基于机器视觉的薄带铸轧熔池液位识别方法

为解决薄带铸轧熔池液位难检测的问题,研发机器视觉识别熔池钢水液位的方法.利用线阵CCD下熔池钢水与铸轧辊灰度值有明显差别的图像特征,建立熔池液位的机器视觉检测系统.利用所选线阵相机采集图像速度快的特性,提出基于时间建立熔池液位图像原型的方法,建立了以滤波处理、二值化处理和边界识别为核心的熔池液位视觉识别模型.使用建立的系统和模型在实验室铸轧机和感应加热炉上进行了测试实验,结果表明:所建的熔池液位视觉检测系统和识别方法具备可行性,具有较高的检测精度和较快的检测速度,能够满足工业生产需要.     

基于高斯混和模型与Blob分析的人手定位

在基于机器视觉的手势识别研究中,手势分割与定位是关键技术。本文在分析肤色的颜色特征和人手运动特性的基础上,提出了一种在视频图像序列中实现手势分割和定位的算法。首先结合肤色检测技术和基于高斯混合模型的运动目标检测技术,获得了图像序列的初始手势区域,之后利用Blob技术实现了最终手势的分割和定位。实验结果显示,该方法具有较高的分割和定位准确度。     

基于机器视觉的微小零件表面缺陷检测研究

针对人工检测微小零件表面缺陷存在的不足,提出一种基于机器视觉的微小零件表面缺陷检测方法。首先分析微小零件检测内容的特点,通过机器视觉专用软件HALCON提供的图像滤波、阈值分割算子提取缺陷区域,并设计了一种自动选择平滑滤波尺寸与阈值的最优取值算法,再采用改进的边缘检测算法准确提取表面的边缘位置,将图像以边缘为界分割成不同的区域,运用区域形态学方法对候选缺陷进行筛选,最后使用区别特征实现缺陷分类与标记。实验结果表明,该方法能够稳定的进行微小零件表面缺陷的识别与检测,缺陷识别率达到97.05%,达到预期检测目标。     

交警手势的图像处理与识别

提出了一种基于交警手势识别的交通灯控制方法.该方法首先对彩色摄影机采集的交警手势图像进行预处理,包括彩色图像平滑、彩色图像增强;其次利用边缘检测和图像分割方法对目标图像进行分割,由于图像受噪声干扰严重,采用Sobel算子消除噪声;再次将分割得到的目标轮廓进行表示与描述,为图像的识别作好准备;最后结合图像的轮廓特征对图像进行识别,采用了模糊模式识别方法.试验结果表明,该方法能够实现对交警手势准确的识别.     

一种几何约束目标识别方法

针对复杂背景中有几何形状且可分割的目标图像,本文提出了一种以方向编码进行抗旋转匹配,结合几何约束进行目标识别和分类的进行目标检测的方法.首先对图像分割,获得连通区域并进行标记后,对各标记块进行基于模板特征的旋转匹配方法,方法采180个编码矢量进行积相关计算,在标记块比较大的情况下,大大减少了传统相关匹配方法的计算量,获取模板最明显特征块在实时图像中的定位;然后根据目标模板各连通区域间的几何依赖关系进行几何约束计算,消除了可区分背景对模板匹配的影响.图像分割采用改进的分水岭方法实现,减少了纹理和噪声对图像分割效果的影响.最后针对目标识别的实际应用对方法的性能和误差进行了分析,给出了实验结果.     

基于链码的分水岭算法在图像分割中的应用

在图像特征提取、识别以及基于特征的图像压缩等领域内,作为关键技术的图像分割方法具有重要的地位。本文首先对基于区域的图像分割技术进行了介绍。然后针对静态位图图像,利用基于链码的分水岭算法对图像进行分割,达到与人视觉系统比较符合的分割结果。     

基于机器视觉的风力机叶片损伤检测系统

针对风力机叶片表面出现的磨损等早期损伤特征现象,传统损伤检测方法存在高成本低效率等问题,设计了一种基于机器视觉和图像处理相结合的风力机叶片损伤检测系统。通过搭建机器视觉实验平台完成风力机损伤叶片图像采集和处理,通过使用HSV进行颜色平面提取,卷积运算、高亮显示操作滤波,选用自动阈值分割方法中最小均匀性度量法进行阈值分割处理,最后通过数学形态学去噪处理,腐蚀、膨胀、开运算等操作完成特征提取,设计了基于LabVIEW的风力机叶片智能图像识别系统,通过对图像处理后的损伤特征识别效果调试,完成性能测试。实验结果表明,基于该算法处理后的图像在设计的识别系统内准确识别率达到92.3%,并对裂纹损伤进行目标测量得到实际长度且绝对误差最大为3mm。该系统满足叶片检损的要求,实现对风力机叶片表面裂纹、轮廓磨损等损伤的图像处理和识别,并对损伤处进行标记、计数和测量,实现无损探伤,为兆瓦级风力机叶片损伤检测提供方法借鉴和图像处理、系统设计的技术支持。     

机器人足球视觉软件的研究与实现

利用颜色信息和序列图像的帧间相关性进行图像分割,完成了机器人和小球的检测和识别,提出了一种图像分割阈值确定方法,并设计和实现了视觉软件。实验结果表明,该视觉软件充分利用了彩色图像信息,处理速度、准确度和鲁棒性均能满足要求,同时,系统运行稳定。     

融合机器视觉的液位控制实验系统设计

将机器视觉技术与传统的过程控制系统深度融合,在水槽液位控制系统基础上增加摄像头、数据采集卡、上位机,结合NI视觉开发模块建立视觉液位测量及控制实验系统。介绍了实验系统的构成,视觉开发模块NI Vision Assistant的功能,以及视觉液位测量过程中图像采集、摄像头标定、图像处理、液位高度提取的方法;设计基于Lab VIEW的PID控制算法,并对实验结果和数据进行分析。视觉液位检测具有较高的精度,扩充了教学内容,推进了新技术在实验教学中的应用。     

高铁轮毂表面缺陷的视觉显著性超像素图像检测方法

针对高铁轮毂表面缺陷实时在线检测问题,提出一种基于视觉显著性注意机制的超像素自适应检测方法。首先采用同态滤波器对缺陷图像进行预处理,去除环境光污染噪声引起的图像亮度分布不均匀问题,构建轮毂表面缺陷图像的谱残差视觉注意模型,之后采用超像素分割算法对缺陷显著性图像进行自适应阈值分割,标记出高铁轮毂表面缺陷的二维空间位置,实现轮毂表面缺陷的边界检测和形态估计。本文方法在高铁轮毂表面缺陷检测实验平台上进行了实验验证,结果表明：该方法能够有效抑制图像分割中的过分割问题,对缺陷的边界信息提取准确,鲁棒性较好。     

基于特征提取的武术散打鞭腿动作视觉图像识别方法

为了提高武术散打鞭腿的动作有效指导性,提出基于特征提取的武术散打鞭腿动作视觉图像识别方法。结合帧片段扫描技术进行武术散打鞭腿动作视觉图像采样,采用边缘特征分割方法进行动作视觉特征表达处理,建立动作视觉图像的边缘轮廓特征分析模型,结合模糊度辨识方法进行动作视觉图像的去模糊度处理,提高动作视觉的输出信噪比,建立动作视觉特征分析和自适应特征提取模型,根据对动作视觉特征提取结果实现对武术散打鞭腿动作视觉图像识别。仿真结果表明,采用该方法进行武术散打鞭腿动作视觉图像识别的准确性较高,特征识别能力较好,在指导武术散打鞭腿动作训练中具有很好的应用价值。     

面向体育训练的人体姿势实时识别研究

为了提高高校体育训练过程中的人体姿势实时识别和检测能力,主要进行了面向体育训练的人体姿势实时识别研究.采用特征提取方法识别人体姿势图像,结合帧片段扫描技术实现高校体育训练过程中的人体姿势图像采样;采用融合边缘轮廓特征分解方法对人体姿势视觉特征表达进行进一步处理,建立人体姿势图像的视觉空间融合度分析模型,结合模糊度辨识方...     

一种基于全景视觉系统的Robocop机器人定位方法

对全景视觉成像原理进行了讨论,提出了一种基于YUV色彩空间的多阈值图像分割和利用三角定位原理实现的机器人定位方法.通过识别全景视觉图像中坐标已知的特征信标,提取信标特征,进而应用几何原理计算出机器人的空间坐标,实现机器人的定位,为机器人导航和蔽障工作奠定了基础,有效地减少了彩色图像分割的计算量,避免了全景视觉图像柱面展开所带来的误差.通过实验证明,本方法能够较精确地实现机器人的定位.     

基于视觉显著特征的人脸图像分割与跟踪方法的研究

将人脑视觉注意机制应用于人脸图像分割与跟踪中,提出了一种基于视觉显著特征的人脸目标分割与跟踪算法.该方法由三步完成：首先通过模拟人脑视觉注意机制迅速而准确地利用颜色、结构、梯度和位置等信息建立人脸显著特征图.其次,基于建立的视觉显著特征图,对人脸图像视觉显著特征进行学习和聚类,最终能够快速而准确地确认和分割出图像中的人脸区域.该方法突破了传统的逐点搜索的限制,通过一个几何模型和眼图模型对图像中的人脸区域进行搜索,大大提高了人脸候选区域搜索标记的效率,减少了后续处理工作.最后,通过分割出的人脸区域得到一个有效的边界特征图,并融合人脸显著特征图对人脸进行跟踪.实验结果表明本论文所提出的基于视觉显著特征的人脸图像分割与跟踪方法能够较有效地分割出人脸.     

计算机视觉检测技术的发展及应用研究

图像分割是图像处理与计算机视觉的基本问题之一，本文就图像分割的具体内容及常见的图像分割方法进行了综述。介绍了计算机视觉技术的研究内容、研究方法，说明了计算机视觉技术在图像采集系统、立体视觉测量系统、汽车车身视觉检测系统及逆向工程中的典型应用，分析了计算机视觉技术发展过程中存在的问题。     

基于分水岭算法的彩色图像分割

在图像特征提取、识别以及基于特征的图像压缩等领域内,作为关键技术的图像分割方法具有重要的地位。文中针对静态彩色图像,利用形态学分水岭算法对图像进行初始分割,并以结合了边缘和区域信息的合并法则进行图像融合,达到与人视觉系统比较符合的分割结果。     

基于形态学优化处理的标记符分水岭矿石图像分割

针对不同形状、颜色的堆积矿石在图像采集时出现粘连重叠、边缘模糊等问题,提出一种形态学优化处理的标记符分水岭算法对矿石图像进行特征识别与边界分割。首先采用双边滤波进行去噪处理,然后通过Canny边缘检测算子梯度化,得到梯度幅值图像;其次采用形态学优化处理,重构堆积矿石的几何特征信息,分割矿石颗粒边缘;最后将图像进行可视化处理,获得彩色矿石颗粒分割图像。在形态学优化处理过程中,通过阈值分割数来寻找结构元素最佳参数,再通过分割率来确定最优结构元素。结果表明,该方法比传统标记符水岭算法分割更精准,且不同结构元素及其参数的变化对矿石分割效果影响较大,分割差异显著,当矩形结构元素长10、宽5时,其分割率最高,为95.68%,分割效果最佳。     

物联网下大区域校园智能视觉特征定位技术仿真

为了解决传统技术易受外界干扰,造成视觉特征存在缺失,影响定位结果,且仅可应用于颜色特征显著的视觉特征定位的弊端,通过SURF法和Euler距离匹配研究了一种物联网下大区域校园智能视觉特征定位技术。通过物联网技术对监控的大区域校园图像进行智能采集,给出物联网视觉传感器分布情况。针对采集图像进行预处理,增强图像干扰抑制能力。把图像当成包,把分割后图像块当成包中的示例,在大区域内为某视觉图像确定最优标注。在此基础上,通过SURF算法对视觉特征点进行检测,利用Euler距离实现物联网下大区域校院智能视觉特征匹配定位。结果表明：所提技术检测特征无显著差异,具有不变性;对白天校园人行道区域进行视觉特征定位,定位误差低;对夜间校园主干道区域进行视觉特征定位,定位误差较白天无显著差异。可见所提技术视觉特征定位精度高。     

基于双目立体视觉和SVM算法行人检测方法

提出了一种基于双目立体视觉和SVM算法的行人检测方法.采用行人样本的头肩HOG特征训练分类器,通过双目视觉系统获取待检测目标左右图像,经过摄像机标定和立体匹配之后,计算图像共轭点的视差生成深度图,以基于距离的阈值分割确定运动目标所在的ROIs,有效去除背景信息;提取分割图像的HOG特征,投入SVM分类器训练得到检测子;加载分类器在前景图像中做多尺度检测,标记检测出来的运动目标.实验表明:该方法能对复杂场景下不同尺度和姿态的行人进行有效检测,具有较高的鲁棒性和检测率,且具有很好的实时性.     

大数据环境下实验室局域网络含噪字符识别模型设计

为了提高大数据环境下实验室局域网络含噪字符的识别能力,提出基于视觉信息增强的实验室局域网络含噪字符识别模型.采用关键特征点提取方法进行实验室局域网络含噪字符的特征检测,进行实验室局域网络含噪字符的边缘轮廓特征检测,结合小波多级降噪方法进行实验室局域网络含噪字符的降噪处理,对实验室局域网络含噪字符的关键特征点进行标记,结合图像信息增强处理技术实现实验室局域网络含噪字符的识别.仿真结果表明,采用该方法进行实验室局域网络含噪字符识别的精度较高,特征分辨能力较好,输出信噪比较高.