小波域同态滤波的刀具磨损检测

为了消除光照不均对刀具磨损检测的影响,在研究刀具磨损特点的基础上,提出了一种刀具磨损检测的方法。首先,对刀具图像灰度值取对数并进行小波的单层变换;其次,对小波单层分解的近似子图进行同态滤波以消除光照不均的影响;然后,对滤波后的近似子图、水平细节及垂直细节子图进行标准化处理;在此基础上,对分解的各子图进行选择性的图像融合处理;最后,通过最大类间方差法进行图像分割。实验表明:所采用的方法能够有效抑制光照不均的干扰,能够有效的实现刀具磨损检测。     

基于均值漂移与自适应阈值分割的刀具磨损检测方法

针对车刀表面粗糙度大、磨损区域图像难以准确分割的问题,提出一种基于均值漂移和自适应阈值分割的刀具磨损检测方法.这一方法通过频率域滤波过滤图像中无效的高频噪声信息,对降噪图像进行形态学处理.利用均值漂移聚类算法进行预分割处理,简化纹理信息,并突出磨损区域特征.通过自适应阈值分割算法准确提取刀具磨损区域,同时计算刀具的磨损宽度均值.试验表明,采用所提出的刀具磨损检测方法,分割准确率达到97.96％,能够有效判别刀具的磨损状态.     

整数小波提升分解的刀具磨损检测方法

针对刀具磨损的特点,提出了一种新的刀具磨损检测方法.首先,利用提升格式,确定小波整数化单层提升分解的方法;其次,利用对小波单层分解的近似子图进行零均值化处理以消除光照的影响;然后,对零均值化的近似子图、水平细节及垂直细节子图进行标准化处理;在此基础上,对分解各子图进行选择性的图像融合处理;最后通过oust方差法进行分割从而实现对刀具磨损的检测.实验表明,所采用的方法能够有效抑制图像背景干扰,能够有效地实现刀具磨损检测.     

基于分层图像采集和三维重建的刀具磨损检测方法

提出一种基于分层图像采集和三维重建的刀具磨损检测方法,对刀具的磨损区域通过显微镜和摄像机进行分层拍摄采集图像,根据图像的清晰部分和模糊部分的判断对刀具磨损区域点的高度进行判断,清晰部分和模糊部分的判断采用各层图对应区域的像素的亮度方差进行相互比较的方式进行判断,对于各层图像不连续的部分采用高斯插值法进行插值,最终用Matlab对得到的数据进行三维重建,从而得到了磨损区域的三维形貌图,通过实验得到了车刀的磨损程度与切削时间的关系。该方法突破了传统的图像处理方法而只能得到刀具磨损二维图的局限性,将基于图像处理的刀具磨损检测拓展到三维,从而更为精确、具体地得到了刀具的磨损量。结果证明该方法简单,检测效率高,为提高机械加工质量进一步提供了保障。     

基于改进双边滤波的气体泄漏检测

针对传统泄漏检测方法效率低、鲁棒性差的问题,提出了一种基于红外图像技术的气体泄漏检测方法。该方法根据被测容器充气前后的红外图像的信息差异,对获得的热像图进行背景估计、差分,以及目标与噪声的辨别,利用基于改进的双边滤波算法实现对泄漏点的检测与定位。实验证明：双边滤波算法对背景的预测具有鲁棒性,通过目标与噪声的扩散性区别分辨出目标,实现对泄漏点的准确定位。     

面向刀具磨损图像区域分割的改进分水岭算法

原始刀具图像通常存在背景纹理复杂、噪声大等问题,导致磨损区域分割结果的准确性较差,为此本文提出了一种基于形态学成分分析(MCA)的改进分水岭算法,用于提取刀具磨损区域并估算其面积。首先分析了刀具磨损图像各组成成分的形态差异;然后研究了各成分对应字典的选取方法,将原始刀具图像分解成目标刀具图像、背景图像和噪声;最后对目标刀具图像使用分水岭算法提取磨损区域并估算面积。以铣刀磨损图像作为样本完成了多次方法验证,结果表明:传统分水岭算法的检测误差为80%左右,而该方法的检测误差为5%以下,可见使用该算法可以分割得到更加准确的磨损区域。     

基于单尺度Retinex的电路板刀具磨损图像细节增强方法

在采集电路板刀具磨损图像过程中,会因光照角度的变化导致图像细节不足,而常规图像细节增强方法在处理过程中存在噪声混叠的情况,实时性不强。针对这一问题提出基于单尺度Retinex的电路板刀具磨损图像细节增强方法,根据目标图像的灰度值变化来定义灰度色调函数,在构建图像处理模型的基础上,采用引导滤波函数处理目标图像模型,去除图像噪声干扰后,使用高斯函数获得图像内的照射分量和反射分量,再利用单尺度Retinex方法剔除照射分量,增强电路板刀具磨损图像的细节。实验结果表明：设计的基于单尺度Retinex的图像细节增强方法运行时间短,增强效果好,处理后的图像质量高。     

基于脉冲耦合神经网络的刀具磨损检测

将仿生学中的脉冲耦合神经网络（PCNN）引入刀具磨损检测中,利用刀具磨损区域灰度强度明显高于刀体和背景区域灰度强度的特点,通过空间邻近和灰度相似集群像素获得分割的二值图像,从而达到对刀具磨损区域进行检测的目的。对车削加工中刀具不同磨损阶段的磨损图像进行分割试验,证明了该算法可以有效地判断刀具的磨损状态。     

基于像素分布特征的图像去噪法在刀具磨损检测中的应用

根据对机床刀具实时数据采集得到的图像的固有特征,提出了一种基于灰度差及像素分布连续性判断的方法,对磨损刀具灰度图像中的椒盐颗粒噪声采取先检测判断再进行去除的原则进行处理。采用Canny算子对图像的磨损区域进行边缘检测,检测结果的二值化图像中含有较多被算子误判为边缘的像素点。根据伪边缘像素点是分布特征,将其判断为噪声点,同样采用基于像素分布连续性判断的方法对伪边缘噪声点采取先检测后去除的方法进行处理,最终检测到磨损区域连续清晰的边缘线。结果证明:该方法在刀具磨损检测中有较强的实用性,在实践中可运用于刀具磨损的实时监测。     

磨损表面的稳健高斯滤波评定方法研究

磨损表面形貌的评定方法,对于磨损表面状态评定、摩擦特性的分析有着重要的作用,而表面形貌数据的滤波方法,是评定方法中的关键组成之一。采用Tukey、Hampel、IGGI和QC 4种典型稳健权函数分别与高斯滤波结合组成的稳健高斯滤波方法,对由实验得到的黏着磨损和磨料磨损盘表面采集的数据进行稳健滤波分离;通过由稳健高斯滤波与标准高斯滤波得到的三维磨损表面低频基准面的对比分析,以及从磨损表面滤波分离出的高频评定参数的影响分析,研究稳健高斯滤波的滤波稳健性和滤波效率;从滤波后的高频功率谱密度分布特性方面,进一步探讨滤波的稳健性;讨论磨损表面形貌数据中特异值与磨损特征的关系。研究表明：Tukey和Hampel稳健高斯滤波具有良好的滤波稳健性,能有效地分离磨损表面的低频评定基准和包含磨损特征的高频信息;而磨损特征主要分布在高频信息的低频段区间,其功率谱密度函数与表面磨损状态及其摩擦学特性相关。     

基于多尺度形态学与奇异值分解的滚动轴承故障特征提取

针对多尺度形态差值滤波存在的问题,将多尺度形态差值算子与奇异值差分谱理论相结合,提出了一种新的滚动轴承故障特征提取方法,能有效滤除噪声,并提取出信号中的故障信息。借助特征能量比的概念,在多尺度形态差值滤波中,提出并分析了两种不同的多尺度加权方法,同时对不同最大分析尺度下多尺度形态差值滤波的结果进行了研究。然后利用奇异值差分谱理论对未能有效滤除高斯噪声的形态差值滤波结果进行SVD重构,得到最终的特征提取结果。仿真表明该方法能在高噪声背景下有效提取出脉冲冲击信号,并在实测轴承故障信号特征提取中得到了验证。     

刀具磨损的自动检测及检测系统

为了精确检测机械加工过程中刀具的磨损状态,分析了刀具磨损图像中背景区、磨损区、未磨损区的灰度值变化,提出了利用图像处理技术自动检测刀具磨损量的方法。首先,根据Otsu法和B-样条曲线拟合法,建立了自动确定上限阈值与下限阈值的算法,准确地增强了磨损区与背景区、未磨损区之间的灰度对比度;通过分析刀具磨损图像的稳定区和磨损边缘的非稳定区,提出了边界提取的局部方差阈值算法,给出了自适应的局部方差阈值,清晰地将刀具磨损区从图像中分割出来。在此基础上,利用形态学描述方法对分割部分进行孔洞填充与边界完整化,从而直接计算出磨损区域的几何参数尺寸。实验结果表明:超景深三维显微镜放大倍数为50时,磨损宽度与磨损长度的检测误差分别为1.024%和1.325%;放大倍数为100时,磨损宽度与磨损长度的检测误差分别为0.661%和0.995%。该方法检测精度高、抗干扰能力强、提取的边界完整清晰,可为提高刀具使用率、保证加工质量提供技术支持。     

基于单高斯背景模型和双差分融合的运动目标检测算法

提出了一种新的运动目标检测算法,实现了只对帧图中感兴趣的运动目标区域进行背景匹配更新,能够较精确地检测出运动目标。该算法首先提出了双差分模型确定运动目标最大分布的可能区域,然后融合单高斯背景模型对此区域进行背景重建,再运用背景差分得到精确前景目标。仿真试验结果表明,该方法降低了运算的复杂程度,提高了检测精度,具有很好的鲁棒性。     

缺乏边缘信息的圆中心定位

针对缺乏边缘信息的圆中心定位无法实现的需求,研究了一种在尺度空间上进行稳定极值区域检测和匹配的方法,首先,双目视觉传感器对图像进行同步采集,对采集的图像利用高斯卷积核函数建立高斯差分尺度空间,按照尺度空间极值区域检测原则在高斯差分尺度空间上进行稳定极值区域检测,对检测得到的区域进行椭圆拟合得到区域的中心,即圆的中心,根...     

遗传算法优化的模糊神经网络在刀具磨损诊断中的应用

针对刀具磨损监测时,采集的振动信号含有强烈的背景噪声,难以提取故障频率的问题,提出采用形态滤波消噪后进行经验模态分解来提取故障频率;同时,为了准确监测刀具的磨损状态,将提取的故障特征输入到遗传算法优化的模糊神经网络对刀具的磨损进行识别,模糊神经网络的基函数采用B样条基函数。传统的网络学习算法采用梯度下降法,这在学习过程中容易陷入局部最小,论文采用遗传算法寻求全局的最优解。实验表明,该方法能有效地应用于强噪声背景下的刀具磨损识别。     

基于区域生长法的数控刀具磨损状态检测方法

研究了一种基于视觉特征在线提取刀具磨损特征值的方法,用于不停机诊断刀具磨损状态。针对刀具磨损图像的特点,设计了自动选取种子点与生长阈值的区域生长算法分割磨损区,并通过最小外接矩形提取刀具磨损特征值(VB_(max))。图像处理结果显示,该方法可以有效而便捷地获得刀具后刀面的磨损信息,可用于数控机床不停机检测刀具磨损状态。     

基于dbN小波变换和自适应高斯滤波的齿面干涉图像相位滤波方法

齿轮齿面形貌的激光干涉测量中，由于齿面高度差较大，采集到的干涉图像中难以避免存在条纹密集区域，容易出现局部条纹粘连、错切等现象，增加了相位噪声和解包裹难度。分析了包裹相位图中条纹密度分布规律，提出了一种基于dbN小波变换和自适应高斯滤波的齿面干涉图像相位去噪方法。首先，利用小波变换分解出包裹相位图中常表现为高频信号的噪声，采用软阈值去噪滤除部分高频噪声；其次，根据包裹相位图频域特征，结合自适应高斯滤波进一步对高频噪声进行迭代滤波处理；最后，设计了相关实验，通过与经典的滤波方法进行对比，所提方法不仅能够有效滤除条纹较为密集的包裹相位图中的相位噪声，而且更大限度地保留了图像细节信息，证明了所提方法的有效性和正确性。     

磨粒图象背景光照不均匀分布图象预处理

针对磨粒图片背景亮度呈现分布不均的问题，采用两种计算机图象处理方式进行了预处理，得到比较完整的二值图。第一种方式是：在没有铁磨粒情况下采集背景亮度变化，通过数字处理得到背景亮度变化的差值，然后将亮度补偿到铁谱图上。试验结果表明，该方法在边缘信息损失很小的情况下，得到磨粒二值图。第二种是：在不能得到背景光的条件下，通过一阶和二阶差分处理及其变形方法，来消除背景梯度变化，从而消除背景光的低频噪声。从试验效果来看，一阶和二阶差分不仅能进行边缘检测，而且能通过卷积运算消除背景光分布不均，磨粒边缘有点扩大，有些少量信息损失掉了，这种损失可以用图象形态学中的腐蚀的方法消除。两种方法相比，采用背景补偿的方法效果更好一些，在条件许可的情况下尽量采用背景光补偿方法：     

双树复小波和中值滤波在机械故障监测中的应用

在双树复小波构造设计方法的基础上,将其与中值滤波有机结合,提出了一种DT-CWT中值滤波降噪法。通过仿真检测验证了其降噪效果,并将其应用于水轮机轴承振动信号故障监测,取得了预期效果。试验表明:相对常规小波降噪,该方法可以获得更高的信噪比,有效降低高斯白噪声,去除随机脉冲噪声,并完整再现冲击故障特征信息,通过与周期性冲击频率信息的对比实现机械故障监测诊断。     

双树复小波和中值滤波在机械故障监测中的应用北大核心

在双树复小波构造设计方法的基础上,将其与中值滤波有机结合,提出了一种DT-CWT中值滤波降噪法。通过仿真检测验证了其降噪效果,并将其应用于水轮机轴承振动信号故障监测,取得了预期效果。试验表明:相对常规小波降噪,该方法可以获得更高的信噪比,有效降低高斯白噪声,去除随机脉冲噪声,并完整再现冲击故障特征信息,通过与周期性冲击频率信息的对比实现机械故障监测诊断。