基于机器视觉的数控精密磨削加工在线检测系统

针对目前数控精密磨削检测效率低的问题,构建了基于机器视觉的数控精密磨削加工在线检测系统.通过工业CCD相机在线采集被加工工件图像,经去噪、复原等预处理后,提取工件图像的轮廓曲线数据,并实时与设计轮廓曲线进行比较,得到加工轮廓误差,在此基础上,引导工作台进行自动在线补偿,实现工件轮廓精密磨削.实验结果表明,采用该系统能够有效地提高精密磨削加工检测的精度和自动化程度.     

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3 mm。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。     

动态环境下改进五帧差分的运动目标检测新算法

在噪声、光照变化和背景不断变换等动态环境下运动目标检测存在着误检、漏检现象.帧间差分法对动态环境有较强的适应性,但一般只能提取目标的轮廓,不能完全检测出目标,容易产生内容空洞和虚假边缘的现象.为此文中提出一种改进五帧差分法的运动目标检测新算法.该算法首先利用中值滤波对每一帧图像进行去噪处理,然后对去噪后的图像进行文中的五帧运算,最后通过新的动态阈值分割算法和数学形态学处理完成对运动目标的提取.实验结果表明,该算法的运算复杂度较低,可以检测动态环境下的运动目标,大大提高了运动目标检测的准确性.     

基于OpenCV的车辆轮廓检测

为了获得理想的车辆轮廓线,提出了一种基于开源计算机视觉库OpenCV的轮廓检测新方法。首先对图像进行形态学去噪、平滑滤波处理和二值化阈值分割等预处理,获得二值化黑白图像。然后通过轮廓提取和跟踪检测到车辆外轮廓线。在VC++6.0环境下,利用OpenCV编程实现了此方法。由实验结果看出,该方法可以较为理想地获得车身外轮廓线信息,既节省了预处理的时间,也保证了精度。     

利用脊线检测实现视网膜图像血管中心线的精确提取

提出一种精确有效的基于脊线检测的视网膜图像血管中心线提取算法,该算法首先对原始图像进行脊线检测得到候选视网膜图像血管中心线,然后对原始图像进行照度均衡和多尺度形态学增强处理,最后对各个尺度增强图像在视场ROI区域内进行Otsu双阈值分割或单阈值分割,并将各个尺度的分割结果求和再与脊线检测结果算术相与得到最终的血管中心线。通过对25张荧光造影视网膜图像以及部分彩色视网膜图像进行测试和分析,该算法不但能够检测出低对比度血管和微小血管的中心线,而且提取的血管中心线整体连续性好。将文中算法的结果与血管手动分割血管的细化结果进行比对分析,中心线吻合率平均达到83.5%,且算法性能优于Hoover算法以及保守专家手动检测结果。     

基于稀疏成像与机器视觉的金寵材料次表面缺陷检测方法

传统方法缺陷区域的轮廓边缘存在断续,缺陷定位区域封闭性较差,导致检测识别准确率较低.针对这一问题,提出基于稀疏成像与机器视觉的金属材料次表面缺陷检测方法.扫描采集材料次表面二维图像,采用均值滤波和高斯滤波,对图像进行去噪处理,分割次表面缺陷的预处理图像,利用机器视觉,定位并合并缺陷区域,提取灰度、形状、纹理缺陷特征,利...     

基于机器视觉的化纤长丝断头检测算法

为实现化纤长丝断头自动化巡检,提高企业生产效率,提出一套基于机器视觉的化纤长丝断头检测系统。检测系统通过工业相机采集长丝图像,并采用小波去噪和阈值分割算法进行图像增强处理;利用霍夫变换实现长丝主体与断头部分的形状分割;基于提取的多个形状特征,建立和训练径向基函数神经网络模型,实现对化纤长丝断头的检测和分类。选取150 tex/36 f规格的POY(pre-oriented yarn)长丝进行试验,结果显示该算法断头识别率超过95%,断头识别时间由人工检测的10² s数量级提升到10^-1 s数量级。     

基于改进k-means聚类算法的车轮踏面损伤检测研究

为提高列车车轮踏面检测效率,设计了一套基于机器视觉的车轮踏面动态检测系统,分析了k-means聚类算法,通过加权欧式距离对该算法进行改进,利用聚类法具有保持最大相似性的特性,将基于加权欧式距离的k-means聚类算法用于机器视觉的图像处理。先对原始图像作图像增强、图像灰度化等预处理,再以特征聚类思想对图像作阈值分割,使图像中的各部分特征更加突出。图像处理结果显示,基于加权欧式距离k-means聚类算法的车轮踏面损伤视觉检测系统可以有效地检测出踏面损伤。     

聚类分析和活动轮廓模型相融合的图像分割算法

针对当前图像分割算法存在的分割误差大、 分割时间长及无法进行在线图像分割的不足, 提出一种基于聚类分析和活动轮廓模型相融合的图像分割算法. 首先, 对原始图像进行去噪处理, 采用聚类分析算法对原始图像进行粗分割, 将粗分割结果作为活动轮廓模型的初始轮廓线; 其次, 将活动轮廓模型根据初始轮廓线对图像不同区域轮廓进行拟合, 实现图像的精细分割; 最后与聚类分析算法、 活动轮廓模型以及当前经典图像分割算法进行对比测试实验. 实验结果表明, 本文算法克服了当前图像分割算法存在的缺陷, 提高了图像分割效率和精度, 对噪声不敏感, 并具有较强的鲁棒性, 图像整体分割效果显著优于对比算法.     

聚类分析和活动轮廓模型相融合的图像分割算法

针对当前图像分割算法存在的分割误差大、 分割时间长及无法进行在线图像分割的不足, 提出一种基于聚类分析和活动轮廓模型相融合的图像分割算法. 首先, 对原始图像进行去噪处理, 采用聚类分析算法对原始图像进行粗分割, 将粗分割结果作为活动轮廓模型的初始轮廓线; 其次, 将活动轮廓模型根据初始轮廓线对图像不同区域轮廓进行拟合, 实现图像的精细分割； 最后与聚类分析算法、 活动轮廓模型以及当前经典图像分割算法进行对比测试实验. 实验结果表明, 本文算法克服了当前图像分割算法存在的缺陷, 提高了图像分割效率和精度, 对噪声不敏感, 并具有较强的鲁棒性, 图像整体分割效果显著优于对比算法.     

基于角检测方法的船只检测

为了更好地检测停在港口岸上的船只,提出了一种角点及角度检测方法,以用于对前端有尖角的船只检测.该法以图像在某一点的极坐标变换为基础,将梯度图像的灰度值在每个方向上叠加,再检测累加值最大的两个方向,得出两个方向上分别的累加值和方向角,再通过一个权值计算公式来设定该点为角点的可能性.结合高斯平滑,该方法能方便地找出不同尺度的角点,及其对应角度的位置,从而有效检测出船的前端点及船的方向,进而确定船的位置.该法克服了其他方法无法分割出停在岸边的船的缺点,对船只的检测提供了值得借鉴的经验.     

基于行为检测的窃密型木马检测研究

针对窃密型木马伪装技术不断发展,窃密型木马检测难度越来越高的现状,提出基于行为检测的窃密型木马检测方案.通过对常见窃密型木马通信机制建模分析,构建窃密型木马的几种通信模式.为了提高窃密型木马检测精度,以窃密型木马通信行为特征,设计了基于完整会话的窃密型木马检测方案.通过对500组实验数据测试表明,笔者设计的窃密型木马检测方案漏检率为6.8％,误报率为2.7％,优于传统的木马检测方案.     

具有双重检测机制的图像篡改检测算法

针对单一基于相关性的图像篡改检测算法难以同时解决虚警和漏检的缺陷,提出一种具有双重检测机制的图像篡改检测算法——第一重检测利用待测图像各区域的相机指纹是否与参考相机的指纹具有相关性来确定疑似篡改图像块;第二重检测从疑似篡改图像块中抽取特征,送到训练好的支持向量机(SVM),由基于图像特征的SVM对其分类,把误判块和真实篡改块区分开来.实验结果表明,该算法优于经典的单一基于相机指纹相关性的篡改检测算法.     

基于目标检测的激光雷达道路边缘检测算法

道路边缘检测是自动驾驶车辆环境感知的重要组成部分,有效地从点云数据中提取道路边缘信息,有利于进行目标检测以及可行驶区域检测。针对点云道路边缘检测问题,提出了一种考虑车辆等道路参与者对道路边缘检测带来干扰的解决方案。首先,采用地面点云分割算法,将原始点云分割成地面点云和非地面点云;其次,根据车辆等道路参与者的固有特性,采用点云聚类算法对点云进行聚类,并将符合车辆等道路参与者特性的非地面点云进行滤除;再次,根据道路边缘点云在二维平面内,能够有效地遮挡激光发射中心点与非道路边缘点之间的连线,从而提取道路边缘点云;最后,采用随机抽样一致性(random sample consensus, RANSAC)算法对道路边缘点云进行多项式拟合,并使用扩展卡尔曼滤波器对道路边缘进行跟踪。实验结果表明,所提点云道路边缘检测算法能够消除车辆等道路参与则对点云道路边缘检测的影响,且算法满足实车实时性和鲁棒性要求。     

基于边缘检测和小波分析的布匹瑕疵检测方法

针对常见的布匹瑕疵检测方法对破洞、油污检测不敏感的缺点,提出了一种将图像边缘检测和小波分析相结合的检测方法。该方法根据瑕疵边缘变化的差异,通过改进的Canny算子提取布匹边缘特征,识别出油污;选用最佳小波对非油污图像分别在水平、垂直方向进行三层分解,提取水平和垂直方向高频图像的特征值(能量、方差和极差),得到图像纹理频谱相应特征值的分布情况;对特征值归一化并设置相应的阈值,即可得到不同的特征向量,从而实现对断经、断纬和破洞的实时检测。实验表明,该方法的检测速度快,准确率高,可以满足检测要求。     

微波增强红外探测技术在地雷探测中的应用

针对传统地雷探测方法的不足.该文提出了1种利用微波增强红外探测技术进行非接触式地雷探测的新方法,分析了微波照射引起土壤温度变化的原因,分别利用2450 MHz和915MHz的微波源照射浅埋的铝块,获得了不同土壤湿度和埋藏深度下的目标红外图像,证明了该技术用于浅埋地雷探测的可行性,同时表明:目标的埋藏深度和土壤湿度与探测难度成正比,其中土壤湿度对探测结果影响较大.     

基于图像边缘检测方法的暂态电力扰动检测

应用数字图像边缘检测理论,提出了基于数学形态学的暂态电力扰动检测和时间定位方法.该方法根据正常情况下和扰动情况下电力信号变化的不同特点,采用图像边缘检测算子获取电力扰动发生时信号"阶梯变化"产生的奇异点,并采取形态滤波、优化采样频率和结构元素长度等措施抑制信号噪声和正常情况下信号"斜坡变化"对扰动检测的影响,提高检测灵敏度.算法实现简单,计算量小,定时精度高,实时性好,对硬件要求低.对多种常见暂态电力扰动的仿真检测,验证了所提方法的可行性和有效性.     

一种改进的边界扫描的路面裂缝检测算法

针对路面图像噪声较多、目标裂缝跟踪难等问题,分析对比了几种传统的经典边界扫描方法,如Sobel、Canny等算法,并根据路面裂缝图像的特点,提出了基于绝对梯度值的Sobel改进方法,使得边缘信息得到加强、减少了噪声以及伪边缘。经过后续图像的处理,能够较好地跟踪识别路面图像的裂缝信息。     

基于小波奇异性检测的电力系统故障检测

为了解决大容量发电机组和超高压输电系统的相继投入运行使电力系统输电距离增大、负荷加重、故障暂态过程中的暂态分量增加、持续时间变长等问题,在分析电力系统故障特性的基础上,将小波信号奇异性检测理论运用于电力系统故障检测中,给出一种新颖的故障检测算法。在原故障检测判据基础上,提出新的补充判据。仿真研究表明,该算法可快速、准确、有效地检测故障,其检测时间可达0.4 ms。     

图像目标检测算法研究

论述了一种图像目标检测算法。利用区域PCA对图像进行变化,用低维子空间描述高维空间中的图像。将低维子空间中的向量加载到BP网络的输入端进行训练,调整神经网络权值。然后利用建立起来的BP网络对图像中的目标进行检测;并且在此过程中,建立多种训练的目标库和背景库。最后编写了一个实现整个系统的软件,将图像输入软件,根据神经网络检测,输出端即可得到识别结果。