改进均值漂移算法的焊缝特征点识别分析

对于线结构光视觉传感的焊缝跟踪系统,快速、精准地识别和提取焊缝特征点是关键.根据结构光条纹线在焊缝处的变形导致的条纹不连续现象,对不锈钢平板对接焊缝和搭接焊缝进行了跟踪试验,提出以改进的均值漂移算法提取焊缝特征点的算法.与传统算法不同,所提算法免去了提取条纹中心线与拟合条纹线过程,直接通过漂移识别焊缝特征点;通过限制漂移算法的搜索方向,防止搜索"回漂"现象;引入漂移加速因子,提高算法执行效率.试验结果表明,利用改进均值漂移算法能够有效地识别焊缝特征点,显著地提高焊缝跟踪的准确度和实时性能.     

基于光流法的运动目标检测与跟踪算法

选用Harris角点作为跟踪对象,将尺度空间引入角点检测,提取特征尺度上的Harris角点,并进行曲率非极大值抑制,滤除"伪角点",提高角点检测对尺度变化的抗扰能力.跟踪算法选用结合图像金字塔的光流法,迭代计算光流,并提出基于光流误差的跟踪算法,即用不同时间流的运动轨迹在同一帧图像的误差来衡量运动跟踪情况,避免跟踪点因被遮挡、消失或者纹理特征发生变化而导致跟踪失败.通过对不同视频图像进行检测的结果证明基于改进的角点提取和图像金字塔的光流法具有良好的跟踪效果,引入光流误差可以有效地滤除跟踪失败的特征点,准确估计运动目标的位置.     

基于k-近邻分类匹配的虹膜识别技术与应用

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据,与其他生物特征识别相比,具有更高的可靠性.虹膜识别系统包括虹膜图像采集、虹膜图像预处理、特征提取、匹配与识别等部分.该文提出一种基于k-近邻分类器虹膜识别方法,该方法先对虹膜图像进行定位、归一化和增强等预处理,利用Gabor滤波实现虹膜纹理特征的提取,再用k-近邻分类器进行匹配,达到了识别的目的.实验结果表明,该方法是可行的.     

基于Gabor特征和局部二值模式融合的纹理图像识别

传统的Gabor滤波方法和局部二值模式(Local Binary Pattern,LBP)算法提取的纹理特征鉴别能力不足,导致纹理识别精度不够理想.为了解决上述问题,提出一种将全局Gabor特征和局部LBP特征进行融合的纹理图像识别方法.该方法利用Gabor滤波方法提取纹理图像的全局特征,利用LBP算法提取纹理图像的局部特征,然后在最近子空间分类器的框架下实现全局和局部特征的融合以及纹理图像识别.在CURe T和KTH-TIPS基准纹理库上的实验结果表明,笔者提出的方法显著超越了传统Gabor滤波方法和LBP算法的纹理识别精度.     

双阈值法地面激光点云强度图像边缘提取

在扩展目标激光测距方程的基础上,根据扫描仪的辐射机制,分析了利用强度图像进行点云边缘提取的可行性及强度图像中非边缘点、边缘点及噪声点的八邻域特征.根据各类点的八邻域特征,提出了一种双阈值判别准则,用于提取强度图像中的非边缘点、边缘点与噪声点.根据判别结果:对非边缘点与噪声点进行中值滤波;对边缘点,其灰度值保持不变.最后利用Canny算子对滤波后的强度图像进行边缘提取,并通过实验对该方法进行了验证,对不同的双阈值选取结果进行了讨论分析.实验结果表明:利用原始激光强度图像可有效实现地面激光点云的边缘提取,双阈值法不仅能去除点云强度图像中的椒盐噪声,同时能保证边缘提取的精度.     

基于组合激光结构光的视觉传感器检测算法及图像处理流程优化

基于激光结构光的视觉传感器广泛应用于焊接领域的坡口检测和焊缝跟踪。该文提出了一种基于组合激光结构光的新型视觉传感器,独特的光路结构设计避免了传感器应用于不同焊接位姿时繁琐的外参数标定,仅依靠传感器内部固有参数(应用前需校准)和焊接坡口图像的特征点坐标值,即可实现焊接坡口参数的在线检测,有效增强了传感器的适应性。通过对不同图像处理算法的改进和合理组合,对图像处理流程进行了优化。动态感兴趣区(region of interest,ROI)区域提取算法可快速寻获有价值的激光线和特征点所在区域,有效提升了后续图像处理速度;顶帽变换与自适应二值化组合,在将激光线灰度值均匀化的同时,实现了激光线与背景图像的有效区分。运用基于LOG(Laplacian of Gaussian)算子的边缘识别算法,可提取出激光线的单像素边缘;采用最小二乘法对所求得的激光中心线离散点进行直线拟合,通过联立直线方程求交点的方式,实现了对焊接坡口特征点图像坐标值的准确识别。借助Visual Studio平台,运用改进的图像处理算法、优化的图像处理流程和检测算法,对特征参数不同的V形焊接坡口进行检测试验,检测误差均在±4%以内,验证了所提出视觉传感器及其检测算法和图像处理流程的合理性和适用性。     

强弧光干扰下焊缝结构光图像跟踪信息获取

利用激光结构光进行焊缝跟踪时,在存在强弧光干扰的情况下稳定地获取跟踪信息是非常关键一个问题.采用模板匹配的方法实时地计算得到当前图像中的感兴趣区域,并且利用重心法结合改进的一维Kalman滤波的方法准确的提取出强弧光干扰下感兴趣区域内激光结构光的中心线,最后利用中心线上各点的横坐标计算加权系数对纵坐标进行加权累积,稳定并且准确地获得了能够体现出整条结构光变化的跟踪点信息.实验表明,该文提出的算法具有很强的抗干扰能力,可以在实际的焊缝跟踪系统中得到应用.     

焊缝图像边缘线提取的一种有效算法

基于机器视觉智能焊接自动化,提出了一种有效的焊缝识别算法.通过对图像进行滤波、图像锐化、二值化增强,以及针对二值化后的图像以形态学滤波方法进一步滤除图像中的孤点噪声等方式,采用Roberts边缘算子提取出焊缝图像的边缘,并利用骨架运算提取.在预处理和检测时都使用感兴趣区域.结果表明,该算法具有良好的实时性、可靠性和鲁棒性.     

基于MRF与纹理特征的图像深度信息估计

提出了一种基于马尔科夫随机场(MRF)模型与多尺度纹理特征的单幅图像深度信息估计方法,该方法采用了Laws滤波器分别对图像的边缘、梯度、点进行滤波,捕捉二维场景图像中不同尺度的纹理能量以获得深度信息的特征.并根据纹理特征在不同尺度范围的不同值,计算出纹理线索与场景深度间的概率关系,在此基础上,构建MRF概率模型.MRF模型通过分析邻域系统和设计迭代准则很好地描述了纹理特征与场景深度之间的关系,最后通过迭代算法获得二维场景图像的深度信息.实验结果表明,该方法对场景深度信息的提取具有较好的效果,对于二维场景图像的场景结构、空间布局的约束较少,算法鲁棒性好.     

基于纹理和梯度特征的多尺度图像融合方法

该文提出一种基于纹理和梯度特征的多尺度图像融合方法。采用纹理提取滤波器和边缘梯度滤波器模板分别对每层Gauss金字塔进行滤波,生成多尺度纹理和边缘图像,使得多分辨率变换域中能够将原图像中的纹理信息包含进来,从而为进一步融合提供更全面的信息量度。采用该文所提出的方法对红外与可见光图像进行融合仿真,并且与具有代表性的融合方法进行了比较。实验结果与图像融合质量评价显示了该文所提出方法的优越性。     

基于边缘方向和梯度的图像特征匹配算法

主动形状模型(Active shape model,ASM)是一种基于统计参数化的图像特征匹配算法,它主要应用于提取图像的特征点.在分析传统方法不足的基础上,提出一种基于改进主动形状模型的图像特征匹配新算法.传统的ASM直接采样灰度值信息建立局部纹理模型,灰度值对光照、姿态等因素是非常敏感的,常会带来较大匹配误差或者导致模型匹配失败.采用基于每个像素的边缘方向和强度来代替灰度值,改进的表示方法是利用边缘方向和强度的信息去建模,并且加入了边缘结构的方向和强度.改进的表示方法增加了纹理表示的边缘特征,边缘特征能有效地让模型收敛到图像的外轮廓,当外轮廓精准匹配后可以有效抑制和促进图像内部特征点定位更加准确.实验结果表明,改进的方法可以有效提高模型的匹配精度.     

边缘点颜色分布结合车牌自身结构的车牌检测

提出了一种基于边缘点颜色分布结合车牌自身结构的二次车牌定位方法。首先,根据牌照区域的纵向纹理特性,提取灰度图像的竖直边缘突出车牌特征,然后计算边缘点的颜色分布,滤除不满足车牌特定颜色搭配的背景边缘点,最后通过形态学运算、滤波、矩形区域覆盖等得到候选目标。在验证模块中,依据车牌的结构特征对候选区域进行验证分类,最终确定车牌位置。本文对实际收集的样本车牌图像进行试验,结果表明,算法对车牌目标定位具有较高的准确率。     

图像分割方法在焊缝跟踪过程中的应用

为提高焊缝超声波探伤的实时跟踪,提出将图像分割方法应用于白线跟踪法和激光跟踪法两种不同焊缝跟踪系统中。一种是采用Hough变换边缘检测法对检测图像中的目标边缘进行提取,另一种是利用区域增长法对检测图像中的目标区域和背景区域进行有效区分,这两种方法都能很好地提取出图像中的目标特征信息。仿真结果表明,两种图像分割算法在焊缝跟踪过程中能够准确地识别出焊缝的特征信息,确保跟踪系统的实时性。     

基于激光视觉的多层多道焊接坡口特征点提取方法

多层多道自适应焊接一直是实现中厚板焊接自动化的难点.文章研究了多层多道焊焊接坡口特征点提取方法,通过对焊接坡口激光条纹图像特征分析,首先采用中值滤波去除图像噪声,利用阈值分割和重心法提取激光条纹中心线,然后经过中心线拟合直线求交点和逐列搜索对比获取焊接坡口轮廓的四个拐点,为后续多层多道自适应焊接提供了可行性技术途径.     

采用先验知识的边缘提取算法

针对传统的边缘提取算法,在提取边缘时,不完整、不连续,尤其在高噪声情况下,无法提取图像边缘等问题,提出一种基于先验知识的边缘提取算法.首先,学习与待边缘处理图像有相似纹理信息的图像,获得先验知识,对噪声图纹理进行修复;然后,再利用局部均匀稀疏度方法强化细节特征,弱化背景特征;最后,检测出图像边缘,达到提取图像边缘的目的...     

基于滤波的单幅图像去雾方法

基于Tarel方法提出一种新的基于滤波的单幅图像去雾方法. 先利用双边滤波求出初始的大气散射光, 较好地保持了边缘平滑纹理; 再利用自适应中值滤波器进一步求得边缘清晰、 纹理平滑、 景深信息真实的大气散射光; 然后基于分层搜索的四叉树分解方法求得大气光; 最后, 依据雾天退化模型得到复原的图像. 与经典去雾算法对比结果表明, 使用该方法复原的图像更接近真实图像, 特别对于纹理较丰富的区域和远景区域去雾效果更明显.     

基于共生矩阵和颜色特征的泡罩包装缺陷检测

提出了一种基于视觉的泡罩包装缺陷检测方法．首先将表面图像分成泡罩区和底板区两部：令．在泡罩区先采用基于HIS颜色空间的合成颜色特征矢量提取出药片边缘,计算药片属性,然后采用改进的闵可夫斯基距离法进行药片颜色匹配．底板区通过提取基于共生矩阵的纹理特征,采用反向传播神经网络分类器进行缺陷识别,实验证明：泡罩区采用的算法不仅药片边缘定位精度高,而且可有效检测药片的污物、色斑等缺陷;底板区采用的识别算法能够检测各种纹理的复杂缺陷．     

用于路面车辙检测的线结构光图像处理流程

分析了激光线结构光车辙检测原理,提出了适应沥青路面纹理特征和技术状况的线结构光图像处理流程,包括路面横断面曲线提取和车辙特征参数提取.其中路面横断面曲线提取由光心提取、光心连接和光心曲线平滑实现.基于高斯拟合的光心提取用于确定线结构光位置,光心连接用线性插值得到完整的路面横断面曲线,而光心曲线平滑则可削弱路表纹理及其他干扰因素的影响.车辙特征参数提取在获取横断面包络线的基础上实现,最大车辙深度和曲线填充面积均可作为车辙评价参数,而路面横断面曲线也可用于路面横向变形特征的描述.模拟车辙试验表明,线结构光检测可以精确测量车辙深度,提出的图像处理流程具备可行性.     

基于改进边缘检测的钢箱梁疲劳裂纹识别及量化方法研究

钢箱梁内部场景复杂,疲劳裂纹图像识别容易受到背景干扰.针对传统图像处理方法的识别局限性,提出了一种基于改进边缘检测算法的疲劳裂纹识别与量化方法.首先,通过边缘检测算法识别出裂纹特征点,并通过形态学处理提取出裂纹骨架线.其次,采用单目视觉方法进行裂纹的特征量化.通过张氏标定法,建立了相机成像模型,从而将裂纹特征点由像素坐标映射至空间坐标.最终,开展了疲劳裂纹识别与量化试验,将改进边缘检测算法与传统图像处理方法进行比较,并评估裂纹特征量化精度.研究结果表明：改进边缘检测算法通过引入双边滤波函数,可以在抑制焊缝噪声干扰的同时保留裂纹边缘特征,相比于传统边缘检测和自适应阈值分割算法,更适用于钢箱梁识别场景.在试验条件下,疲劳裂纹长度测量误差控制在5%以内.     

基于二值化图像的指纹细节点精确提取方法

针对指纹图像质量较差时,基于灰度图的指纹细节点直接提取方法正确率较低,提出一种基于二值化图像的指纹细节点精确提取方法.该方法首先采用方向滤波增强指纹图像,消除各种噪声,然后在二值化图像上进行脊线跟踪,直接提取细节点.脊线跟踪时,采用平滑和加权联合处理来计算脊线下一跟踪点,并提出一种利用循环扩散方法检测脊线连通性的方法,保证脊线跟踪的正确性.实验结果表明,无论图像质量好坏,该方法提取出的细节点正确率都超过80%,优于灰度图直接提取方法及其改进算法.