基于改进型神经网络的双目摄像机标定

摄像机标定是机器视觉中最重要的环节之一,传统标定方法运算量大、计算复杂,非常繁琐。为解决标定存在的若干问题,提出基于改进神经网络的双目视觉摄像机标定方法。通过对双目摄像机有效模型分析,建立空间点图像坐标与世界坐标非线性映射关系,同时引入自适应学习算法,实现隐层神经元的自适应选取,并且在创建网络模型前对样本数据进行归一化处理,提前终止策略,使网络泛化能力得到极大改善。通过与经典标定方法进行比较,表明基于改进型神经网络标定方法能获得较好的双目标定精度。     

复杂背景下钢板表面缺陷检测的图像增强方法

为了实现复杂背景中钢板表面图像缺陷的准确检测,采用连续均值量化变换(SMQT)对钢板表面图像进行增强处理.每个均值量化单元的计算由3步实现:计算各个像素灰度值的平均;采用均值量化方法将各个像素的类度值量化为0或1;将量化输出分解到2个节点中.实验表明:与传统图像增强方法相比,本方法可以显示出图像底层的结构特征,并能自动...     

基于DSP的自动驾驶系统硬件体系的设计与算法研究

提出了一种以DSP为主要运算设备的汽车自动驾驶智能控制系统,并对硬件体系和图像分析算法进行了研究.对汽车自动驾驶系统的硬件结构进行了设计,采用车载PC和DSP—PCI卡的形式进行构建,并在该硬件结构基础上完成了算法的设计.对传感器采集到的数字图像信号进行灰度化、去噪、二值化、边界提取等处理后得到符合判断算法条件的图像.应用模式识别技术与GPS技术的结合,对图像中的车道、道路上的障碍、其他车辆、交通指示标志等物体进行识别和判断,并对下一步动作作出正确判断.对于前后方车辆和障碍物等采用激光雷达进行测距.     

多梯度流域变换算法与传统算法比较

流域变换是图像分割的有力工具，流域分割方法的性能主要依赖于图像梯度。文中利用传统单尺度梯度算子流域分割算法和多尺度形态梯度流域变换算法，分别作用于计算机视觉细胞图像和水果图像，结果显示传统分割算法和多尺度算子流域分割算法在不同的图像中显示出各自的优越性，第一种算法更适合于交叠区域不是很多，但质地不必十分均匀的图像；第二种则更适合于交叠区域较多，质地较均匀的图像。     

交比不变量在平面目标识别中的应用

以视觉不变量为基础的机器视觉比较容易从功能上与人的视觉贴近,它易于克服由于观察角度变化给机器视觉造成的困难。交比是透视投影下的基本不变量,该不变量除了具有在透视投影下不变量本身不变基本特点外,而且还具有不变量计算简单、快速,误差小,对实时性强的机器人视觉具有重要意义。实现了一个利用哈希表组织模板库的交比不变量实时识别系统。     

基于小波包变换和人类视觉系统的数字水印算法研究

针对多媒体产品的产权保护问题,利用数字图像为研究对象,采用小波包和人类视觉特性相结合的方法分析研究数字图像水印的生成、嵌入与提取过程,并通过实验对算法嵌入的水印进行攻击,结果表明:本文算法具有很大的嵌入容量,同时具有很好的鲁棒性和适应性。     

基于双棱镜单摄像机立体视觉的P-GMAW熔池表面重建

利用传统的双目立体视觉技术进行焊接熔池表面形貌的三维传感,系统成本昂贵,且拍摄时必须保证同步,摄像机参数的不一致也容易造成重建误差。分析了双棱镜立体视觉系统原理,搭建了一套基于双棱镜的单摄像机立体视觉系统,在一个CCD像面上拍摄到同一物体存在视差的两幅图像,预处理后通过SSD算法求取像素级视差图,然后由二次曲线拟合进一步获得亚像素级视差图,由标定结果求得每个图像点对应的三维坐标。通过搭建的传感系统获得了P-GMAW平板堆焊基值期间的熔池图像,依照上述流程重建了熔池的三维表面形貌,同时针对重建结果做了误差分析,证实了其可靠性。     

同步化响应:视-脑信息处理的新进展

１９８９年猫的初级视皮层上,发现了刺激诱发的神经元群活动的γ同步振荡现象,在这之后,视－脑研究进入了一个新时期,如何理解视觉系统自然就成为一个至关重要的科学方法论问题,从信息处理,非线性动力学和神经网络的观点出发,对当前视觉研究中的由神经元群对外部世界客体的同步化响应所涉及到的几个主要方面进入深入评述,强调指出,神经表象是视觉系统作为智能信息处理的独有特点,是视觉计算理论的核心概念,子波变换是多尺     

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。     

多视域下基于机器视觉的索力测试

拉索是缆索承重体系桥梁的关键承力或传力构件,在体系构成中的地位至关重要。为解决现有非接触视觉测量存在的测试视场不足、应用场景复杂多变,致使其测试精度与视域范围相互矛盾无法协调统一的技术难题,提出了多视域下基于机器视觉的索力测试新方法。以全息视觉传感器系统获取斜拉索全视域-多视域下的空间几何构型数据,建立了像素映射及图像增强算法计算模型;通过数字空间基准平面的信息转化,对复杂测试场景下视觉传感器光轴射线与被测物体所在承影面非正交情况进行测试参数修正。为避免实测拉索全息性态特征因偏离标准悬链线所导致的索力测量误差,以单一视域下的几何构型拟合降噪后的全息曲线并精确定拉索上下锚固点坐标,进而可由拉索全息性态特征参数精确测算斜拉索索力。试验结果表明：所提方法可在复杂测试场景下量化分析拉索索力计算参数,相较于常规索力测试方法,最大相对误差为9.2%,均方根误差为2.79%,满足工程实践测试精度及稳定性要求,为复杂测试场景下斜拉桥索力监测提供了一种新途径。