基于Blob分析的手机屏幕缺陷检测方法

针对手机屏幕缺陷检测的高效率、高精度的要求,提出一种基于Blob分析的手机屏幕缺陷检测方法。首先使用基于PatMax算法的模板定位技术对图像进行定位,其次使用基于仿射变换的图像校正技术实现模板图像与测试图像的逐像素对齐,最后采用Blob分析算法获取缺陷特征的位置、面积、方向等信息。采用文中所提出的方法、差影法对200幅手机屏幕图像进行缺陷检测,实验结果显示,所提方法的准确率为98%,误检率为1.5%,漏检率为0.5%,每张图像的平均检测时间为52.19 ms。相较于差影法,所提出的方法具有更高的准确率和检测速度。     

基于均值hash的图案织物疵点检测

图案织物的疵点检测是织物瑕疵自动化检测的难 点,论文提出以均值hash特征描述子表示图案织 物的均值hash特征和灰度特征,实现了图案织物的疵点检测。首先,基于图案织物的周期性 ,构建了无疵 点织物的均值hash特征词典;然后,提取测试织物图像块中的均值hash特征和灰度特征;通 过图像块的 均值hash特征与词典进行匹配,利用汉明距离表示差异度,获得了结构显著图;将图像块的 灰度特征与全 局灰度平均值比较,得到灰度显著图;最后,融合显著图,定位了缺陷位置。大量图案织物 的实验结果表 明,均值hash特征描述子能有效地表示周期性图案织物的结构特征,算法结合灰度特征,提 高了织物疵点检测的成功率,并具有良好的视觉效果。     

基于小波与边缘检测的弹丸图像压缩

设计了将小波变换与边缘检测相结合的方法,实现了对弹丸图像的有效压缩,解决了高速线阵CCD交汇测试中图像数据传输率高且数据量很大而导致的不利于实现前后两级分布式测试系统,以及不便存储和传输等问题。     

一种基于Blob分析的摄像头模组缺陷检测方法

针对传统的摄像头模组灰尘人工检测方法的不足,提出了一种基于Blob分析的摄像头模组灰尘检测方法。根据摄像头模组图像传感器（Sensor）的特性,设计了专用的光照系统,获得清晰、满足要求的图像。同时采用了基于Blob分析对摄像头模组Sensor灰尘颗粒进行检测,通过检测的耗时性以及与金相显微镜精度对比,实验结果表明：自行设计的光照系统能够满足Sensor上污点的检测,同时运用Blob分析法对摄像头模组Sensor检测方法的效率较高,该方法能够满足摄像头模组缺陷检测的要求。     

基于图像位移测速的电机转子位置和速度检测方法

引入图像位移计算方法对电机转子位置和速度进行了检测。分析了自相关算法的原理并提出了改进算法,并设计了线阵CCD图像采集系统,构建了图像实时处理软硬件平台,并对测试系统进行了标定,实现了电机转子位置的瞬时位置和速度检测。实验结果表明,该检测方法测量精度高,实时性好,对电机实时性高精度控制具有较好的理论和实践意义。     

基于Blob的车辆识别及其跟踪算法研究

智能交通系统是未来交通发展的必然趋势,乒丶际醯难芯烤哂猩钤兜囊庖?本文以在静态背景下动态地识别并跟踪汽车为目的,对摄像头采集的图像进行处理.如何准确地从复杂的交通图像中提取车辆,是进行车辆识别的基础.本文采用Surendra背景[1]算法提取路面的背景,通过背景差法提取路面上的车辆.图像分割后,对二值图像进行Blob[2]分析,识别并对车辆进行分析,获取车辆的特征信息,包括车辆本身的参数信息和位置信息.依赖这些车辆信息,通过Kalman滤波器实现对车辆的跟踪,进而获得车辆的动态信息,包括车辆的速度、运行轨迹信息.     

基于链码的织物疵点图像形态特征提取

在织物疵点的检测与识别过程中,疵点特征值的提取是关键。探讨了一种新的织物疵点图像形态特征提取方法,对织物疵点图像经迭代阈值分割、图像去噪、Sobel算子边缘检测后,对图像进行边缘跟踪,求取其链码表示,从而计算得到疵点的各项形态特征参数。该特征参数可作为疵点合理分类的重要依据。实验证明该方法便捷快速,应用性强。     

基于USB2.0的高象素CMOS Sensor疵点检测系统

USB 2.0是新一代的通用串行总线标准,其传输速率高达480 Mb/s,是用于高象素CMOS Sensor疵点检测系统的理想接口。介绍EZ USB FX2系列芯片,以及高象素CMOS Sensor疵点检测系统的开发研究工作,详细讨论系统硬件、设备固件、驱动程序和主机应用程序的实现方法。最终能准确快速地检测出CMOS Sensor是否合格。     

基于Gabor滤波器的喷丝板疵点检测

疵点检测是现代纺织工业产品质量控制中的关键环节之一,对保证聚酯纤维纺织品质量具有重要的现实意义.由此本文提出了一种基于Gabor滤波疵点检测方法.该检测方法通过Gabor滤波处理,使特定方向与特定频率的疵点位置初步被过滤呈现出来,之后通过边缘检测算法计算图像中待检测的疵点位置,准确获得疵点在图像中的位置.仿真实验结果表...     

基于感兴趣区域的弹丸图像压缩

设计将弹丸区域作为感兴趣区域,实现了对弹丸图像的有效压缩.解决了高速线阵CCD交汇测试中,图像数据量大而不利于实现前后两级分布式测试系统,以及不便存储和传输等问题.     

基于SURF算法的产品表面缺陷检测研究

针对产品表面正确性的快速自动无损检测问题,提出了利用垂直投影法确定旋转步长来获取序列图像的方法,并将一种针对尺度旋转不变性（SIFT）改进的SURF算法应用到此方面,该算法通过计算积分图像和 Hessian 矩阵大大提高了特征点检测的速度,节省了图像匹配时所用的时间,并提高了算法的实时性。首先通过确定旋转步长来获取标准序列图库,其次通过SURF算法寻找最优匹配位置,最后通过相关度的计算来判别各区域是否有缺陷。实验表明,在对待检测图像和标准序列图像库中的5幅图像匹配时SURF算法比SIFT算法大约节省了2.6 s,显然,把SURF算法应用于序列图像中匹配可以大大节省缺陷检测时所用的时间。     

基于粗糙度测量和颜色距离的织物缺陷检测方法

针对周期性纹理背景影响织物缺陷检测效果的问题,提出了一种基于粗糙度测量和颜色距离的织物缺陷检测方法。该方法先将待检测图像由RGB颜色空间转换到HSV颜色空间,并分别对三通道进行同态滤波处理,以提升缺陷与背景之间的对比度;利用粗糙度测量对织物图像进行分类,并将同一类别的织物图像分成大小相同且互不重叠的图像分块,分别估计各个图像分块与其八邻域图像分块的颜色距离,从而实现对缺陷的粗定位;最后对粗定位图像分块进行显著性和二值化处理,有效减少了周期性纹理背景对检测结果的影响。实验结果表明:与近期4种方法相比,本文方法对周期性纹理织物图像表现出了较好的检测效果,检测准确率更高。     

线路板缺陷的图像检测方法

为提高线路板缺陷的自动检测能力,结合图像处理技术,提出了线路板缺陷的图像检测方法。该方法首先对Gerber文件解析,获取标准线路板图像;其次利用定位孔检测实现标准线路板图像与待检测图像的配准;然后结合形态学滤波,完成线路板缺陷区域定位;最后根据常见缺陷的特征,综合采用面积法、连通域法和缺陷边缘邻域法,实现了常见缺陷类型的自动识别。通过对真实线路板图像仿真缺陷的检测实验,其结果证明了该方法的有效性。     

基于改进YOLOv3算法的带钢表面缺陷检测

针对热轧带钢表面缺陷检测中存在的检测速度慢、检测精度低等问题,提出了一种改进的YOLOv3算法模型.使用加权K-means聚类算法来优化确定先验框参数,提高先验框（priors anchor）与特征图层（feature map）的匹配度;同时,调整YOLOv3算法的网络结构,融合浅层特征与深层特征,形成新的大尺度检测图层,提高网络对带钢表面缺陷的检测精度.实验结果表明,改进后的YOLOv3算法在NEU-DET数据集上平均精度均值达到了80%,较原有的YOLOv3算法提高了11%;同时检测速度保持在50fps,优于目前其它深度学习带钢表面缺陷检测算法.     

基于径向基神经网络的粒子群表面缺陷识别算法

金属部件表面缺陷识别问题是模式识别领域的研究热点,高效、可靠的表面缺陷识别方法能够有效提高生产效率、维护生产安全。针对这一问题,文中提出了一种利用径向基(RBF)神经网络和粒子群优化(PSO)算法相结合的表面缺陷识别算法。采用PSO算法确定和改进RBF神经网络的权值参数,同时对PSO算法中的惯性权重进行线性处理,有效消除了PSO算法中的最优解局部振荡现象。针对金属部件表面常见的几种缺陷对RBF-PSO表面缺陷识别算法进行网络训练,并进行相应的实际测试。文中提出的RBF-PSO表面识别算法识别准确率可达96%,相比于传统的神经网络算法具有明显的性能提升。     

基于DTW算法的语音识别系统实现

动态时间归整(DTW)算法的实现简单有效,在孤立词语音识别系统中得到了广泛的应用.介绍了将DTW算法移植到TMS320VC5402上实现孤立词语音识别的原理、系统硬件组成和软件设计.研究结果表明,系统能满足实时性能要求,识别效果良好.     

基于自适用背景校正的系留缆绳损伤检测

背景不均匀对目标的检测造成了一定的困难,因此提出了一种自适用背景校正方法,通过改进Gamma校正函数,实现了对不同灰度值的不同程度的修正,使得背景校正更加均匀合理。并且能够根据图像灰度的分布,自适用地确定相关参数。仿真结果表明,该方法效果优于传统的直方图均衡化法、同态滤波法和以往改进的Garoma校正法。经过进一步改进将该方法应用于系留缆绳的损伤检测中,通过实验证明,经过背景校正的图像,利用迭代选择阈值法也可以获得理想的图像分割效果。     

基于免疫算法的多用户检测

本文提出了基于免疫算法的多用户检测方法，这种方法大大降低了最佳多用户检测器的计算复杂度，同时达到了次最佳的检测效果。     

基于Contourlet变换的纺织品缺陷检测算法

自动、快速、客观地检测纺织品缺陷是非常重要的课题。以往主要靠人工方式对纺织品进行缺陷检测,但该方法受人为因素的影响较大。针对此问题,提出一种基于Contourlet变换的纺织品缺陷检测算法。算法首先对纺织品图像进行Contourlet变换,提取Contourlet系数(高频特征),然后计算Contourlet系数的统计特征,最后使用欧式距离进行缺陷判断。实验结果验证了该算法的有效性,为纺织品缺陷检测提供了有效方法。