零件几何参数测量中的边缘检测算法的研究

提出了一种综合利用图像灰度信息和灰度梯度信息的边缘检测算法．首先,使用基于Sobel算子的改进的边缘检测算法对灰度图像进行处理得到梯度图像．其次,综合应用其他边缘检测算法,完成对目标边缘的准确检测,最后,沿边缘的梯度方向进行多项式插值法亚像素细分计算,对边缘进行亚像素精确定位．     

钢轨表面缺陷图像自适应分割算法

针对钢轨表面缺陷提取时的灰度分布不均与杂散光干扰问题,在背景差分法的基础上提出了一种钢轨表面缺陷图像自适应分割算法.首先,通过统计钢轨图像中各行像素灰度特征,结合其均值与标准差分布曲线快速提取钢轨表面区域;然后,进行区域与边缘特征的均值窗口自适应选取;最后,根据均值模糊原理建立背景图像模型并进行图像差分,实现了钢轨表面缺陷分割.实验结果表明:提出的轨面提取算法快速、有效;钢轨表面缺陷自适应分割算法在凸显图像中缺陷部分的同时,有效减少了光照变化和反射不均的影响.该方法对测试图像的召回率和准确率分别达到了95.4%和81.3%.     

基于梯度的自适应边缘检测算法研究

对常见的边缘检测算法进行改进,基于梯度提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边界点像素灰度值的差异,分析模版中的9个像素,计算出像素的梯度幅度和梯度方向;按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

一种亚像素精度的边缘检测方法

提出了一种基于贝塞尔边缘模型的亚像素边缘检测算法.该算法首先在原有的贝塞尔点扩散函数中引入修正参数t,并与理想边缘模型卷积,获得可修正的贝塞尔边缘灰度模型;然后,利用图像边缘的信息对该模型进行最小二乘拟合,在拟合过程中,通过修正参数t对边缘模型进行修正,最终获得精确的边缘模型,同时考虑数字采样等因素对灰度分布的影响,得到图像边缘的亚像素位置.实验中测得边缘亚像素位置的平均误差为一个像素的3%,其中误差方差为0.0005.结果表明:本算法基本满足图像测量的稳定可靠、精度高等要求,并且对图像噪声有较强的鲁棒性.     

三维图像测量中单像素级边缘的检测

在三维图像测量技术中，目标物体边界识别需要得到准确的单像素级的图像边缘．本文在采用小波变换进行检测图像边缘的方法上，首先根据像素邻域的灰度直方图自适应地选取小波变换的尺度，并存基于Mallat小波模极大值边缘检测方法的基础上借用双阈值操作技术的原理，对结果进一步细化，并将边缘点链接，从而最终得到单像素级的边缘图像，以满足下一步实验的要求．     

基于机器视觉的钢轨表面缺陷检测系统

为了实现钢轨表面缺陷自动化检测,以手推式轨道检测车为平台建立基于机器视觉的钢轨表面缺陷检测系统。以黑白线阵CCD相机获取轨道图像,并辅以线阵白光光源主动照明,减少外界光源的干扰;编码器安装在车轮上获取检测车的运动信息,并将里程转换成脉冲信号触发线阵相机进行图像采集,获取的图像经千兆网传输至工业计算机进行处理;利用单片机设计信号处理器读取编码器的脉冲信号,根据编码器A、B相输出信号的相位差判断车轮的前进方向;提出改进最大熵阈值分割法对钢轨图像分割,使分割结果接近目标出现的概率。实验结果表明,图像采集系统能够稳定的采集轨道多部件图像,相比于Otsu、原始最大熵阈值分割法,改进最大熵阈值分割法在减少误分割的同时能够比较准确的将缺陷分割出来,与背景差分法、积分投影法相比,本文方法获得了较低的误检率和漏检率。     

3种光照条件下灰度图像边缘检测算法的研究

边缘检测对光照强度的反应很敏感,同一种算法很难对不同光照情况下的图像进行有效的边缘检测.通过对不同光照情况下的图像特征分析,提出了不同光照情况下的图像边缘检测算法：正常光照条件下采用Sobel算子进行边缘检测;弱光照条件时先用MSR（multi-scale retine）进行图像细节增强处理,再利用类别方差自动门限法得到图像边缘;强光照条件下通过灰度扩展,将所感兴趣的灰度范围放大得到图像的边缘.实例分析表明,该方法能够从灰度图像中获取较为理想的图像边缘,并具有一定的抗噪性能.     

一种利用外轮廓配准的活塞侧面缺陷检测方法

为了有效地对活塞侧面进行缺陷检测,根据两个相同型号和规格的活塞在相同的光照及角度下拍摄得到的图像极其相似的特点,提出了基于外轮廓配准的活塞侧面缺陷检测方法。该方法分为四步:第一,在特定的光照条件下,对不同型号和规格的标准活塞进行多角度的图像采集,建立标准模板库;第二,利用尺度不变特征转换算法,根据外轮廓特征点对模板图像和待检测图像做图像配准,找到两幅图像相对应的区域;第三,用相同大小的滑动窗口分别对两幅图像的相对应区域进行遍历,提取窗口内的特征,包括灰度均值、灰度方差、垂直投影、水平投影;第四,通过比较两个窗口内的特征值,判断窗口内是否存在缺陷。结果表明,该方法能够有效地检测活塞表面缺陷及确定缺陷位置,准确率约为94.78%,具有较强的实用性。     

基于非线性四阶图像插值的亚像素边缘检测算法

为提高数字图像边缘检测的精度,提出了基于ENO的非线性四阶插值和Canny算子的亚像素边缘检测算法。本算法应用经典Canny算子检测图像边缘信息,对灰度图像进行处理得到梯度图像,然后在梯度图像上沿目标边缘的梯度方向进行基于ENO的非线性四阶插值,进行亚像素细分计算,对目标边缘进行亚像素精确定位。用所得到的边缘检测算法与基于正交多项式插值检测算法和基于三次多项式插值检测算法性能进行比较,仿真结果表明本文给出的基于ENO插值的检测算法不仅提高了图像的边缘检测能力,而且可以一定程度地克服噪声干扰。     

一种新的模糊图像边缘检测方法

边缘检测技术是图像预处理中最重要和最困难的任务之一，本提出了一种新的模糊图像边缘检测算法，算法中图像所对应的模糊特征平面通过一个基于阈值的隶属函数来提取，在模糊特征平面上应用模糊增强算子对低灰度区域的大部分象素进行衰减运算，对高灰度区域的大部分象素进行增强运算来提高两个区域之间的对比度，图像的边缘采用min或max算子来提取，仿真结果表明，该算法是一种有效的边缘检测方法。     

基于图像处理和支持向量机的微型齿轮缺陷检测

针对微型齿轮缺陷传统检测手段落后、准确率低、不易在线实施、受人为因素影响等问题,提出了以电荷耦合器件为图像传感器,采用图像处理技术和支持向量机对齿轮缺陷进行检测的方法。首先,系统采用发光二极管照明光源提供高强度背光照明,使用A102FCCD数字摄像头采集齿轮的图像,经过图像采集卡传输到计算机。其次,采用边缘保持滤波器对含有噪声的原始数字图像进行降噪处理,采用迭代阈值法和Otsu双阈值法对齿轮图像进行分割,形成二值化图像。然后获取齿轮样本,提取样本特征。最后用支持向量机来构造齿轮缺陷识别模型。该方法识别正确率达97.8%。理论分析及实验结果表明,该方法检测成本低廉、可靠性高、推广性强、容易在线实施。     

色彩均匀性特征的纸币污损检测算法

针对纸币上常见的污损,提出基于色彩均匀性特征的检测方法.将图像均匀性特征推广到彩色空间,采用纸币图像均匀性特征矩阵,判定待检纸币上可能存在的污损象素.提出基于均匀性特征矩阵的快速图像配准方法,图像配准后,将待检图像与参考图像逐象素进行比较,并最终判定待检图像的污损程度.对于图像中新增加的边缘信息十分敏感,而对各象素的色彩值、边缘强度值的相对变化则具有很强的抗干扰性,适用于各种低质量的纸币.     

一种基于小波分解的纸币污损检测算法

为提高清分系统中纸币污损检测的准确率,减少撕裂和笔迹等污损对检测的影响,提出了一种基于小波分解的污损检测算法.采用仿射变换和小波变换进行纸币图像配准,运用Kirsch算子提取图像边缘信息,通过计算边缘强度差提取出纸币图像的污损特征,将纸币图像划分为若干个固定大小子区域,通过对每个区域的污损特征统计来判断该区域是否存在污...     

运动物体变化检测算法研究

运动物体的变化检测,恢复和提取是运动检测中的三个重要环节,本文根据视频监控设备CCD器件成像特征以及帧间差运动变化检测方案,建立了一种利用灰度均值和方差作为判决门限的高斯运动变化检测模型,运动检测实验证明,利用该模型可以相对准确的检测出视频序列图像中的运动变化区域．     

基于灰度阈值分割的锥体零件缺陷识别算法

根据人的视觉感官特性，针对锥体零件缺陷检测中的图像信号预处理，利用含有缺陷的灰度图像的灰度统计特征自动找出分割图像的灰度阈值．研究了目前使用边缘检测、阈值分割、区域增长等方法．利用曲线拟合方法计算出灰度的分布曲线，用数学分析的方法求出曲线的局部极值．对于出现多个极值情况时进行分析筛选，把分割缺陷比较理想的极值作为灰度分割的阈值．以此分割图像，其分割效果比较理想．     

一种改进的图像边缘检测算法

对传统的微分边缘检测算法的缺陷进行分析和评价,并针对微分边缘检测算法的缺陷,提出了一种改进 的边缘检测算法。新算法摈弃了传统边缘检测算法中将每个像素单独进行考虑的模式,而是将待检测像素及与 其相邻的像素作为一个整体来考虑,通过将待检测像素为中心的某个领域进行整体计算,得出能够反映这个领 域性质的某些参数,并以此作为边缘检测的判据,进行检测。此算法充分考虑到了中心像素与周围像素之间的 关系,从而增加了梯度运算的可靠性。实验表明:新算法能够检测到更细的边缘,并且在椒盐噪声的情况下要优 于常用的微分边缘检测算法。     

一种基于SVM的刹车蹄块片摩擦块表面裂纹检测法

针对刹车片外观裂纹检测需求,通过构建刹车蹄块片图像采集系统,提出了一种基于支持向量机SVM的刹车蹄块片摩擦块表面裂纹检测法.该方法首先利用灰度图像的梯度模值信息,投影提取摩擦块所在区域; 然后以局部窗口子图像为单位,计算灰度共生矩阵并提取相关特征量; 最后采用分类样本对支持向量机分类模型进行训练,对摩擦块表面裂纹缺陷和正常区域进行分类预测.实验表明:该方法能较好地实现摩擦块表面裂纹缺陷和正常区域的分类,对表面裂纹缺陷存在与否的判定准确率可达98.33%.     

光伏航拍红外图像的热斑自动检测方法

针对光伏电站传统巡检技术的高成本、低效率以及准确率不高等问题,提出二阶段式的航拍红外图像热斑检测方法,实现对红外图像中热斑缺陷的组件级定位及精细化分类诊断. 该方法将传统图像处理技术与深度学习方法融合,进一步提升缺陷诊断的准确率与效率. 基于航拍红外图像前、后景灰度值的差异,提出基于边缘检测的组件分割方法来提取光伏组件轮廓以实现组件级定位,该方法以相对较小的硬件需求实现光伏组件有效检出率可达99.3%. 考虑到热斑成因、危害及对应处理方式的差异性,提出基于EfficientNet的红外缺陷分类模型对热斑进行精细的四分类,为电站运维人员提供更为精准的决策支撑,该模型在空间占用20.17 MB的情况下获得97.0%的热斑分类准确率. 经过实验对比分析,论证了本研究所提出的方法在缺陷诊断的效率以及准确率上都较高.