基于机器视觉的香烟小包装外观质量检测系统

讨论了基于机器视觉的香烟小包装外观质量在线检测系统总体方案的设计,并针对香烟小包装流水线的具体情况,分别对香烟小包的检测位置以及图像采集方案进行了探讨。文中采用了一种用于香烟包装质量检测的快速图像匹配算法,并利用开源计算机视觉库OpenCV进行算法实现,仿真实验结果表明,该图像匹配算法计算速度快、检测精度高,满足香烟包装质量检测的需要。     

一种改进的图像匹配技术

图像匹配技术具有广泛应用,寻求高效率、高精度、健壮性好以及复杂度低的图像匹配算法是当下计算机视觉中的研究重点之一.本文对各种特征点提取和匹配算法进行了对比分析,在此之上提出了一种改进的特征提取以及图像匹配算法,提高了匹配算法的鲁棒性.     

基于机器视觉与PLC香烟包装自动分拣系统的设计

传统的香烟自动包装与分拣依赖于人工处理,生产效率较低、人工劳动强度大,基于机器视觉以及 PLC技术构建的香烟自动的自动包装与分拣系统能够有效提升工作效率,提升生产的智能化水平。文章设计了基于机器视觉与 PLC 香烟包装的自动分拣系统,通过机器视觉系统实现对分拣对象的识别,并通过信息系统进行处理,最后由执行机构完成相应的操作任务。经过测试可知,文章所设计的系统符合香烟自动包装与分拣的要求,设备自动化程度高,在产品的自动分拣等自动化生产中具有重要的应用与推广价值。     

基于生物视觉的目标匹配原理与实验进展

成像条件差异较大的图像之间的高精度、高可靠性匹配是计算机视觉、摄像测量、精确制导等领域的研究重点和难点.继承和发展了当前国际上的最新研究成果,实现了基于生物视觉原理的图像目标匹配,并取得了突破.所实现的基于生物视觉的图像匹配算法综合考虑了待匹配图像之间的灰度差异以及平移、旋转、缩放、剪切等仿射变形,并且对于景象变化、图像噪声等都有很好的适应性.大量仿真图像和真实图像的实验表明:所实现的基于生物视觉的图像匹配算法鲁棒性强,具有很高的匹配精度和正确率,明显优于传统的图像匹配方法.     

基于RBF网络的香烟包装质量在线检测与诊断

在生产香烟包装纸时,需要将不合格产品剔除,同时需要知道包装产品的优良率。针对香烟包装图案的特点,介绍了一种利用RBF网络在线检测和诊断香烟包装质量状况的方法。首先,采集具有典型特征的样本,建立足够数量的样本特征集。然后设计一个合适的RBF网络结构,采用样本集对网络进行训练和测试,最终得到一个实用的RBF诊断网络。实验表明,该系统完全能够满足质量检测的要求,可用于包装质量的在线诊断。     

SSDA图像匹配算法的研究及实现

传统的模板图像匹配算法,匹配速度较慢,在实际应用中受到限制．为了加快图像匹配速度,因此人们提出了一种快速高效的图像匹配算法——序贯相似性检测算法(SSDA)．对该算法进行了深入地分析,并在此基础上,采用Visual C 6．0对该算法进行了编程实现．     

图像匹配算法的研究进展

图像匹配是计算机视觉和图像处理中的重要研究内容.分析了图像匹配中的难点问题及其关键技术,研究了组成匹配算法的四个要素,介绍了近来出现的新思路和新方法,对匹配算法进行了分类和性能比较,提出了实际应用中有待进一步研究的内容,如算法的集成、神经网络、遗传算法和基于高层语义的应用等.     

遗传算法在图像匹配中的研究与改进

图像匹配是计算机视觉和图像分析中的一个基本问题,针对常规遗传算法在图像匹配中存在的问题,在文中引入混沌理论改进遗传算法,实验表明,改进的算法在图像匹配中具有更高的精度和速度,取得了较好的效果.     

基于视觉传达技术的激光遥感图像匹配研究

为提升匹配精度,减少消耗的时空资源,研究基于视觉传达技术的激光遥感图像匹配方法.采用优化的Otsu自适应阈值算法对去噪图像实施边缘检测,提取共有特征,消除图像灰度差异性.采用傅里叶域检测的匹配方法得出匹配结果.实验结果表明:与传统图像匹配方法相比,新方法特征点分布均匀密集,匹配正确率可达98％,可实现图像去噪与高精度边...     

机器视觉中图像匹配问题研究

随着计算机视觉技术的发展,机器视觉尤其是双目视觉被广泛应用于物体识别、虚拟现实、工业检测、机器人导航和航空航天等领域。图像匹配是机器视觉中的关键技术之一,能否有效地解决该问题严重影响着机器视觉的发展。对现有的匹配算法进行了研究的基础上,针对算法的实时性和精确度提出了改进算法。实验结果表明：误匹配像素百分比与目前常用的基于区域的匹配算法相当,而计算速度却提高了一个数量级,并且边缘特征较好,是一种有效可行的高实时性匹配算法。     

基于小波图像编码算法的改进及实现

针对现有SPIHT算法存在的不足,提出了一种新的改进编码方案。该算法通过引入图像平滑预处理和边缘检测,很好地提高了图像视觉效果和重构图像的PSNR值,并且进一步改进了编码传输策略,对最低频子带单独进行编码,对高频子带采用无链表SPIHT算法。实验结果表明:该算法有效地克服了SPIHT算法存在的不足,其编码速度和图像恢复质量,均优于SPIHT算法(特别是对纹理丰富的图像)。     

基于TensorFlow Lite平台的实时目标检测

目标检测是计算视觉的重要研究方向之一,尤其是基于移动设备平台实现快速精准的目标检测功能是非常有必要的.为了能够在移动设备上进行实时目标检测,本文提出一种基于Raspberry Pi 4B硬件平台,采用TensorFlow Lite开发环境,加载MobileNet-SSD网络结构算法的方案.方案采用的MobileNet卷...     

基于卷积神经网络的胸环靶面畸变校正算法

实弹射击是部队的基础军事训练项目。现有报靶系统中基于计算机视觉的弹孔识别定位系统由于具有快速、精确、安全、人员成本低等优点而被广泛应用到该项目中。然而,计算机视觉系统处理的图像通常受镜头加工工艺以及相机轴向与被测对象所在平面不垂直的影响,导致被测对象的图像产生畸变,最终会给弹孔坐标位置的精准定位带来误差。为了提高基于计算机视觉的自动报靶系统的报靶精度,提出一种基于卷积神经网络的畸变校正算法,只需一张胸环靶面的模板图像即可模拟出大量训练数据集。训练完成后,输入一张畸变图片就可以得到该图片的畸变参数,并利用该参数完成对图像的畸变校正。与传统校正算法的对比结果表明,该算法校正效果较好,有利于提升基于计算机视觉的自动报靶系统的报靶精度。     

基于多小波分解的多光谱图像矢量融合

在实数域中,对称、正交的紧支集非平凡单小波基不存在,而多小波把紧支性、对称性、正交性完美地结合在一起,使小波理论从标量扩展到矢量范畴。考虑到图像多小波变换系数具有矢量特性,该文将基于像素点和基于区域的标量融合策略推广到矢量情形,提出一种新的、在多小波域中基于矢量融合的图像融合算法,充分利用多小波变换域系数矢量内部各个分量的相关性来提高融合质量。两波段真实多光谱图像融合实验结果表明,与单小波标量融合方法相比,多小波矢量融合算法获得的图像具有较优的视觉效果和客观评价指标,从而证明了用于图像融合时,多小波较之单小波更适合于人类视觉系统,具有广泛的应用前景。     

一种基于局部分形维的CFAR检测算法

目标检测是图像处理领域和计算机视觉中一项非常重要的研究课题.针对光学遥感图像自然背景下人造目标检测中检测时间长,虚警率偏高的问题,本文提出一种基于局部分形维的CFAR检测算法.该算法首先引入重标极差分析法,把图像的局部窗转化为一维序列的形式,且通过对一维序列极差和偏差的运算得到反映图像局部纹理特征的局部分形维,并以此构造出图像的分维像.然后在分维像基础上进行快速CFAR检测,确定滑窗中心点像素是否为目标像素.最后对目标像素进行聚类以提取感兴趣目标区域.利用本文提出的算法对不同地区的光学图像进行了大量的实验,得到了较好的检测结果.实验结果证明了该算法在高分辨光学图像中能有效、快速地地检测自然背景中的人造目标.与传统的人造目标检测算法相比,本文提出的算法能有效地减少检测时间,降低虚警率.     

图像边缘检测技术研究

边缘检测技术是图像处理和计算机视觉等领域最基本的技术,如何快速、精确的提取图像物体的边缘信息一直是国内外研究的热点,介绍了几种的经典边缘检测算子,对其性能和算法特点进行了分析。运用Matlab进行了算法的仿真,并对其结果进行了研究和探讨。     

基于Haar-like和肤色特征的驾驶员脸部检测融合算法

对驾驶员面部疲劳状态进行视觉监测的前提是脸部区域的准确、快速检测。采用改进的基于Haar-like特征的人脸检测算法检测出可能存在的初始人脸区域,然后适当扩大初始人脸区域范围,并在此基础上利用肤色特征和区域连通算法在YCbCr和rgb颜色空间上对人脸区域进行二次定位,最后根据定义的脸部区域重合度和人脸几何特征,实现脸部区域的融合检测。实验结果验证了该算法的准确性和可靠性。     

基于LoG算法的水果热成像检测

传统的水果分级与损伤检测大多采用感官评定的方法,随着计算机视觉技术的发展,计算机视觉检测分级技术发展迅速.研究中针对解决水果损伤部位检测的问题提出了一种利用图像处理技术对水果热成像损伤部位进行检测的技术方案.本方案采用Laplacian of Gaussian(LoG)算法对损伤部位进行检测,使用高斯卷积模板抑制噪声,...     

基于图像失真类型的自适应图像质量评价方法

提出了一种图像质量评价方法,所提出的评价算法抽取DCT系数特征来代表图像的失真类型,使用基于支持向量机的分类器对图像失真类型进行预测,随后针对每一种失真类型,给出相应的融合评价算法,对图像进行质量评价.实验结果表明,该算法在整体性能上要优于传统的PSNR及SSIM等图像质量评价算法.     

一种基于激光视觉的焊缝实时检测技术研究

提出了一种基于激光视觉的焊缝实时检测技术,旨在提高焊缝检测的速度和精度。在实际的焊接过程中,由于大量噪声的干扰,焊接图像的采集一直是一个复杂的过程。 本文首先建立基于激光视觉的检测系统,以获得激光条纹的原始图像。在此基础上,将原始激光条纹图像灰度化,并提出一种改进的快速中值滤波算法,在去除图像中椒盐噪声的同时,缩短了程序运行时间。并通过Otsu阈值分割获得激光条纹的二值图像,提取感兴趣的激光条纹区域。接着结合方向模板法和脊线跟踪法提取激光条纹中心线,最后采用亚像素级角点法提取焊缝的特征点。 实验证明,本文提出的方法有效地克服了焊接环境的影响,不仅缩短了焊缝特征点检测的时间,而且具有较高的检测精度,符合实际焊接要求。