基于矩阵像素阈值判定的运动目标检测

针对运动目标检测所存在的不能完整分割运动对象、对光照和外部条件造成的场景变化比较敏感、容易出现许多伪运动目标点等情况,以背景差分算法为基础,提出了一种基于矩阵像素阈值判定的运动目标检测算法.该算法通过对图像进行预处理,增强图像中目标和背景图像的对比度,并去除采集和传输图像时产生的噪声,再将每个像素点的矩阵进行差分运算,以确定像素灰度变化的情况,利用灰度变化阈值确定最终的运动目标.与现有的背景差分算法检测到的运动目标相比,该算法的准确度更高.     

基于图像局部方差的亮度矫正下番茄表面缺陷检测方法

目的:解决番茄表面缺陷颜色复杂多变、纹理变化不规则导致的缺陷提取不准确的问题。方法:提出一种考虑亮度矫正下基于图像局部方差的番茄表面缺陷分割方法。在采用直方图阈值分割方法分割花萼与茎疤以及领域像素加权和替代原像素的方法完成亮度矫正的基础上,将番茄表面灰度图像划分成若干图像块,使用图像像素方差对各图像块的颜色进行表征,将缺陷区域与健康区域区分开。使用SVM模型对番茄表面缺陷区域面积占原图中番茄面积的比例进行检测。结果:考虑亮度校正后对番茄缺陷区域提取准确率提高了27.74个百分点,在此基础上,与全局阈值、动态阈值、区域生长算法相比,基于图像局部方差的缺陷提取方法能够实现番茄表面缺陷的准确定位与完整提取,以缺陷面积比为输入的高斯-SVM模型对番茄表面缺陷检测的精度达96%。结论:考虑亮度矫正下,基于图像局部方差的SVM缺陷提取方法适用于番茄表面缺陷检测。     

基于动态阈值的线划地图印刷质量自动检测算法

本文分析了传统线划地图印刷质量检测弊端,指出了其不能满足当今地图数字化、标准化生产要求。通过分析线划地图的图面要素构成特点,提出了线划地图印刷质量自动检测理论模型和基于动态阈值的检测算法,并对模型主要模块即标准地图图像制作、图像配准,缺陷提取方法进行了分析研究。实验表明,基于动态阈值的自动检测算法,具有检测精度高,能够避免轮廓干扰点对印刷缺陷的判别的影响。该方案具有可行性,对提高纸质地图生产速度有重要意义。     

基于图像小波变换的食品包装印刷缺陷检测方法

目前我国食品企业对于其产品包装要求越来越高,其中印刷作为包装工艺中展示产品和吸引消费者的重要部分,已受到许多企业和研究人员的关注。对食品包装印刷缺陷检测系统进行介绍,主要阐述图像预处理部分。建立传统小波变换算法模型和改进型小波变换算法模型,并利用仿真性实验对这两种算法的检测精度进行对比分析,结果表明改进型图像小波变换算法能够很好的提高食品包装印刷缺陷检测的准确性,并实现无损检测。     

基于自适应Canny算子的印刷滚筒表面缺陷提取技术研究

印刷滚筒作为印刷机械的核心部件,常常因为使用酸性油墨、酒精等化工原料而腐蚀滚筒,导致局部塌陷或斑点。金属滚筒表面缺陷边缘是缺陷图像的主要特征之一,选用适当的边缘检测算子得到准确的边缘信息是金属滚筒表面图像处理的关键步骤。针对传统Canny算子边缘检测时出现假边缘的问题,提出利用最大类间方差法来自适应Canny算子的高、低阈值。首先利用改进的Canny算子进行边缘检测,得到边缘信息;然后再进行缺陷的定位和矢量化。利用该方法对印刷滚筒表面缺陷进行提取的实验结果表明,自适应Canny算子比传统的边缘检测方法得到的边缘连通性好、定位精度高,该方法能快速提取滚筒表面缺陷,具有较强的实用性。     

基于自适应Canny算子的印刷滚筒表面缺陷提取技术研究

印刷滚筒作为印刷机械的核心部件,常常因为使用酸性油墨、酒精等化工原料而腐蚀滚筒,导致局部塌陷或斑点。金属滚筒表面缺陷边缘是缺陷图像的主要特征之一,选用适当的边缘检测算子得到准确的边缘信息是金属滚筒表面图像处理的关键步骤。针对传统Canny算子边缘检测时出现假边缘的问题,提出利用最大类间方差法来自适应Canny算子的高、低阈值。首先利用改进的Canny算子进行边缘检测,得到边缘信息;然后再进行缺陷的定位和矢量化。利用该方法对印刷滚筒表面缺陷进行提取的实验结果表明,自适应Canny算子比传统的边缘检测方法得到的边缘连通性好,定位精度高,该方法能快速提取滚筒表面缺陷,具有较强的实用性。     

基于改进宇宙算法的织物图像疵点检测研究

为了提高织物图像疵点检测的质量,采用改进宇宙算法对织物图像疵点进行检测。首先建立织物图像透光率模型,通过检测成像图像灰度的变化即可检测织物图像疵点,并对参考与待测图像的灰度差值进行计算,对存在缺陷的区域通过概率密度分布函数得到最优分割阈值;然后确定宇宙拓扑结构,某个宇宙内的信息发生变化,通过信息移民策略使得其他宇宙的信息发生变化,实现信息交流的并行性,根据适应度宇宙自适应进化;最后给出了算法流程。实验仿真显示该算法能够准确检测出织物图像疵点,检测效率较优。     

基于灰度-游程累加的皮革缺陷自动检测

针对目前我国皮革产品生产中质量检测技术落后、检测效率较低的情况,提出了一种基于灰度-游程累加模型的图像缺陷检测方法。该方法利用了图像的灰度信息和灰度游程长度信息,通过计算图像的灰度差值和累加游程,从而计算出每个像素的灰度-游程累加值,来确定划分缺陷和背景部分的阈值。实验结果表明,该方法能有效地分割出纹理图像上区域特性不同的区域,且分割效果优于等灰度游程矩阵和灰度共生矩阵,其精确度达到每个象素点。     

应用多尺度多方向模板卷积的筒子纱缺陷检测

针对筒子纱不规则的纹理基元增加缺陷检测难度的问题,提出一种基于多尺度多方向模板卷积的筒子纱表面网纱缺陷检测算法。首先通过系统采集筒子纱的顶面纹理图像;其次对原图像进行OTSU阈值处理,并采用椭圆拟合确定纹理位置,利用极坐标变换将其展开;然后利用水平方向一维高斯差分算子提取边缘,通过改变高斯核的标准差获取多个尺度的边缘图像;进而将0°~180°角度区间量化成多个方向模板与各尺度的边缘图像进行卷积,并投票记录每个像素位置在各尺度下的多方向模板卷积结果的最大值;最后,选取经验阈值对最强卷积响应进行分割得到缺陷图像。实验结果表明,该方法可有效检测筒子纱表面的网纱缺陷,识别准确率达0.96。     

基于机器视觉的LED印刷电路质量检测技术

针对在玻璃基片上印刷LED电路过程中容易产生短路、毛刺等缺陷问题,提出一种基于机器视觉的玻璃基片LED的印刷电路质量检测方法。对数字图像二值化预处理自适应阈值的方法进行了比较分析;对二值化图像出现的噪声干扰点,提出了分割连通域的图像滤波方法,将获取的二值化图像进行连通域提取并根据连通域的面积分割出噪声干扰点;利用图像检测方法对玻璃基片LED电路进行缺陷检测。结果表明:该方法在效率和精度方面都有提高。     

基于机器视觉的预包装食品检测

基于机器视觉设计了一种缺陷检测系统,该图像处理采用基于偏微分方程的去噪模型实现了图像去噪;利用双阈值分割方法实现了缺陷区域的分割;并采用BP神经网络根据周长、面积和圆形度实现了缺陷分类。结果表明:试验系统的整体漏检率为0.17%,检测精度比较高;每个包装的检测耗时大约为70ms,检测效率比较高;该系统能很好地满足食品包装实时、快速、准确、稳定的检测要求。     

基于Criminisi算法的非周期性印花织物缺陷检测

由于非周期印花织物颜色多变、花型复杂、印花缺陷纹理及背景纹理之间对比度低,导致织物缺陷不易被识别,因此给出一种Criminisi算法。首先,采用频率谐调(frequency-tuned,FT)显著性算法对印花织物缺陷图像进行显著性增强,突出缺陷的边缘轮廓;其次,利用大津阈值法对显著图进行二值化处理,并将得到的二值图作为图像修复时的Mask掩码图;最后,运用Criminisi算法对原印花织物缺陷图像进行修复,将修复的印花图像减去原印花缺陷图像,获得缺陷区域。实验结果表明,该方法能准确分割出非周期性印花织物的缺陷区域,如漏墨、污渍等,且检测准确率达97.39%。同时,实验过程中不涉及参数的调节。     

基于奇异值分解的双算法织物缺陷检测

针对难以有效地同时检测洞形缺陷和线形缺陷问题,提出一种基于奇异值分解的双算法织物缺陷检测方法。该方法首先对图像进行奇异值分解,通过对原图与特征值图进行布尔差集运算消除背景纹理并保留缺陷区域;然后采用均值滤波、直方图均值化及方差阈值滤波消除纹理及噪声点的干扰;接着通过形态学处理确定缺陷位置;最后采用面积阈值和方差阈值的方式获取线形缺陷和洞形缺陷。实验结果表明：该方法不仅能够有效地检测洞形缺陷,而且在检测线形缺陷上也有很好的表现,并在准确率上明显高于传统算法,证明了本文算法的有效性和多用途性。     

应用积分图的织物瑕疵检测快速算法

为解决现有基于图像处理的织物瑕疵检测算法实时性较差、正确率偏低等问题,提出一种包含学习和检测2个阶段的瑕疵检测算法。通过对无瑕疵模板图像的梯度能量特征及其分布特性的学习,自适应获得检测阶段所需的参数。一方面利用积分图原理将任意大小的图像块内的求和运算化简为三次加法运算,快速提取织物图像的梯度能量特征,实现织物瑕疵的实时检测,另一方面利用核函数拟合特征参数分布,结合均值漂移法求解分布峰值获得自适应的瑕疵判定阈值参数,实现织物瑕疵的准确分割。通过实验将本文算法与现有基于局部二值模式特征、小波特征、规则带特征等算法进行对比,针对包含3种纹理6类瑕疵的织物图像数据集的测试结果显示,本文算法平均处理时间为56ms,正确率为97%。     

基于相对总变差模型与自适应形态学的织物瑕疵检测

为解决目前基于图像处理的织物瑕疵检测算法中,因织物纹理的多样性与瑕疵形状尺寸的不确定性所造成的检测效果差的问题,提出一种基于结构-纹理模型与自适应数学形态学的织物瑕疵检测算法。首先采用相对总变差模型对织物图像进行滤波以去除织物纹理,然后在得到的灰度图像上直接进行基于自适应邻域的灰度形态学运算,形态学算子采用开运算算子,最终得到织物瑕疵的增强图像。采用基于相对总变差模型与自适应形态学相结合的方法与2种已知的Gabor算法进行比对,对4类典型织物瑕疵进行检测实验和分析。结果表明,本文方法能更好地提取出织物瑕疵。     

梯度空间下的丝饼表面缺陷检测

为解决工业生产中人工检测丝饼表面缺陷效率低、漏检率高的问题,提出了一种在梯度空间下根据图像信息熵变化和能量分布的差异来检测丝饼表面缺陷的方法。首先设计一套基于机器视觉的丝饼图像采集装置,用于获取传输过程中的丝饼表面图像;然后将丝饼图像转换到梯度空间域,构建一个信息熵和能量的组合特征用来表征缺陷,选择适当的临界阈值区分丝饼缺陷区域与正常区域;最后对分割出的丝饼缺陷利用形态学处理得到最终的检测结果。实验结果表明,该方法对丝饼表面污渍、压痕、起毛等缺陷具有较好的检测效果,缺陷识别准确率高、速度快,可满足工厂对检测准确性和实时性的要求,实现丝饼表面缺陷的自动化检测。     

应用上下文视觉显著性的色织物疵点检测

为实现色织物疵点的有效检测,提出一种应用上下文视觉显著性的疵点检测方法。根据上下文视觉显著性的原则,将织物图像分为大小相同的图像块;然后针对每个图像块,选取K个与其最相似的图像块计算与该图像块的差异值之和,用该差异值之和表示该图像块中心像素的显著性;从而生成一幅视觉显著性图;最后对显著性图进行阈值分割,得到色织物疵点的检测结果。为验证该算法的有效性,将带有纬缩、破洞和跳花等区域性疵点的素色、条纹和格子色织物图像作为样本进行检测。结果表明:该方法可较好地抑制不同种类织物的纹理背景,突出疵点区域,实现疵点的有效检测,该方法在色织物疵点检测上具有一定的可行性。     

改进型奇异值分解在织物疵点检测上的应用

为了识别不同织物表面多种类型的疵点,提出了一种基于矩阵奇异值分解（SVD）的疵点检测方法。首先采用自适应分割技术提取织物图像中包含疵点的感兴趣区域（ROI）,其次将包含疵点的ROI部分继续分割成若干小的不重叠的子图像,并对子图像进行奇异值分解。由于奇异值与织物图像的能量信息相关,通过去除表征织物纹理背景能量的奇异值,以余下的奇异值重组子图像,从而增加疵点区域与纹理背景的能量差异。最后再对ROI区域进行复原时,会出现子图像重构过程不完全连接的情况,采用二值化阈值处理可以消除影响,完成检测目的。实验证明,所提出的改进型奇异值分解技术,耗时短,效率高,对于选取的7种纹理结构不同的织物中大多数疵点,都能够识别其形状和位置。