基于环形对称Gabor变换的接触网销钉检测研究

针对接触网旋转双耳销钉,提出一种基于环形对称Gabor变换特征的销钉松脱与缺失状态检测方法。融合旋转不变LBP特征与HOG特征的方法训练SVM分类器,实现旋转双耳定位识别;采用圆弧检测完成销钉准确定位,实现销钉区域的分割;利用环形对称Gabor变换完成纹理边缘信息的特征提取,结合BP神经网络实现对旋转双耳销钉状态的判断识别。研究和实验结果表明,该方法实现了在销钉穿插方向任意和形状多样等复杂情况下的状态识别。     

特征弦约束随机Hough变换在椭圆检测中的应用

为了提高复杂图像中椭圆/类椭圆的检测效率及精度,提出了一种基于特征弦约束的随机Hough变换(RHT)思想的椭圆检测改进方法,借助特征弦的几何约束及特征弦端点的法向约束,大幅度降低RHT的无效采样和累积次数。通过对边缘图像中像素点的有效分布进行分析,建立用于存储特征弦的端点信息的二维数组累加器,在边界点提取之前利用椭圆幂剔除虚假椭圆中心的干扰,不仅能够提高空间采样点的可靠性,同时降低无效采样点的累积概率。实验表明,该算法具有更高的运行速度和检测精度,同时对于形变较大,轮廓缺失严重及噪声具有较强的抵抗能力。     

基于剪切波变换的复杂海面红外目标检测算法

针对复杂海面红外目标检测问题,利用剪切波变换优良的各向异性能力和系数的几何特性,提出了一种基于剪切波变换的复杂海面红外目标检测算法.该算法利用剪切波变换得到边缘图像,同时提供边缘的方向信息,极大提高了海天线的检测和识别概率;然后根据海天线位置进行边缘加权,抑制海杂波,保留目标信息;经过减行均值滤波,对加权边缘图像进行分割;最后,进行数学形态学处理,检测出舰船目标.实验结果表明,该算法可以在单帧图像中检出目标,并且对存在阳光亮带、海杂波等干扰的复杂海面背景取得较好的检测效果.     

基于傅立叶特征的几何零件快速识别

针对机器视觉系统中的零件识别问题,提出基于傅立叶描述子的零件识别算法.首先利用类似Canny算子的方法提取零件边缘,并且跟踪轮廓.然后通过傅立叶变换将几何零件轮廓特征转换成频域特征,以互相关系数作为了匹配相似度的判据,对零件识别结果进行置信度分析.试验结果表明,方法在几何零件发生平移,旋转,缩放等情况下均能识别出正确结果,具有较高的鲁棒性和实时性.     

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。     

一种改进的Fourier-Mellin变换的图像拼接技术

Fourier-Mellin变换法是目前应用较广泛的图像拼接方法,它基于频域分析,能快速实现包含平移、旋转和缩放关系的图像之间的自动拼接.对该算法做了全面细致的仿真实验,总结图像匹配各方面特性,发现该算法对小角度和小缩放因子的图像检测不敏感.因此,提出先利用一点一线法检测出两幅图像间的旋转角度和缩放因子,然后再利用FourierMellin变换算法实现图像拼接.理论分析和实验结果表明,与以往的方法相比该方法拼接精度高,是相位相关技术的一种很好的延伸.     

柔软棒材端面几何形状精密图像检测技术研究

研究了柔软棒材几何形状的测量原理,提出一种基于亚像素图像测量技术的香烟滤棒圆周长和圆度误差精密检测方法。该方法采用小波变换进行图像去噪处理,用Sobel算子提取图像边缘,用改进的随机Hough变换提取单像素圆边界,用Zernike矩进行边缘亚像素校正。最后给出了圆周长和圆度误差的评定方法与检测结果。     

基于形状先验点阵结构CT图像边缘提取方法

采用增材制造的复杂点阵结构已经得到了广泛的应用,CT检测技术与其他无损检测技术相比,其优势在于能给出与复杂点阵结构的几何结构、组分及密度特性相对应的CT图像。为了准确提取CT图像中点阵结构连杆几何形态特征,提出了一种基于形状先验的CT图像边缘提取方法,利用数学矩的概念将点阵结构感兴趣区等效为具有相同标准二阶中心矩的椭圆,获取点阵结构CT图像感兴趣区边缘各像素点到图像中心的有效数据信息,然后以形状先验信息为检核条件,实现点阵结构CT图像边缘提取。该方法可以不受点阵结构表面不线性、不规则的影响和点阵结构复杂造成的CT图像质量差的影响,准确提取感兴趣区内的CT几何特征,所用参数都是利用数学矩解算,可实现高精度的尺寸测量,并且可实现自动测量。     

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.     

基于非下采样Contourlet变换和Zernike矩的医学图像检索

针对医学图像数据库.提出一种新的基于纹理和形状的图像检索方法.非下采样Contourlet变换具有多尺度多分辨率分析和平移不变性的特点,用来提取纹理特征.Zernike矩作为一种基于区域的形状描述子,具有良好的旋转不变性,用来提取形状特征.然后综合两种特征.对CT图像数据库进行检索实验,实验结果表明,该方法具有良好的检索性能,并具有平移、尺度、旋转不变性.     

基于SURF特征描述符和杰卡德距离的文物碎片拼接

针对文物碎片拼接过程中存在因局部碎片缺失和纹饰几何特征受损导致断裂面特征提取不准确的问题,本文提出了一种基于SURF特征描述符和杰卡德距离(Jaccard Distance)的文物碎片拼接方法。首先用Canny算子提取碎片边沿轮廓线以及模型表面纹饰线条,再通过构造多尺度空间来提取断裂面特征点。其次,针对以往构建特征描述符存在的高冗余和欧氏距离计算存在的高延时问题,本文提出构造低冗余的SURF特征描述符,再借助Jaccard距离来进行特征点的相似性比较,确定碎片最优邻接关系。最后采用ICP方法计算得到刚体变化参数,实现碎片较准确拼合。实验结果表明本文算法运行时间提高了12%~16%,拼接误差不超过0.750 mm。与传统方法相比,本文方法能有效地减少因碎片模型受损而造成的拼接缝隙过大、渗透等现象,拼合误差较小,高效地实现碎片拼接。     

工件分特征下的五轴数控机床关键几何误差分析与补偿方法

提出了工件分特征下的五轴数控机床关键几何误差分析与补偿方法,将复杂工件进行特征分解,通过灵敏度分析辨识工件分特征下的关键几何误差并补偿,从而提高工件整体加工精度。以某一复杂工件为例,首先,将其分解为平面、斜面、圆柱和圆锥台四个典型特征;然后,基于灵敏度分析分别辨识出各典型特征对应的关键几何误差;最后,分特征地进行误差补偿。在AC双转台五轴数控机床上进行了实验验证,实验结果表明,辨识得到的关键几何误差灵敏度系数之和占比均大于90%,补偿后工件四个典型特征的加工精度提高了20%~30%。研究结果表明,所提方法能有效辨识不同工件分特征下的关键几何误差,从而提高复杂工件的加工精度。     

利用平行透视投影模型的位姿迭代估计

提出了一种利用平行透视投影模型的高效位姿迭代估计方法来提高单目视觉测量系统的精度和鲁棒性.通过引入齐次坐标表示,避免了现有算法对平行透视投影参考点选择的限制.首先,研究了平行透视投影模型下使用齐次坐标求解目标位姿的方法,阐述了它的几何意义.然后,通过迭代的方式将其应用于一般透视模型下目标位姿的高精度估计.仿真实验结果表明,本文方法提高了基于平行透视投影模型的位姿迭代估计的精度,速度和抗噪性能.实物测量结果表明,本文方法的平移测量精度优于0.1 mm,旋转测量精度优于0.1°,可以满足各种视觉检测系统的要求.另外,使用标志点和图像特征亚像素定位技术还可进一步提高该算法的精度.     

基于Faster R-CNN的无人机航拍图像小目标检测

为了解决复杂图像背景下无人机航拍图像小目标检测问题,提出了一种基于Faster R-CNN的多尺度小目标检测方法。以高压塔上的鸟巢为检测对象,首先通过改进卷积神经网络ResNet101对目标进行特征提取,然后采用多尺度滑动窗口方式在不同分辨率卷积特征图上获取目标初始建议区域,最后在选取的分辨率较高的卷积特征图上增加一个反卷积操作进一步对特征图的分辨率进行提升,并作为建议窗口的特征映射层传入目标检测子网络中。通过对无人机实际航拍图像中鸟巢的检测结果表明,所提出的算法可以实现对航拍图像中小目标的精确检测。     

基于张量Tucker分解的发动机故障诊断

传统的发动机故障诊断方法通常基于向量模式进行数据特征的提取,可能丢失数据之间的结构信息及破坏数据间相关性。针对此问题,提出了一种张量模式下提取发动机数据特征的方法,构建了“信号类别×曲轴转角×转速”的三阶张量形式的发动机状态样本,基于交替投影的思想,使用HOSVD-HOOI张量Tucker分解的联立求解算法,对数据特征进行提取。分别以不进行数据特征提取和基于张量Tucker分解进行数据特征提取两种情况,对发动机正常工作、单缸失火和轴系不对中三种状态下的实验数据进行处理,并分别采用网格参数优化法、遗传算法、粒子群算法对分类模型中的参数进行优化。以预测准确率和模型学习时间为评价指标进行对比分析,实验结果表明,基于张量Tucker分解的发动机数据特征提取及诊断方法预测准确率更高,分类模型学习时间更短。     

采用视觉特征整合的红外弱小目标检测

针对红外光学系统在复杂背景下的弱小目标检测问题,建立了基于特征整合的信息处理模型,提出了采用视觉特征整合的弱小目标检测方法。该方法首先利用视网膜神经节细胞感受野的数学模型DOG(Different-of-Gaussian)对红外图像进行初级信息处理,初步检测出弱小目标。而后,分为空域和频域两个通道进行特征提取。在空域通道,利用图像信息构造二阶微分Hessian矩阵,通过计算其直迹与行列式进行局部极值的判定,提取出含有弱小目标的结构分量特征;在频域通道,利用小波对图像频域进行二级分解,提取出含有弱小目标的高频分量特征。最后,将空域通道与频域通道的分量特征整合,提取出复杂背景下的弱小目标。实验结果表明:当虚警率为10-3时,该方法对弱小目标的平均检测概率为95.17%。基本满足红外弱小目标检测方法的稳定可靠、精度高等要求。     

复杂环境下车牌定位及目标真实性验证算法*

提出一种融合颜色和边缘特征、并进行目标真实性验证的车牌定位算法,解决复杂环境下车牌定位困难问题。车牌具有固定的颜色搭配和丰富的字符边缘, 融合二者特征的定位算法可提取所有侯选目标,接着利用车牌伴生与互补特性进行目标真实性验证,实现带反馈的定位,提高准确度,适用于复杂环境下目标数量、类型不确定的车牌目标检测。实测彩色图像试验验证了算法的有效性和鲁棒性.     

改进的基于局部联合特征的运动目标检测方法

背景减除是机器视觉中运动目标检测最常用的方法。针对复杂场景中传统单特征算法检测精度不高、多特征检测算法实时性较差的问题,提出了一种改进的联合纹理、颜色和位置特征的局部联合特征,并对局部联合特征混合高斯建模,采用多重判定进行学习和更新的目标检测算法。为更好地抵抗阴影和光照变化影响并减少计算量,改进了LBP算子,Lab局部颜色特征在处理纹理缺乏情况时,有更好的效果,而位置特征能减缓场景抖动等噪声影响。实验结果表明,该算法能准确地检测上述影响下的目标,检测效果在多种数据集上表现出更高的鲁棒性和精确性并且基本达到实时性要求。     

复杂场景中航天器靶标的快速识别

基于靶标的几何特征提出了一种快速识别算法来解决目前航天器靶标识别存在的问题。设计了一款带有线段与圆环图案的合作靶标。利用高斯滤波去除图像中的噪声,运用Canny检测算子得到边缘图像,并跟踪得到单像素边缘序列。然后,通过判断非共线四点是否共圆排除大部分不可能构成圆的边缘,利用同一圆周的两段子弧对应相同圆心和半径的几何特征实现圆检测。最后根据靶标圆与线段的几何关系排除干扰,实现靶标的准确识别。实验结果表明,该靶标识别算法对噪声、光照、旋转等不敏感,能够在多种复杂场景中快速、准确地识别靶标,处理时间小于125ms,满足实时位姿测量8帧的需要。目前,该算法已经成功应用于工程样机。     

基于SSDAE深度神经网络的钛板电涡流检测图像分类研究

钛板电涡流成像检测易受工业现场中的噪声影响,包含噪声的检测图像往往难以提取较好的特征,从而影响分类识别精度。针对以上问题,提出了一种基于栈式稀疏降噪自编码(SSDAE)深度神经网络的钛板缺陷电涡流检测图像分类方法。将稀疏性限制引入降噪自编码器并进行逐层无监督自学习,然后将自编码器栈式组合后添加逻辑识别(LR)层,构建出SSDAE深度神经网络,网络在有监督微调后可实现钛板缺陷电涡流图像特征自动提取与分类识别。稀疏性限制的引入提高了特征学习能力,降噪自编码器的栈式组合提高了深度网络的鲁棒性。实验结果表明,相比其他常规方法,所提出方法不仅在理想环境下有更高的分类准确率,且该方法能有效抵抗噪声,在复杂工况下能更有效地对钛板缺陷进行分类识别。