基于机器视觉和改进形态学边缘检测算法的钢球缺陷检测技术研究

为提高钢球表面缺陷检测的效率和准确性,设计一种基于机器视觉的钢球表面缺陷分拣系统。对钢球表面图像进行图像分割、平滑去噪和二值化预处理,获取钢球表面图像的准确信息,并采用改进的中值滤波算法去除噪声;利用小波变换和多尺度形态学融合算法进行钢球表面缺陷的边缘检测;通过该融合算法和其他算法的检测结果对比和客观数据评价,验证了本文所提算法能够有效保留图像真实细节,并满足钢球分拣系统的需求。     

基于形态学的边缘检测研究

针对传统形态学边缘检测算子的局限性及适用范围,提出一种新的基于数学形态学的边缘检测方法,该方法在传统的形态学边缘检测算子上加以改进,是一种多尺度多结构元素相结合的形态学边缘检测方法.通过对实验图像的分析表明,在有效取得图像边缘的同时,对椒盐噪声和高斯噪声都有很好的抑制作用,是一种较好的改进算法,具有一定的实用性.     

旋转机械参数图形多尺度多结构元边缘检测

以旋转机械振动信号参数图形为研究对象,在600 MW模化汽轮机转子试验台上完成了转子正常、转子不对中和轴承松动故障的实验研究,得到了相应的振动参数三维图形。对不同故障的振动参数三维图形进行了二维灰度转化及图形预处理;依据多尺度滤波增强处理方法滤除了参数图形的噪声,增强了有用信息;利用多结构元边缘检测算子对参数图形进行了边缘检测。结果表明：多尺度多结构元边缘检测方法抗噪能力强,能够在滤除旋转机械振动信号参数图形中噪声的同时,有效地提取图形的边缘特征,适用于环境噪声较为复杂的旋转机械状态监测。     

基于改进小波变换的多方向图像边缘检测算法

在对图像的小波变换原理讨论的基础上,针对传统小波变换在图像边缘检测中的不足,提出了基于改进小波变换的图像边缘检测算法.该算法从多个方向对图像进行多尺度小波变换;采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点;将这多个方向上的极大点进行融合,形成图像的边缘.仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法.     

基于变尺度形态学的遥感图像边缘检测算法

针对遥感图像的噪声问题,在数学形态学的基础上提出了一种利用结构元素尺度变换的边缘检测算法。首先利用腐蚀运算对图像降低噪声,然后利用膨胀运算填补腐蚀产生的空穴,在这个过程中采用不同尺度的结构元素,最后通过检测算子得到图像的边缘图。实验结果表明,与传统的边缘检测算法相比,该算法不仅具有较强的边缘提取能力,而且通过合理选择结构元素的尺度能明显降低噪声对检测结果的影响,准确检测出大多数遥感图像的边缘。     

小波域内基于尺度乘法的边缘检测

提出一种基于小波的二尺度乘积边缘检测方法,用两个临近尺度的二进小波变换相乘作为乘积函数,将边缘定义为确定阈值下乘积函数的局部最大值。尺度相乘增强了图像结构识别能力,并可抑制噪声。试验表明, 通过所提出的尺度乘积技术对边缘进行检测,其应用结果优于单尺度的情况,提高了局部检测精度,有效地解决了边缘错位问题,并减少了邻边的影响。     

基于数学形态学的带钢表面缺陷边缘提取

介绍了数学形态学在图像边缘检测领域的应用,针对带钢表面缺陷种类多、边缘方向多且含有噪声的特点,通过分析、试验,确定采用修正的抗噪膨胀腐蚀型算法,构造多种结构元素,对带钢图像进行边缘检测,提取出了很好的边缘检测效果。与传统边缘检测算子在满足速度要求的情况下相比,此种多结构元素数学形态学方法,不仅能有效地检测出带钢表面缺陷的各个方向上的边缘,而且具有很强的抗噪性能,可以很好地检测出在强噪声下微小的缺陷边缘。检测结果明显优于传统边缘检测算子。     

基于图像融合的年轮细胞边缘检测算法研究

提出一种基于图像融合的边缘检测算法。首先对源图像进行小波分解,在不同分解层用小波模极大值法对高频子图像进行边缘检测,用数学形态学对低频子图像进行边缘检测,然后采用一定的融合规则将这两个边缘检测图像融合在一起。实践结果表明,这种方法优于单独使用小波模极大值法或数学形态学法,对噪声具有很好的鲁棒性,得到的图像边缘连续、清晰。     

基于多尺度融合技术的图像边缘检测

根据边缘检测离散准则,利用数值方法求出该准则下边缘检测的最优线性滤波器及对应的平滑算子,设计平滑滤波窗算子,将其与嵌入可信度方法相结合进行边缘检测;同时充分利用边缘信息的多尺度特性,根据小尺度下图像边缘细节信息丰富、边缘定位精度高,大尺度下图像边缘稳定、抗噪性好等特点,将检测到的多尺度边缘进行融合,得到精确的单像素宽边缘。实验结果表明,该方法不仅能准确检测出边缘图像,而且能有效地抑制噪声,是边缘检测的一种较好的实用方法。     

基于多尺度边缘检测的自适应阈值小波图像降噪

在图像处理中，去除图像中所含噪声而不使其边缘模糊是一个难题。考虑到小波变换在时域和频域均具有良好的局部特性，加之其多分辨率、去相关性等特点，本文提出了一种基于多尺度边缘检测的自适应阈值小波图像降噪方法。该方法将与噪声和边缘相关的小波系数和与同性区域相关的小波系数区别对待。在每个分辨层次，图像的边缘由梯度的幅度来进行估计（梯度的幅度由小波参数导出），且与噪声和边缘有关的梯度的幅度分布由Rayleigh概率模型化。基于此模型，得到该层的收缩函数。为充分利用尺度间相关性，各层的收缩函数被合并起来，进一步保持图像边缘。对与同性区域相关的小波系数，则采用一个基于Bayesian估计的自适应阈值进行处理。实验结果表明，与已有方法相比，该方法不仅可获得较清晰的图像边缘，而且降噪性能优良。     

基于数学形态学的图像边缘提取方法

为了解决传统边缘提取算法边缘定位不精确、抗噪能力差的问题,提出了一种基于数学形态学的边缘提取算法。该算法首先利用了双尺度双结构的数学形态学对目标图像进行滤波降噪处理,以提高目标图像的信噪比,然后利用多尺度多结构的数学形态学对目标图像进行边缘提取。利用该算法在配置了OpenCV的Visual Studio对Lena图像进行仿真处理,并将其处理结果与Canny算法处理结果进行对比。实验结果表明,该算法抗噪性能优异,对含有噪声的图像边缘的提取清晰且流畅、细节丰富。     

基于差分极值的边缘检测算法

本文提出了一种基于局部区域差分极值的边缘检测算法,该算法的特点是在局部区域边缘检测窗口内直接提取边缘像素,分割的边缘为真实边缘,边缘连续性好,适合于照度不均匀图像的分割。最后给出实验结果。     

基于Sobel细化算法的螺纹边缘检测

使用带衰减因子的Sobel算子对图像进行边缘检测,得到高亮显示的粗边缘,然后再次用Sobel算子二次检测图像,以2次所得图像的差作为细化结果,并结合图像分割算法确定阈值对图像进行二值化处理.     

基于计算机视觉的织物疵点自动检测的研究方法

织物疵点采用自动检测代替传统的人工检测是纺织品质量控制和管理的重要环节,同时又是纺织自动化的重要标志之一。简要综述了近年来计算机视觉在织物疵点领域的应用和发展情况,着重讨论了自动检测技术近期所涉及的各种方法及其在疵点检测上的应用。开发适合我国的织物疵点自动检测系统,具有深远意义。     

基于FPGA的Sobel算子图像边缘检测算法

系统基于Altera DE2-70开发平台,选用500万像素COMS摄像头进行图像采集,图像信息经Sobel算子图像边缘检测算法处理后由液晶显示器显示.算法采用了可编程宏功能模块与Verilog HDL语言相结合的方法实现,实验结果表明,基于FPGA的硬件系统能够很好的实现Sobel算子边缘检测算法,通过设置合适的梯度比较阀值,较为理想的提取图像边缘信息.     

地空背景下目标分形拟合检测算法

通过数字图像的离散分数布朗运动场模型,在研究提取分形维数H参数的基础上,根据人造目标与自然背景各自不同的分形特性,针对性的提出了一种提取分形模型拟合误差的检测算法.实验表明,该方法能够实现不同背景及目标的检测,抗噪声干扰性好,较之普通检测算法对目标具有更好的检测效果,是一种有效的边缘检测算法.     

基于高斯曲面拟合的亚像素边缘检测算法

提出了一种基于高斯曲面拟合的亚像素边缘检测算法.该算法首先使用传统Canny算子进行边缘像素级的粗定位,再以粗定位边缘像素为中心取5x5窗口获取梯度幅值,对其进行高斯曲面拟合,在梯度方向上寻找局部极值点,从而达到边缘亚像素级的精细定位的效果.文中介绍了算法的理论依据,给出推导过程,并用螺旋测微器的标准间隙进行实例分析,...     

基于两阶段深度迁移学习的面料疵点检测算法

针对针织格纹面料疵点检测存在检测实时性差和疵点数据稀缺的问题,提出一种基于两阶段深度迁移学习的面料疵点检测算法,实现对疵点的实时高精度检测与检测模型的高效训练.第一阶段迁移:设计面料疵点先验知识迁移算法,通过聚类算法求得交并比最优的四类疵点预选框尺寸参数,使用带有先验知识的疵点预选框替代基于特征的定位方法,实现面料疵点...     

MAS小波的钢板表面缺陷边缘检测的研究

针对钢板表面缺陷与背景的对比度差、边缘复杂、采光不均、噪声较大等特点,应用一种基于MAS小波变换进行钢板表面缺陷边缘检测。该方法由Lipschitz指数阐明了图像的边缘几何结构,通过分析图像中不同类型的奇异点,并结合尺度独立算法区分了目标图像中不同类型的边缘,有效的提取了钢板表面缺陷图像的边缘。实验结果表明,基于MAS小波算法可以有效提取图像中阶梯型边界,检测到的缺陷边缘轮廓较为清晰,且去噪能力较强,检测效果优于传统的同类方法。     

基于改进形态学梯度的齿轮边缘检测

经典的边缘检测算子算法更多地采用Prewitt算子、LOG算子和Canny算子等在空域中进行。数学形态学在图像处理过程中不涉及变换,其原理是利用结构元素检测图像,并直接处理图像的特征信息。在形态学梯度的基础上,提出了一种基于改进形态学梯度的图像边缘检测算法,选取合适的形状以及尺寸的形态学梯度结构元素,并组合使用以检测出较理想的图像边缘信息。试验结果表明,该算法在含噪图像中能较好地保存图像边缘信息,有更好的定位精度和抗噪性。