基于Hu不变矩和BP神经网络的木材缺陷检测

采用X射线作为检测手段,对木材进行无损检测,通过检测透过木材的射线强度来断定检测木材是否存在缺陷.对得到的木材缺陷进行图像处理,将木材缺陷图像转化为灰度图像,再把灰度图像转换为二值图像.根据经验选择相应的阈值,提取出清晰的木材缺陷边缘,把木材缺陷部位从背景中分离出来,完成木材缺陷图像分割.对Hu提出的区域不变矩进行扩展,得到一组新的描述形状特征的参数,这些参数具有平移、缩放和旋转不变性,并且具有较低的计算复杂性.将这些特征参数预处理后输入BP神经网络,对木材缺陷进行检测,检测准确率达到86%以上,试验结果表明此方法的可行性,为实现木材缺陷的自动检测提供了新的途径.     

T形接头角焊缝气孔缺陷空间位置数据的自动提取

采用微焦点X射线检测系统获取T形接头焊件左、右旋转的检测图像,提取感兴趣区域,分析图像灰度分布特征,采用小波变换对感兴趣区域进行图像去噪处理。采用形态学背景模拟,结合阈值分割等算法实现了图像中缺陷的保真分割。建立T形接头焊件缺陷深度和缺陷偏移量的数学模型,提出了焊件缺陷投影距离的自动提取算法及左、右旋转图像中缺陷的自动对应准则,自动提取T形接头焊件内部缺陷空间位置数据。试验结果显示,缺陷大多分布在腹板中心线的左侧,且集中分布在焊件腹板和翼板结合面附近的位置,缺陷沿焊缝纵向呈随机分布,缺陷半径范围为[0,0.7] mm。     

基于机器视觉的珐琅搪瓷盘缺陷检测方法

【目的】为实现珐琅搪瓷盘表面缺陷的自动化检测并提高检测效率与准确率,提出一种珐琅搪瓷盘缺陷机器视觉检测方法。【方法】首先对灰度图像阈值分割,采用最小二乘拟合法提取出感兴趣区域来消除背景干扰;然后根据缺陷图像的特点设计基于图像融合的迭代算法,并提出一种改进的去伪影算法以消除伪影影响,进而提高检测准确率;最后通过搭建的硬件平台对本方法的检测性能进行验证。【结果】采用本方法对缺陷珐琅搪瓷盘的检测准确率能达到92%,对缺陷的平均漏检率仅为8.8%,且对伪影的去除能力也优于传统方法。【结论】本研究方法检测准确率高,为珐琅搪瓷盘缺陷的自动化检测提供了一种可行方案。     

基于灰度-梯度共生矩阵的钢轨表面缺陷检测方法

根据钢轨表面缺陷的灰度和梯度特征,提出了钢轨缺陷自动检测方法:基于灰度-梯度共生矩阵为模型提取钢轨缺陷的内边缘,其中以最大熵方法自动求取灰度-梯度二维阈值向量,利用形态学方法对分割后的二值图像进行后期处理,有效区分正常轨面、缺陷区域、阴影和干扰区域.实验表明:本方法能较好地对钢轨表面缺陷进行检测.     

基于图像分割的钢板表面缺陷识别

钢板的表面缺陷是影响钢板质量的主要因素,通过改进轧制工艺可以减少缺陷发生外,及时检测出钢板的表面缺陷也非常重要.对于钢板表面缺陷的检测,需要获取图像,然后对图像进行初步处理,重要的步骤就是对缺陷进行分割.基于图像灰度信息的不同,本文采用了两种图像分割模型(C-V模型和H-T-B模型),当图像的灰度信息均匀时,采用C-V模型对图像进行分割;当图像的灰度信息不均匀时,则采用H-T-B模型对图像进行分割.通过两种模型的组合应用可以对钢板的各类表面缺陷进行识别,获取缺陷区域,有利于提高钢板生产质量.     

工件表面微小缺陷的检测与识别方法

针对微小缺陷在复杂背景图像情形下分割难的问题,提出了一种基于像元搜索算法的微小缺陷检测方法.首先采用直方图均衡化提升背景与缺陷目标的对比度,在分析噪声分布特点的基础上,利用基于中值和均值滤波的改进滤波算法对图像进行去噪等前期预处理;然后根据背景灰度分布,在目标分割过程中采用分块、按方差大小排除背景图像块、初定目标和剔除伪目标的缺陷像元搜索算法;最后采用矩形度和区域占空比进行缺陷特征提取.结果表明,对于背景不均匀、目标与背景区分不明显这类复杂背景图像,所提出算法相对于传统的Otsu等算法能够更好地分割出弱小缺陷目标,提高了检测缺陷的准确性.     

基于显著性模型和区域生长法的药卷缺陷检测

针对工业炸药生产过程中药卷表面裂痕的包装缺陷问题,运用机器视觉技术,提出一种基于显著性模型和局部方差区域生长法的药卷缺陷检测方法。该方法经过图像预处理,对药卷图像进行背景估计与差分;利用显著性模型,提取缺陷特征;通过局部方差区域生长法,分割目标区域,完成对缺陷药卷的检测。实验结果表明,该算法可快速有效地提取缺陷区域,平均检测时间为55.72 ms,缺陷检测率高达96.36%。     

基于假设检验的SAR图像机场跑道自动识别

针对复杂条件下合成孔径雷达图像中机场目标自动检测识别问题,提出了一种基于假设检验的机场跑道自动识别算法,利用雷达图像中跑道灰度特性和结构知识,通过迭代分割和形态学滤波提取感兴趣区域,抑制具有类似灰度特性的水域对跑道线检测的影响,并结合Hough变换和线段跟踪连接提取候选跑道,最后采用假设检验方法对机场跑道进行识别.试验结果表明该方法可快速有效地检测识别复杂背景下低分辨率、低信噪比合成孔径雷达(SAR)图像中的机场跑道.     

基于灰度渐变特征的运动车辆阴影检测

针对当前基于颜色特征的阴影检测算法鲁棒性低的缺点,本文提出了一种基于灰度渐变一致性的运动车辆阴影检测算法.首先应用改进的高斯混合模型对背景进行自适应重建和更新,然后根据差分图像中运动阴影在水平和竖直方向上灰度变化一致的特点,提取阴影区域的灰度跳变点,并以灰度跳变点的密度分布为依据分割车身区域和阴影区域,实现对阴影区域的识别与提取.实验结果表明,该算法能够快速有效地提取运动车辆的阴影,同时,本算法在阴影与相邻车辆车身重叠情况下也有较好的检测效果.     

基于机器视觉的树脂镜片水印疵病检测

为实现对树脂镜片水印缺陷的自动检测,建立了点光源投影成像光学仿真模型,并对光源与被检镜片相对距离、成像光屏反射率、镜片物理特性以及成像距离等参数进行了探索,以此为据设计了一套基于机器视觉的水印疵病自动检测系统装置,可实现对镜片投影图像的采集与分析.采用区域生长、形态学运算和椭圆拟合等算法将镜片投影区域从背景中分割,结合Sobel边缘检测、阈值分割方法提取投影图像灰度突变区域,并以面积阈值为约束条件实现对水印缺陷的识别与定位.试验结果表明,该方法可对不同类型镜片具有自适应性,对水印缺陷镜片判别率为100%,图像采集与分析平均耗时872 ms.     

基于形态学的焊缝X射线图像缺陷检测

通过对焊缝X射线图像进行垂直扫描,提取扫描线的线灰度曲线,提出了焊缝缺陷位置的检测算法.应用形态学滤波和分水岭变换对缺陷轮廓进行提取,实现了焊缝X射线图像缺陷的检测.对图像的实测结果表明,该方法能有效地对焊缝缺陷位置进行检测.     

基于投影直方图提取目标感兴趣区域的新方法

提出了一种基于灰度投影直方图获取单幅检测样品的目标感兴趣区域的方法,并利用鲁棒的图像匹配算法生成参考图像.首先,采用改进的灰度投影直方图法获得单幅图像的检测样品感兴趣区域,建立感兴趣区域提取模型;其次,利用基于形状的特征匹配算法学习样品图像,生成印刷品检测的参考图像,在此基础上,提出基于图像金字塔数据结构的分层匹配方法.实验结果表明,该方法能够在87 ms内获取首张图像样品感兴趣区域,并且图像匹配过程对图像之间存在的明暗程度、旋转变化等干扰具有良好的鲁棒性,匹配精度可达95%,匹配时间为152 ms,可快速准确地生成参考图像.     

海面目标自适应实时检测

针对海面运动载体所获得的可见光序列图像及图像自身特点,提出了一种既适应于海天背景下的小目标而又适应于海岸背景下的大目标的目标快速自动检测方法.首先,量化子图像的区域复杂度以及单元区域上、下邻域的灰度差异,以预测并定位海界限区域,摒弃不含海界限区域的图像;采用周围纹理抑制方法改进的Canny算子提取海界限区域的主要轮廓,并进行Hough变换而提取海天线或海岸线;依据海界线上的灰度环境判断背景,在划定线附近的局部区域,凭借该区域内海面灰度的平缓特性而对其进行聚类提取目标;分析剩余海面灰度的统计特征,求取属于海面区域的灰度范围,快速区分海面区域和非海面区域;最后,进行后续处理,以剔除伪目标并标记真实目标.结果表明,该方法处理单帧图像的平均耗时在100 ms以内,具有较好的准确性和实时性.     

基于区域填充的纤维图像提取算法

对天然纤维显微图像中所有纤维对象的正确分离和提取,是棉麻纤维特征分析的必要前提.针对纤维图像中图像背景、纤维边缘和纤维内腔的灰度分布特性,提出基于区域填充的纤维图像提取算法.该算法以各个"纤维内腔"为图像分离提取的标准,采用膨胀区域填充的方法,并通过距离变换自动确定填充起始点,对经过二值化处理的纤维图像中的背景和纤维进行了区分,从而得到各个纤维对象的正确提取.该算法能够有效处理纤维图像间的黏连问题.     

基于HSV空间的钢轨表面区域快速提取算法

机器视觉采集的轨道图像中包含钢轨表面区域(简称轨面区域)及干扰区域(轨道、碎石、杂草等),从复杂的轨道图像中检测缺陷目标难度大、耗时多.因此,先将轨面区域提取出来,然后对提取的轨面区域进行缺陷检测和识别可以节省大量时间.传统的钢轨表面区域提取算法多为手动设定轨面边界,自适应性较差,且对光照异常敏感.针对以上问题,就如何快速提取轨面区域进行了研究,提出了一种基于HSV空间的钢轨表面区域快速提取算法.首先将采集的RGB图像转换到HSV空间,并提取其S分量图像,以此变换来克服光照条件变化对钢轨表面区域提取带来的干扰;其次在S分量图像中绘制灰度投影曲线;然后以图像的中点为轴,将曲线分为左右两侧,分别找到左右两侧列曲线的极大值L_1、R_1和次大值L_2、R_2;最后根据极大值和次大值的关系自动确定轨面区域的边界.仿真结果表明,所研究的算法可以快速、准确地提取轨面区域,避免了手动确定轨面区域边界的问题,算法的泛化能力较好,提取精度较高(I_(oU)高达0.92),提取准确率为93.87%,提取时间较传统方法大幅降低,平均提取时间为0.046 s,为铁路线路的实时自动化检测奠定了基础.     

一种融合分割和消失点提取的车道线检测方法

针对路面干扰时车道线检测鲁棒性差和消失点检测误差大的问题,提出了一种基于融合分割和消失点提取的车道线检测方法.对获取视频帧图像进行灰度化和高斯滤波处理之后,利用Canny边缘检测算法对图像进行边缘提取.以边缘点最多的一行作为上界划分预处理图像的动态感兴趣区域(ROI),结合大津算法(OTSU)分割出预处理图像的车道线背景,提取车道线信息.采用直线段检测(LSD)算法对ROI区域内车道线标志进行提取,并结合改进的消失点检测方法快速提取车道线.实验结果表明:所提出的方法对多场景下离线照片的平均正检率为97.16％,识别速度为34 ms/帧,能够很好地对多场景下车道线进行快速检测.     

基于灰度信息和支持向量机的人眼检测方法

提出一种基于灰度信息和支持向量机的人眼检测方法.首先,利用人眼区域灰度变化比人脸其他部位灰度变化明显的特征,采用图像灰度二阶矩(方差)建立人眼方差滤波器,在固定人眼搜索区域内,应用人眼方差滤波器搜索候选人眼图像;然后,使用训练的支持向量机分类器精确检测人眼区域位置;最后,采用图像灰度信息率定位人眼中心(虹膜中心).该方法在BioID、FERET和IMM人脸数据库中的测试结果显示：没有佩戴眼镜人脸图像正确率分别为98.2%、97.8%和98.9%,406幅佩戴眼镜人脸图像正确率为94.9%;人眼中心定位正确率分别为90.5%、88.3%和96.1%.通过与目前方法比较,该方法获得较好的检测效果.     

基于区域标注的车牌提取算法研究

提出了一种基于区域标注的方法来实现静态图像中的车牌提取。车牌提取的主要步骤由以下几步构成:原始图像灰度化、数学形态学处理(前景图像处理)、图像二值化(阈值法)、图像滤波处理、特征区域标注,车牌特征提取、采用matlab进行实验仿真。在实验中,通过对各种场景下采集到1 000幅图像做测试,车牌定位率为98%。实验结果表明基于区域标注的车牌提取算法运算快,对背景较为复杂的图像中车牌的提取有良好的效果。     

一种基于Surendra背景更新的背景减除运动目标检测方法

针对监控环境下运动物体的检测,提出了基于Surendra背景更新的背景减除的运动目标检测方法.首先对视频图像进行灰度化并去噪,再建立一个可靠的Surendra背景更新模型,由背景消减法得到运动目标图像,最后图像进行二值化并采用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响.试验结果表明本文采用的基于Surendra背景更新算法的背景减除的方法,具有较好的实用性.     

基于数学形态学的核孔膜显微图像检测

为实现核孔膜防伪的自动检测,提出了一种基于数学形态学的核孔膜显微图像检测方法。构造了基于灰度数学形态学的二值化方法,提出了基于二值数学形态学的分层提取方法,统计总孔数和孔半径。实验结果表明,二值化方法不但能够有效消除灰度图像中的噪声和渐变背景,而且所得二值图像保留了原始灰度图像中核孔膜的全局信息;分层提取方法所得总孔数的相对误差在10%以内,同时实现了孔半径的统计。该方法可用于仪器化检测中。