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.     

焊缝缺陷类型识别方法的研究

针对焊缝射线检测图像中缺陷类型识别准确度较低的问题,提出了一种基于直接多类支持向量机的缺陷类型识别方法.该方法将焊缝缺陷类型识别问题转化为一个约束优化问题,采用由缺陷边缘特征和区域特征构成的特征向量对缺陷进行描述,解决了在实际训练样本较少的情况下,提高缺陷类型识别准确度的问题.实验表明,该方法的识别准确度为94.25%,比一对一支持向量机和多层感知神经网络的高,并且通过引入区域特征提高了特征组的缺陷描述能力.     

基于小波和神经网络的焊接缺陷识别方法

超声检测是钢结构焊缝质量检验的常用方法,本文针对超声检验中缺陷类型识别困难的问题,提出一种定性方法.首先利用小波包变换提取超声回波信号的能量作为特征向量,然后将得到的特征向量输入到BP神经网络中,应用于裂纹、气孔、未焊透三类缺陷,识别率达到了86.7％.结果表明：基于小波包变换和BP神经网络的钢结构焊缝缺陷定性方法是十分有效的.     

基于Radon和Fourier-Mellin变换的电缆终端红外图像识别

在运行过程中,电缆瓷套式终端的线夹、应力锥和尾管部位可能存在异常发热现象.为了对各部位异常发热的红外图像进行有效识别,文中引入Radon与Fourier-Mellin变换对红外图像进行特征提取.该方法首先对原图像进行Radon变换,再进行解析Fourier-Mellin变换;然后定义与原图像的旋转及与尺度变换无关的不变函数,基于不变函数提取Radon与Fourier-Mellin变换后图像的4种特征.将提取特征向量输入到BP神经网络进行图像识别,结果表明,基于Radon与Fourier-Mellin变换的几何变换不变特征提取方法能够有效反映红外图像特征,具有良好的识别效果,且该方法对噪声具有较强的鲁棒性.     

基于小波和神经网络的焊接缺陷识别方法

超声检测是钢结构焊缝质量检验的常用方法,本文针对超声检验中缺陷类型识别困难的问题,提出一种定性方法.首先利用小波包变换提取超声回波信号的能量作为特征向量,然后将得到的特征向量输入到BP神经网络中,应用于裂纹、气孔、未焊透三类缺陷,识别率达到了86.7%.结果表明:基于小波包变换和BP神经网络的钢结构焊缝缺陷定性方法是十分有效的.     

基于Contourlet变换的连铸坯表面缺陷识别

根据连铸坯表面图像的特点,提出了一种基于Contourlet变换的连铸坯表面缺陷识别方法.通过Contourlet变换将样本图像分解成不同尺度和方向的子带,提取子带的Contourlet系数特征,并结合样本图像的纹理特征,得到一个高维的特征向量.利用监督核保局投影算法对高维特征向量进行降维,将降维后的低维特征向量输入支持向量机,对连铸坯表面图像进行分类识别.对现场采集到的裂纹、氧化铁皮、光照不均和渣痕四类样本图像进行实验,本文提出的识别方法对样本图像的识别率可达94.35%,优于基于Gabor小波的识别方法.     

基于非下采样Contourlet变换和PCNN的表面缺陷自动识别方法

基于多尺度几何分析的表面缺陷特征提取方法中,常用的可分离二维Wavelet基是各向同性的,无法有效表示图像的纹理和边缘,且通常对多尺度分解系数所提取的特征不全面.提出基于非下采样Contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的特征提取方法,并应用于冷轧带钢表面缺陷自动识别.首先用NSCT对缺陷图像进行多尺度多方向分解;然后将子带图像输入PCNN迭代点火,计算点火图的熵序列作为子图的特征,合并各子图特征得到原图的特征向量;最后用支持向量机进行分类识别.该方法能够全面准确提取缺陷图像信息,尤其是纹理边缘等方向信息,且方法可并行实现,PCNN不需要训练.利用从生产线现场采集的缺陷图像对文中方法进行了试验,识别率达95.44%.     

基于变尺度DCT和PCA的人脸识别方法

针对实际应用中要对不同尺度的人脸图像进行匹配和识别的需求,提出一种基于变尺度DCT(离散余弦变换)结合PCA(主成分分析法)的人脸识别方法.首先将不同尺度的人脸图像进行DCT变换,然后提取出相同的DCT系数,再将提出的DCT系数进行PCA降维,最后进行匹配识别.通过对ORL人脸库及实验采集的多尺度人脸图像进行实验,证明了所提方法对不同尺度图像的匹配识别有效,并测算了DCT变换后的修剪尺度及PCA特征维数对该方法识别准确率的影响.     

基于形态学的冷轧薄板板形识别

为了解决冷轧薄板板形识别问题,采用基于形态学的图像处理方法。利用高帽变换对板形图像进行增强,对增强后的图像进行二值化,生成缺陷图像,消除二值缺陷图像中的干扰信号,分析二值缺陷图像,判定板形的类别。给出了基于二值形态学的图像消噪算法和基于灰度形态学的图像增强算法。提出了基于高帽变换的板形识别算法和基于对比思想的板形识别算法。根据上述方法进行了板形识别系统的硬件、软件设计,实际应用表明,该方法可以有效地识别出常见的板形。     

基于颜色矩的木材缺陷聚类识别

提出了一种新的基于无监督聚类木材缺陷识别方法。该方法借助于木材图像颜色矩特征提取,有效实现数据降维,利用K-means算法对产生的特征数据集进行聚类,产生不同木材表面类型类别标签,自动找出并正确标识木材表面缺陷位置。分析了不同木材表面缺陷类型识别效率。仿真实验结果表明,该方法能快速有效地进行木材表面缺陷自动识别,平均运行时间为0.442 s,平均识别查准率约为86.5%,平均识别查全率约为81.1%。     

对比度受限下直方图均衡化处理的木板纹路图像增强算法

在木板纹路识别的工程应用中,光照不均匀等因素会产生对比度差的木板图像,将影响木纹的准确识别,针对此现象采用改进的对比度受限自适应直方图均衡化方法(contrast-limited adaptive histogram equalization,CLAHE)对木板纹路图像进行增强处理,首先借助加权平均灰度化对原始图像进行灰度处理,再利用CLAHE算法将灰度图像分割成若干个大小相等连续的子块,选取合适的阈值对每个子块的直方图进行截取,将超过阈值的像素均分到其他的灰度级中,使用双线性插值对图像进行插值运算,得到对比度受限下直方图均衡化图像,最后使用双边滤波器(bilateral filter)对均衡化图像进行降噪保边处理。共用600幅木板图像,其中450幅图像作为训练集图像,150幅作为验证集图像,通过平均绝对误差(mean absolute error,MAE),峰值信噪比(peak signal to noise rate,PSNR)以及最终实验结论对比CLAHE算法和其他一些常规算法,工程运行结果表明:CLAHE方法处理木板纹理图像具有较好的运行效果,为木板纹理的准确识别提供了理论依据。     

随机可控递归分形树木模拟及实现

对树木的初始角度、有无后继树枝、树枝生长长度变化、树枝粗细等影响树枝最终形态的因素进行分析,形成控制参数。然后根据分形思想,使用递归算法,将控制参数加入到算法中。对不同参数单独变化得到的图像进行分析和验证,并生成了包含若干树木的树林,通过把树木设置成多种颜色,让树林显示出层次分明的形态。     

带钢表面缺陷在线检测系统的图像滤波算法

由于纹理背景的存在导致图像缺陷检测结果不准确是目前冷轧带钢表面缺陷在线检测过程中存在的主要问题之一.针对该问题提出了一种基于小波的各向异性扩散图像滤波方法,该方法通过小波分解得到图像的低频和高频分量,并针对高频分量采用小波扩散系数对小波系数进行正则化处理,最后进行小波逆变换,重构滤波后图像.实验结果表明该方法不仅能够有效地滤除不必要的纹理背景信息,而且能够较好地保留图像的细节信息,具有更好的综合性能,为带钢表面缺陷在线检测系统中的后续处理,如图像的边缘检测和自动分割等奠定了基础.     

基于视觉侧抑制特性的自动色彩均衡算法

针对摄影测量和可见光遥感图像存在的曝光失衡、对比度低等缺陷及标准自动色彩均衡算法未充分顾及部分区域的色彩特征问题,本文基于模拟人眼视觉特性的非循环侧抑制模型和高斯分布函数,对标准自动色彩均衡算法进行改进。利用非循环侧抑制网络模型计算目标点的修正亮度值,由高斯分布函数选择高相关度的采样点,降低算法复杂度。使用标准自动色彩均衡算法和本文的改进自动色彩均衡算法对三幅存在不同色彩缺陷的图像进行对比实验,经本文算法处理的图像均值更合理且标准差和熵等重要参数均较原算法有所提升,其中标准差提高15%。实验结果表明,本算法具有较好的色彩均衡效果和的视觉效果。     

基于矢量扩展的纹理旋转修复

提出一种基于矢量扩展的纹理延伸方法,用于解决图像旋转后出现空白区域的问题.采用图像质量判断阈值来判断矢量化图像的相似度,将图像转换为矢量化的三次曲线组合;旋转矢量图以后,再根据矢量参数扩展空白区域曲线,并生长纹理堆积区域;最后用纹理渐变来填补矢量曲线和真实纹理的渐变差异.采用木纹图片做样本,实验显示本算法产生的目标图像高度接近真实木纹纹理.     

基于小波变换和立体视觉的发动机内窥研究

提出一种基于小波变换及立体视觉技术相结合的发动机内窥检测系统。系统由平行光轴双CCD内窥镜及内窥图像处理系统两部分组成,内窥图像处理子系统接收平行光轴双CCD内窥镜采集到的航空发动机内表面图像,对可能存在的损伤缺陷进行识别,并计算出损伤长度、面积、深度等数据。内窥图像处理子系统中,针对发动机内窥图像特点,采用Gauss小波变换方法对图像进行特征提取、立体匹配：利用双目立体视觉技术,三维重建出损伤区域的原貌。本检测系统可以弥补传统检测系统的缺陷,提高检测精度,缩短检测时间,从而保障航空发动机的安全运行。实验结果表明,系统准确有效。     

用于焊缝检测的X射线实时图像序列时空域滤波

X射线实时图像处理技术是在线自动检测焊缝缺陷的关键环节。由于原始图像噪声大,严重影响了焊缝缺陷X射线实时自动检测技术的实际应用。该文先对焊缝X射线实时图像序列进行匹配,在此基础上采用扩展的局部线性最小均方差法进行时空域滤波,从而综合利用X射线实时图像序列的时域信息和空域信息。实验结果表明:焊缝X射线实时图像时空域滤波效果明显优于现有的空域滤波和时域滤波,为后续焊缝缺陷检测的图像处理提供了良好条件。     

基于线型激光的连铸板坯表面裂纹在线检测技术

采用光学检测法对高温铸坯进行表面裂纹在线检测,将高亮度绿色激光线光源照射到铸坯表面,利用激光的单色性在摄像机镜头前加装窄带滤色镜去除高温铸坯表面辐射光的影响,从而提高图像的对比度. 通过非抽样小波对铸坯表面图像进行分解,计算分解后得到的低频分量和原始图像的尺度共生矩阵,以及高频分量的灰度共生矩阵,作为图像的纹理特征,并输入基于AdaBoosting算法的分类器进行分类. 利用该方法对表面裂纹、水痕、渣痕、氧化铁皮和振痕等五种缺陷和伪缺陷样本进行识别,表面裂纹的识别率达86.75%,总体识别率达87.16%.     

唐卡图像线条轮廓检索方法

各种媒体中唐卡图像越来越普遍,有效地对唐卡图像进行检索变得至关重要。提出一种唐卡图像检索方法:首先提取唐卡图像的线条画,对线条画线条提取Gabor特征并存储在特征库中;用特征二次式距离的方法对待检索图像线条画的线条特征和特征库进行相似性检测,找出相似唐卡。实验证明该方法检测精确度较高,能较好地检索到唐卡图像。     

木材陶瓷的制备与性能研究

文章采用白松、桦木、青冈木与五合板为原料,制成木材陶瓷．对其各自的性能特征和形成机理进行了较系统的研究,证明了原木（如桦木）制备木材陶瓷的可行性．同时揭示了酚醛树脂在木材陶瓷中的双向作用,即：树脂对木材不同程度的固定与填充,使木材陶瓷的缺陷和表观、内部气孔率产生波动,导致强度、硬度的相应变化,并影响密度、电阻率等性能．