磁瓦表面夹层缺陷的检测和识别方法

为了改变目前以目视为主的磁瓦缺陷检测现状,应用计算机视觉技术检测与识别磁瓦缺陷.首先,应用图像剪切技术获得需要检测的部分;然后,应用Laplacian算子和Wiener滤波器进行图像锐化和滤波去噪,选择相应的阈值进行图像二值化;最后根据白色区域的面积和周长与给定的阈值进行比较,实现夹层缺陷的检测.MATLAB仿真实验验证了算法的有效性.     

基于卷积神经网络的磁瓦缺陷检测研究

针对磁瓦缺陷种类多样性及无法准确描述其缺陷的问题,提出一种基于卷积神经网络的缺陷检测方法。构建缺陷类型的数据集,并对数据集中的图像进行预处理;设置卷积神经网络模型参数,训练缺陷分类器;通过训练结果完成对缺陷图像的识别并标注缺陷类型。实验结果表明,该方法检测的准确性和实时性均优于传统检测方法,具有非常好的鲁棒性,为工业生产的实际应用提供了可靠的依据。     

基于MAS小波变换的数字图像轮廓提取算法

轮廓提取在许多智能视觉系统中(特别是在模式识别中),被认为是非常重要的过程。图像轮廓提 取首先要进行边缘检测,然后提取阶跃结构的边缘,这2个步骤一般情况下是分开进行的。介绍的尺度独 立算法是建立在多尺度分析与MAS小波变换理论的基础上,并结合数学上描述函数奇异性的Lipschitz 指数知识,它不仅能根据梯度方向上的局部最大振幅有效进行图像边缘检测,还能根据MAS小波变换后 的图像梯度向量振幅与变换尺度的无关性,提取出作为图像轮廓的阶跃结构边缘,并能有效消除噪声。     

基于MAS小波变换的数字图像轮廓提取算法

轮廓提取在许多智能视觉系统中(特别是在模式识别中)，被认为是非常重要的过程。图像轮廓提取首先要进行边缘检测．然后提取阶跃结构的边缘，这2个步骤一般情况下是分开进行的。介绍的尺度独立算法是建立在多尺度分析与MAS小波变换理论的基础上，并结合数学上描述函数奇异性的Lipschitz指数知识，它不仅能根据梯度方向上的局部最大振幅有效进行图像边缘检测，还能根据MAS小波变换后的图像梯度向量振幅与变换尺度的无关性，提取出作为图像轮廓的阶跃结构边缘，并能有效消除噪声。     

基于注意力密集连接Unet的磁瓦表面孔洞和裂痕缺陷分割算法

针对检测磁瓦孔洞和裂痕时容易丢失缺陷特征等问题,本文在Unet网络的基础上添加注意力模块CBAM来提取更受关注的特征,并在Unet网络的编码部分使用密集连接来充分利用特征.同时,为了减少Unet网络的过多池化下采样操作导致小物体特征消失,还使用膨胀率为[1,2,5,1,2,5]的混合空洞卷积取代池化操作.最后设置加权交叉熵损失函数解决磁瓦数据集当中样本分布不均的问题.实验证明,本文算法在磁瓦孔洞和裂痕缺陷分割时,MIoU分别提高了2.696%和2.739%,Dice系数分别提高了3.342%和2.602%.本文算法在一定程度上提升了磁瓦缺陷分割精确度,还改善了Unet网络边界分割模糊等问题.     

基于小波变换的物体轮廓缺陷图像检测研究

提出将二维物体的轮廓图像坐标信息转换成基于质心距离的一维向量信息来进行检测.并设计了基于双正交对称小波的去噪算法.实验结果表明,这种算法可以有效地去除噪声信号和缓变信号,保留缺陷的突变信息,是一种有效和实用的轮廓缺陷检测算法.     

基于多子波包变换的码分多址方式

提出了一种基于多子波包变换的直接序列码分多址(DS-CDMA)方式,结合异步传输和多径信道,进行了理论分析.仿真实验结果表明,该方式对抑制异步传输和多径延时带来的多址干扰是有效的.     

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.     

基于支持度变换的水平集人脸轮廓提取方法

提出了一种新的人脸轮廓提取方法,该方法将水平集与支持度相结合.首先将人脸图像进行支持度变换得到支持度图像,在此基础上,用支持度图像计算几何活动轮廓模型的边缘指示函数,在演化过程中先选取参数较小的边缘指示函数,使得边缘指示函数对眉毛不敏感,演化曲线过眉毛后选取参数较大的边缘指示函数,使得演化正确收敛于人脸轮廓.实验结果表明该方法的人脸轮廓提取效果较好,收敛速度快.     

基于小波变换及GVF模型的SAR图像轮廓提取算法

给出一种基于小波变换及GVF模型的SAR图像轮廓提取算法.首先,对SAR图像进行预处理,分割出可能的目标片;其次,利用小波多尺度分析滤波和基于梯度矢量流的主动轮廓模型进行边缘点的连接,得到真实轮廓.实验结果表明该方法能较好地提取SAR图像的轮廓.     

基于ISODATA算法的漏磁信号到缺陷轮廓的网络映射

由于漏磁信号与缺陷轮廓的非线性关系，由管道漏磁信号描述管道缺陷的几何特征一直是管道漏磁检测的难点．本采用小波基函数神经网络的方法，建立了由管道缺陷的漏磁信号到缺陷截面轮廓图的网络映射．算法中应用迭代自组织数据分析(ISODATA)动态聚类的算法使得基函数中心的选取更加合理，经过多层分辨率的训练．网络输出表明，该网络可以较准确反映出缺陷的几何特征，为管道缺陷的特征提取提供一种可行的方法。     

基于机器视觉的陶瓷瓦表面鼓包缺陷检测算法研究

针对陶瓷瓦表面鼓包缺陷自动化检测的需要,本文提出了基于机器视觉的表面鼓包缺陷检测算法。首先,对陶瓷瓦图像进行预处理,降低噪声。其次,通过自定义滑动滤波、线性中值滤波、插值低通滤波处理来提高鼓包与背景对比度,再采用阈值分割方法及形态学方法将鼓包区域提取出来。最后,通过特征提取得到缺陷信息。实验结果表明,该算法可以实现陶瓷瓦复杂表面的鼓包缺陷的检测,准确率达93%,能够将其应用于陶瓷瓦表面鼓包缺陷检测的生产实践中。     

基于Hermite样条轮廓模型的图像轮廓提取

提出了一种采用Hermite样条曲线拟合方法与主动轮廓模型相结合的方法．采用Hermite样条轮廓曲线作为描述主动轮廓线的基函数，给出了这种轮廓模型的能量表达式，利用动态规划技术实现能量最小化的优化过程．采用传统的主动轮廓模型与本文方法分别对两幅颅脑图像中的病变区域提取轮廓，对比实验结果表明，采用Hermite样条轮廓模型可以取得更加令人满意的效果．     

基于二维傅立叶变换轮廓法的织物表面形态测量研究

提出一种基于交叉光轴投影光栅系统和非移频的二维傅立叶变换轮廓测量方法,结合数字加权滤波和可靠度排序的解调技术,获取织物表面变形后的三维轮廓数据,并给出了几种织物面形测量的实例。     

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%.     

基于图像处理的钢筋轮廓提取方法

给出了传统的钢筋轮廓提取方法的Matlab程序和仿真图像,然后提出用Radon变换法对有断点、不连续的钢筋轮廓进行重构,得到连续且单像素宽的轮廓.仿真结果表明这种方法的有效性.     

基于图像处理的刀具边缘轮廓提取

本文介绍了利用图像处理技术提取刀具边缘轮廓的方法。主要包括图像的采集、预处理、二值化、边缘检测及轮廓提取等。讨论和比较了几种常用的边缘检测算法。通过实例验证,本方案有良好的抗噪声性能,能准确提取刀具边缘轮廓。     

基于弹性模板的嘴巴轮廓提取

本文提出了一种改进的更符合唇形的嘴巴弹性模板，结合一组利用了原图像灰度信息，边缘及谷值区域信息的能量函数，对微张或抿紧的嘴巴都能使模板与其很好匹配．此外，本文提出的保守的能量下降算法及归一化能量函数简化了经验参数的选择．实验结果证实了本方法的正确性及有效性．     

基于分水岭变换和主动轮廓模型的舌体轮廓图像分割

舌体轮廓的图像分割是计算机辅助舌诊系统进行图像分析的前提条件.提出了一种基于分水岭变换和主动轮廓模型相结合的自动轮廓分割算法.采用了分水岭变换的结果作为主动轮廓模型算法的初始曲线.在分水岭变换中,通过引入标记函数和强制最小值技术解决了传统分水岭变换可能导致的过分割问题;同时,在保证分割质量的基础上,通过降采样的方法来提高分割速度.算法对678例临床舌像进行了分割,正确分割率为96.9%.