的用于MR脑图像分割的主动轮廓模型

主动轮廓模型是一种有效的基于边缘的分割方法,然而,在MR脑图像的应用中,它却遇到了许多问题,例如背景复杂,同一解剖结构的灰度分布不一致以及边界不连续等.这里提出了一种新的用于MR脑图像分割的主动轮廓模型.该模型不仅利用关于目标轮廓的先验知识对切片的边缘吸引力场进行边缘约束,减少相邻结构对曲线收敛的影响,还对进行边缘约束之后得到的边缘吸引力场进行正则化处理,增强模型对凹边缘的搜索能力和对断裂边缘正确提取的能力.实验证明,该模型可以克服传统主动轮廓模型在MR脑图像遇到的难题,从而快速有效地在MR脑图像中提取目标轮廓.     

基于视觉传感的GMAW熔透状态预测

熔透信息的实时获取是实现打底焊接自动化的关键环节之一,通过熔池形状特征预测熔透状态可为熔透信息的有效提取提供参考。鉴于焊工通过视觉观察熔池正面形状特征来对熔透状态进行实时判断,建立基于GMAW的双目视觉传感焊接试验系统。在不同焊接电流及焊接速度下开展打底焊接试验,在焊接过程中实时同步采集熔池正面与背面图像。基于熔池图像特点结合成熟的图像处理算法,提取熔池正面二维与三维形状特征参数以及背面熔宽信息,作为训练样本,以熔池正面形状特征参数作为输入量,以背面熔宽作为输出量。通过BP算法对神经网络进行训练,建立熔透状态预测模型,分析熔池正面形状特征参数与背面熔宽之间的映射关系。采用Garson算法计算出每个形状特征参数对于背面熔宽的权重系数。通过GMAW打底焊试验对熔透状态预测模型进行了验证,试验结果表明,建立的BP神经网络模型可以有效地预测焊缝的熔透状态。     

基于自组织特征映射神经网络的零件图像的识别

提出了基于小波变换提取零件图像特征和用自组织特征映射神经网络实现识别的方法,首先,对零件图像进行小波多尺度边缘检测,提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由自组织特征映射神经网络实现识别.实验结果表明该方法是有效的.     

基于Chan-Vese模型的霉菌图像分割方法研究

霉菌边缘多呈放射状的丝状体,而且多毛刺,内部纹理复杂.传统的边缘提取方法大多只考虑图像的灰度信息,没有考虑到细胞轮廓的几何信息,对霉菌图像进行边缘特征提取有很大的缺陷,而且提取得到的轮廓边缘往往不准确且不连续,这将给分类识别工作带来很大的困难.针对这些问题,研究采用水平集Chan-Vese模型与彩色梯度相结合的方法对霉...