一种基于机器视觉的螺纹缺陷检测方法

针对目前螺纹检测精度较低,在线检测实现较难的问题,提出了一种基于机器视觉的螺纹缺陷检测方法.通过工业CMOS相机在线采集螺纹零件图像,经图像预处理、二值化后,进行螺纹的边缘提取及缺陷检测等.该算法由Matlab编程实现.实验结果表明,该螺纹缺陷检测方法能有效识别无螺纹、少螺纹、螺距不规则等外观缺陷,且一个螺纹的检测时间在300ms以内,满足检测要求.     

基于层内相关性的小波相位边缘检测

图像的边缘检测是提取图像信息的主要方法,是计算机视觉和图像识别的基础,传统的边缘检测大都是基于各种算子的,这些算子在检测边缘的同时特别是对含噪图像的边缘检测难以达到理想的效果.充分利用小波变换的特点,提出一种基于层内相关性的小波相位边缘检测方法,利用小波变换后边缘点与周围局部范围内各点在相位上的相关性提取边缘.实验结果表明,本文方法在很好的检测出边缘的同时,并有较强的去噪功能.     

基于复合边缘检测算子的焊缝边缘提取方法

根据对焊接过程中采集的图像特征分析,提出了一种基于复合边缘检测算子的焊缝边缘提取方法,即通过Sobel边缘检测算子对焊缝区域进行锁定,然后采用Canny边缘检测算子对焊缝的上下边缘进行精确定位.结果表明,该方法能够有效去除焊接过程中弧光等因素对焊缝提取结果的干扰,得到快速稳定的结果.     

基于小波变换的多尺度图像边缘检测算法

针对边缘检测算子的抑噪能力和定位精度之间矛盾,提出了一种基于B样条小波变换的边缘检测方法.首先对图像进行小波多尺度分解,在每种尺度下分别提取图像边缘;而后利用边缘信息的多尺度特性,融合多尺度边缘得到了单像素宽边缘.通过计算机仿真对该方法进行验证,实验结果表明该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,效果优于传统的边缘检测算法.     

Hough变换边缘参数提取算法

研究了一种目标物体边缘参数的提取算法，霍夫变换是图像处理和计算机视觉过程中常用的一种方法，用来在图像中提取目标边缘，文中提出一种新的算法以提高霍夫变换的边缘参数的检测能力，并用迭代中值滤波来完成直线边缘的定位，计算机仿真结果显示这种算法的有效性。     

扩展数学形态学边缘提取在CT图像的应用

计算机断层扫描（CT）是在医学疾病判断中用得最为广泛的诊疗手段之一.CT图像边缘提取的质量对医生在临床诊断中的正确率产生重要的影响.而传统的图像边缘检测算子受噪声等因素干扰较大,所以并不适合对CT图像进行边缘提取.本文提出一种扩展数学形态学运算方法,实验结果表明该方法不仅能有效地检测图像边缘,并且具备相对较强的抗噪声性能和很强的抗边缘间相互影响能力,从而为医生对病患做出正确的诊断提供了可靠的依据.     

基于小波变换的齿轮图像边缘检测

在基于计算机视觉技术的齿轮测量中，齿轮图像中的边缘信息是极为有用的，它是进一步进行齿轮图像分割的基础，直接影响到齿轮几何参数测量结果的正确性和可靠性。传统的边缘检测算子大都是基于边缘的灰度不连续性利用梯度局部最大值或二阶导数过零点来检测边缘，容易受噪声干扰。文中采用图像的多尺度小波变换局部模最大值进行边缘检测。检测结果表明，此方法降噪能力强，定位精度高，克服了传统方法的缺点。     

基于层间相关性的小波边缘检测

在计算机视觉系统当中，图像边缘检测占据着重要位置．图像成像过程中，噪声、畸变等因数引起图像细节模糊，如何有效提取图像边缘成为一个不断探索的课题．众所周知，采用Sobel、LapLacian边缘检测算子尽管能够有效地去除噪声的干扰，但是破坏了图像边缘细节．基于此，本文提出了一种基于层间相关性的小波边缘检测．在不同层间，如果低分辨率下的父系数绝对值大，则在高分辨率下四个相应的子系数的绝对值可能性也大，则其所代表地图像边缘信息可能性越大．因此，采用基于层间相关性的小波边缘检测算法既有效地去除噪声的干扰，又保留了图像边缘细节．     

基于小波变换的多尺度图象边缘检测

边沿作为图像视觉的最主要特征 ,成为图像信息获取的重要内容 .而小波变换具有检测局域突变的能力 ,而且可以结合多尺度信息进行检测 ,因此成为图像信息边缘检测的优良工具 .基于信号与噪声在不同尺度下小波系数模的变化特征 ,利用小波变换系数模局部极大值来提取图像的边缘特征 .实验结果说明这种特征提取方法不仅有效地降低了噪声 ,而且也能较准确地提取图像的边缘及降低计算量 .     

基于相容粒的彩色图像检索算法

图像特征的提取与表达是图像检索技术的基础,而图像边缘是重要的视觉感知信息,由此提出一种基于相容粒度空间模型的图像检索方法.首先利用Canny边缘检测算子提取原始图像的彩色边缘信息,然后使用相容粒的合并计算方法对图像边缘颜色进行动态量化,根据得到的信息粒计算图像之间的相似度并进行图像检索.仿真实验表明,本文算法与传统颜色...