基于框线检测的票据图像分类方法

针对表格型票据,提出了一种基于框线检测的多类别票据图像分类方法.准确提取票据图像的框线特征,根据票据框线的拓扑结构建立起模板库;通过基于框线相关性的相似度模型,与标准模板库中模板的框线特征进行匹配,进而确定票据的分组类别.实际的票据分类实验证实了该方法的有效性和鲁棒性,为票据自动处理打下了坚实的基础.     

眼部动作实时识别系统设计

利用网络摄像机和图像处理单元设计了一种眼部动作实时识别系统.该系统首先用帧差法检测出眨眼的动作区域,将此区域设置成感兴趣区域,并用图像形态学算法对其进行处理;然后找出眼部轮廓,并以此区域创建模板,再利用此模板对每一帧图像进行模板匹配,找出匹配中的最小值,以得到识别的结果;最后通过实验验证了该算法的有效性.该系统有广泛的应用前景,如实现模拟鼠标的控制等.     

一种引导滤波自适应双阈值优化边缘检测算法

边缘检测是图像处理的重要环节之一,传统的边缘检测主要包含基于模板匹配和基于图像梯度两类方法。为了克服模板匹配方法边缘信息丢失较多和图像梯度方法易受图像噪声影响的缺点,该文给出了一种引导滤波自适应双阈值并改进Kirsch算子的优化边缘检测算法。针对图像局部信息特征,在图像的不同边缘位置动态生成引导滤波函数,从而保持和增强边缘的效果;同时对Kirsch算子复杂的运算量进行简化,根据图像边缘区域自适应地选择两个阈值,二者有效结合可大幅提高边缘检测算法的准确度和运算效率。实验结果表明,与传统边缘检测Kirsch算法和Sobel算法相比,该文算法的边缘定位和运算速度较优,能检测出精细的真实边缘,对图像的处理速度是传统算法的4倍以上。     

基于机器视觉的晶圆表面缺陷检测

为降低晶圆缺陷对半导体制造的影响,设计一种基于机器视觉的晶圆表面缺陷在线自动检测技术。首先,针对晶圆中单个晶元可能出现缺角或者遮挡,设计一种基于轮廓匹配的晶元定位方法;其中选取轮廓完整的良品图,经过图像拉伸、中值滤波、边缘检测、形态学处理,得到外边缘轮廓和内部圆点轮廓,建立外边缘轮廓模板,搜索晶圆图像金字塔进行模板匹配。其次,针对晶元背景是有一定规律排列的几何图案,缺陷可能与背景几何图案相似的问题,利用仿射变换原理,设计一种几何图案轮廓仿射变换与分区域检测方法;在此基础上,裁剪几何图案内部区域和几何图案外部区域,分别进行阈值分割和形态学处理,提取缺陷。再次,将缺陷做并集,得到总的缺陷,并进行标记,完成缺陷检测。实验结果表明,所提检测算法能有效解决晶元缺角或严重遮挡无法匹配定位和缺陷与背景几何图案相似的问题,且能有效检测出各种缺陷,单个小晶元的检测速度约430 ms,算法效果好,检测速度快,符合工业要求。     

对编码结构光采集图像的区域分割

对图像进行阈值有关处理时,局部内容的处理效果会受到图像中其他部分的影响,导致分割效果不佳,且常用的分割方法是针对单一连通域的处理,并不适用于分割由大量连通域构成的形体内容。为了对这样的内容进行分割,本文提出一种基于数理统计原理的分割算法,自动的划分出采集图像中主要内容的部分,并利用两个参数控制轮廓的尺寸和外形。通过实验对比了直接处理和本文方法处理的识别符号数量,结果表明,本文算法将图像中前景区域划分后再针对该区域进行图像处理比直接全图处理的效果更好,提升了符号的识别率。     

基于多特征协同的人头检测新方法

针对现有人头检测算法需提前设置模板参数问题,提出了一种基于多特征协同的人头检测新方法.该方法使用发色与自适应轮廓双重特征对人头部实现检测,提高计算速度的同时保证检测的正确率.算法以YCbCr彩色空间实现目标发色表示,根据发色模板对候选区域进行分割并提取特征,建立自适应轮廓模板,并引入梯度幅值和方向信息,对图像噪声有很强的抑制能力.实例实验结果表明,与传统检测算法比较,本文方法目标检测时间更短,且目标识别率更高.     

基于图像处理的纽扣轮廓瑕疵检测

针对多数纽扣生产厂家采用人工方式检测纽扣质量,导致检测效率较低的问题,设计一套基于图像处理的纽扣轮廓瑕疵检测系统。利用最大类间方差法对纽扣图像进行阈值分割,得到二值图像并进行连通区域标记,以进行纽扣区域分割与轮廓提取。再利用轮廓数目判断是否有内孔缺失或颜色瑕疵。同时提出外接圆方差检测算法,这是一种多步轮廓检测算法。利用最小外接圆进行圆形度检测;将圆形轮廓转换为曲线轮廓,利用三次方差进行全局平滑性检测和验证;采用局部最大二次方差对缺口进行检测。试验结果表明,该检测系统不仅能够有效地对纽扣进行瑕疵检测,而且能够满足在线检测对速度的要求。     

基于局部SURF与Kalman滤波的多机器人识别与跟踪

针对SURF匹配算法,提出一种局部特征匹配的思想,对场景中多个目标机器人进行识别与跟踪。在静态场景中,利用背景差法检测出场景中所有运动机器人,提取各个机器人的轮廓,通过轮廓获得每个机器人在图像中的区域,对每个小区域提取SURF特征点并与模板图像进行匹配,得到想要跟踪机器人的位置信息,最后通过Kalman滤波对机器人位置进行修正并跟踪。实验证明本算法在不降低匹配的准确性上有效提高了识别与跟踪的效率。     

基于机器视觉的环形工件表面字符的提取识别

文章针对工件环形表面字符检测的困难提出一种视觉检测算法.首先对相机采集的照片进行空间滤波、二值化处理的预处理操作,得到便于处理的圆形轮廓区域;然后对圆形轮廓进行基于梯度算法的轮廓查找、极坐标变换展开,使用基于连通域的方法对待检测区域实现字符区域定位,重复使用该方法分割单个字符图像;最后基于卷积神经网络识别算法对分割后的...     

基于深度学习与图像处理的废弃物分类与定位方法

针对现有人工垃圾分类工作环境恶劣、自动化程度差等问题,提出基于深度学习与图像处理的废弃物分类与定位方法,为智能分拣提供理论依据.建立基于Inception模块与残差单元,搭建改进的卷积神经网络废弃物分类模型,预测目标物体种类.针对复杂环境采集到的图像,利用图像处理算法对图像降噪、阈值分割、边缘检测,有效提取目标轮廓信息,并结合质心定位算法实现废弃物准确定位.实验结果表明:该方法中废弃物分类模型预测准确率可达88.8％,基于轮廓信息的质心定位算法可以准确定位目标,具备较强的废弃物分类与定位能力.