基于显著性模型和区域生长法的药卷缺陷检测

针对工业炸药生产过程中药卷表面裂痕的包装缺陷问题,运用机器视觉技术,提出一种基于显著性模型和局部方差区域生长法的药卷缺陷检测方法。该方法经过图像预处理,对药卷图像进行背景估计与差分;利用显著性模型,提取缺陷特征;通过局部方差区域生长法,分割目标区域,完成对缺陷药卷的检测。实验结果表明,该算法可快速有效地提取缺陷区域,平均检测时间为55.72 ms,缺陷检测率高达96.36%。     

基于BP神经网络和均值差分的TFT-LCD MURA缺陷检测方法

TFT-LCD MURA缺陷具有背景整体亮度不均、灰度变化不明显等特点,用基于机器视觉的方法从TFT-LCD图像中分割出缺陷是非常困难的.本文提出一种新的MURA缺陷检测方法,首先在分析TFT-LCD图像中背景与MURA缺陷灰度值差异的基础上,采用均值滤波和背景差分法来抑制背景杂波,然后采用灰度约束获取疑似MURA缺陷区域,最后提取疑似区域灰度特征并将其放入训练后的BP神经网络提取缺陷目标.结果显示,本文方法正确检测概率为98.1%,误检率为1.4%,平均检测时间为0.33秒.仿真实验结果表明,本文提出的方法对MURA缺陷的检测非常有效,且算法简单,实时性高,易于实现.     

一种改进的分水岭分割算法

传统的分水岭分割算法受噪声和图像细节信息的影响,存在过分割、对噪声敏感等缺陷.针对这些缺陷,提出一种基于密度模糊聚类的分水岭分割算法.首先对图像进行分水岭分割,提取各子区域灰度均值,然后对灰度均值进行密度模糊聚类,进行区域合并.进行多组对比实验,结果表明此算法具有可行性和有效性.     

一种改进的分水岭分割算法

传统的分水岭分割算法受噪声和图像细节信息的影响,存在过分割、对噪声敏感等缺陷.针对这些缺陷,提出一种基于密度模糊聚类的分水岭分割算法.首先对图像进行分水岭分割,提取各子区域灰度均值,然后对灰度均值进行密度模糊聚类,进行区域合并.进行多组对比实验,结果表明此算法具有可行性和有效性.     

基于帧间相关性的乳腺MRI三维分割

针对乳腺磁共振图像序列的肿瘤分割问题,提出一种基于超像素和改进C-V模型的三维全自动分割方法.该方法利用磁共振图像序列的帧间相关性,约束相邻帧图像的分割轮廓.采用超像素算法提取肿瘤的大致轮廓,再用改进的C-V水平集算法对可疑区域边缘进行优化,使其更接近肿瘤的实际边缘.将该方法及3种对比方法应用于89例乳腺MRI序列图像.以手动分割的轮廓为基准,该方法得到的平均重叠率为87.84%,,相比于C-V模型的58.90%,、超像素和水平集结合的76.36%,、K均值+C-V的83.62%,,有明显提升.实验结果表明,该方法的全自动分割结果对于肿瘤起始和终止帧图像具有较高的分割精度.     

基于改进活动轮廓模型的焊接接头缺陷分割

针对焊接接头的X射线图像存在光照不均、对比度低、缺陷边缘模糊等特点,提出了一种改进活动轮廓模型的分割方法.在传统活动轮廓模型中,引入平均滑动直方图进行非参数概率密度估计,使模型的驱动按照梯度力和统计压力值进行,解决了初始化受限和对焊接接头缺陷边界难准确分割的问题.实验结果表明,应用本文所提改进算法,能够准确地从X射线图像中提取出焊接接头缺陷,图像分割精度得到显著提高.      

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。     

不锈钢材料微观结构的数据约束模型表征

不锈钢材料中的微观缺陷分布对其机械性能及耐蚀性具有重要影响。文章对一316L不锈钢样品进行了X光断层扫描成像(X-ray CT),发展了一种CT图像移动体积平均方法以去除线性吸收系数空间不均匀性伪影。建立了样品的数据约束模型,提取到样品中包含小于CT体元尺寸的缺陷分布。基于计算所得每个体元中缺陷的体积分数对缺陷的联通团簇进行了计算,以此为基础估算了样品中的缺陷分布尺寸范围。研究结果表明,相比目前主流的图像阈值分割算法,数据约束模型可有效提取样品中小于CT体元尺寸的缺陷分布,为不锈钢样品的三维微观结构表征提供了新的思路。     

基于机器视觉的树脂镜片水印疵病检测

为实现对树脂镜片水印缺陷的自动检测,建立了点光源投影成像光学仿真模型,并对光源与被检镜片相对距离、成像光屏反射率、镜片物理特性以及成像距离等参数进行了探索,以此为据设计了一套基于机器视觉的水印疵病自动检测系统装置,可实现对镜片投影图像的采集与分析.采用区域生长、形态学运算和椭圆拟合等算法将镜片投影区域从背景中分割,结合Sobel边缘检测、阈值分割方法提取投影图像灰度突变区域,并以面积阈值为约束条件实现对水印缺陷的识别与定位.试验结果表明,该方法可对不同类型镜片具有自适应性,对水印缺陷镜片判别率为100%,图像采集与分析平均耗时872 ms.     

基于改进遗传算法的otsu图像分割算法

在图像分割过程中,传统的遗传算法存在收敛速度慢、易陷入局部最优解等缺陷.因此,提出了一种基于改进遗传算法的otsu图像分割算法,该算法在原有分割算法基础上对交叉率和变异率进行改进,使用otsu作为适应度函数,并采用选择、交叉、变异等操作寻找最佳分割阈值.仿真实验表明,该算法可以有效提高图像的分割精度和计算速度,证明了该算法具有良好的寻优能力.     

基于改进Cascade R-CNN的织物瑕疵检测方法

制造业瑕疵检测问题是工业产品的关键环节,其中织物瑕疵检测尤为关键.针对织物图像尺寸大、局部瑕疵数量少、图像背景复杂等问题,设计了一种基于Cascade R-CNN融合尺度不变特征的织物瑕疵检测方法 .通过训练具有多个递增交并比（IoU）阈值的级联检测网络,解决了传统深度神经网络的过拟合和错配问题;针对工业生产上存在的待检测图片发生倾斜、偏转和迁移等问题,通过尺度不变特征变换（SIFT）算法对待检测织物图进行预处理,将其正确定位到模板图上对应位置后,再进行瑕疵检测;借鉴孪生学习的思路,通过扩充输入通道,同时输入并分析待检测的图像和模板,提高了瑕疵检测的精度.实验结果表明：该模型能够有效地完成瑕疵检测任务,可对7类织物瑕疵进行检测与分类,平均精度均值达87.5%.     

X射线检测焊缝的图像处理与缺陷识别

根据射线检测焊缝图像的特点,设计了图像去噪、增强的算法;针对焊缝缺陷对比度差、光照不均、纹理较多等不利因素,在去除焊缝背景情况下,设计了动态划分焊缝区域算法,利用局域阈值法分割提取出对比度不均的缺陷;通过对焊缝缺陷特征分析,选取缺陷识别的特征参数;建立了用于焊缝缺陷识别的模糊神经网络模型。试验结果表明,图像预处理和缺陷提取是成功的,提出的识别算法能够提高介于模糊边界模式分类时的识别率,对焊缝缺陷识别的效果优于分类识别法。     

一种基于特征表达的无人机影像匹配像对提取方法

针对无人机(unmanned aerial vehicle, UAV)影像三维重建中匹配像对提取适应性差、效率低、需准确的先验知识等问题,提出一种基于特征表达的无人机影像匹配像对提取方法。首先利用SiftGPU算法对一组无人机影像进行尺度不变特征转换(scale-invariant feature transform, SIFT)特征提取。其次,对SIFT特征向量集合构建分层词汇树,并分别计算各个影像与影像集中各影像的综合权重因子并按得分大小进行排序。最后,自适应计算影像检索阈值,得到最终的影像匹配像对。通过对不同地形地貌的无人机影像进行试验。实验结果表明:所提方法能快速、有效获取查询影像的匹配像对。与常规词汇树检索方法相比,查准率提高了19%～24%,查全率提高了17.4%～30.9%。尤其针对海量的无人机影像数据,所提方法具有更高的处理效率。     

基于深度学习的公路路面病害检测算法

针对公路路面病害图像存在背景干扰多、病害信息弱、尺度差异大等问题,提出了一种基于深度学习的公路路面病害检测方法。以YOLOv4算法为基础,在检测网络中引入可变形卷积,并提出基于路径聚合网络(path aggregation network, PANet)的自适应空间特征融合结构,充分学习公路路面病害的细节特征,实现不同尺度特征信息的高效融合;采用平均准确率损失(average precision loss, AP-loss)函数作为分类损失函数,促使网络在训练过程中更加注重于正样本。实验表明,在公路路面病害检测中,改进YOLOv4算法的平均准确率达到了95.34%,每张图像的平均检测时间为0.071 s。与快速基于区域的卷积神经网络(faster region-based convolutional neural networks, Faster R-CNN)算法相比,所提出的算法在持有较高检测准确率的同时,减少了运算时间,可以满足公路路面病害检测的准确性与实时性需求。     

利用改进曲波变换特征提取的 CBIR 算法

针对Gabor变换(Gabor transform,GT)和使用àtrous小波变换(wavelet transform,WT)分解图像的曲波变换不能准确地采集图像中边缘信息的问题,提出一种改进曲波变换(improved curvelet transform,ICT)特征提取的CBIR(content based image retreval)算法.ICT使用脊波变换作为一个组成步骤,使用Gabor小波过滤器的过滤器组实现曲波子带,使用词汇树索引每幅图像的描述符向量,即能量直方图向量.在Corel收集的1 000幅图像上的实验结果表明:提出的算法对数据库中恐龙图像的检索精度可高达97.20％,平均精度比Gabor变换的CBIR算法和使用atrous小波变换的CBIR算法分别提高至少18％,23％,算法ICT的平均召回率为37.40％,远优于GT算法(27.13％)和WT算法(30.70％).在加权平均精度、平均精度、平均检索率和平均秩方面的显著改进使提出算法拥有很好的实用性.     

一种基于灰度投影的带钢表面缺陷检测算法

根据带钢表面缺陷图像的特点提出了一种利用带钢图像的灰度投影进行带钢表面缺陷目标检测的一种算法.该算法首先是把带钢图像分别进行向下和向左的灰度投影,然后在此基础上计算出向下投影与向左投影的投影均值并分别找出其中的最大值与最小值,之后分别把它们做差,如果向下投影均值的差值和向左投影均值的差值中至少有一个超过了给定的阈值则认为图像存在缺陷,否则无缺陷.该算法在多次实验中都能够很成功地完成带钢表面缺陷目标检测的功能.     

基于改进YOLOv4的烟条拉线头缺陷检测

针对烟条透明塑料外包装上拉线头的缺陷检测中传统图像处理的误报率高的问题,提出了一种基于YOLO深度学习算法和算法相结合并具有自学习优化功能的改进方案。即先使用传统Hough变换圆检测,将检测出缺陷的图像二次经过YOLO算法。为能将YOLO算法达到高性能、高精度的效果,本文对YOLO的网络结构进行改造,提出了AAS-YOLO(adaptive anchor size with YOLOv4),使其具备兼容动态尺度锚定边框的功能,可以实现将传统算法的部分计算结果作为自学习参数贡献给AAS-YOLO算法;并通过去除贡献低的BN通道,精简了网络结构,减少冗余计算。通过实验数据来看,改进后的AAS-YOLO算法提高了定位精度和检测速度;改进后的方案降低了拉线头缺陷检测的误报率。     

基于支持向量机的人脸识别算法研究

本文基于支持向量机对人脸识别的算法进行了研究,并通过仿真实验验证算法的有效性。通过缩小图像的尺寸和离散余弦变换(DCT)来实现图像的预处理,应用基于类内平均脸的主成分分析（PCA）提取人脸图像的特征,应用支持向量机（SVM）实现人脸图像识别。本文还重点对影响人脸识别系统速度和识别准确率的相关因素进行了研究,为研究人脸识别技术的应用提供理论依据。     

基于支持向量机的人脸识别算法研究

对基于支持向量机的人脸识别算法进行了研究,并通过仿真实验验证算法的有效性.通过缩小图像的尺寸和离散余弦变换(DCT)来实现图像的预处理,应用基于类内平均脸的主成分分析(PCA)提取人脸图像的特征,应用支持向量机(SVM)实现人脸图像识别.还重点对影响人脸识别系统速度和识别准确率的相关因素进行了研究,为研究人脸识别技术的应用提供理论依据.     

基于卷积神经网络的胶囊内镜息肉与溃疡辅助诊断

针对目前胶囊内镜(WCE)自动检测方法需要对每种病灶设计对应的识别算法以及识别准确率不高的问题,设计一种基于卷积神经网络的息肉与溃疡辅助诊断算法。与传统检测算法相比,卷积神经网络可自动学习病灶图像特征,实现更强泛化能力,更高准确率和效率。该方法针对具体WCE图像,首先评价图像R、G、B通道携带信息的特征;其次,分析全局直方图均衡化、伽玛变换和拉普拉斯变换对提升图像对比度的效果,选择其中表现最佳者与信息最丰富的2个颜色通道组合成3通道输入到卷积网络中训练和识别。测试表明,本算法识别准确率96.8%,比传统的经典图像检测方法高出至少16.73%,检测速度达到68.6图/s,能够推广应用到医疗辅助诊断领域。