基于线结构光的焊缝特征尺寸检测方法

随着机械加工与制造行业的迅速发展,焊接已被广泛运用于结构件的成型连接中.目前多采用人工方式进行焊接和焊缝质量检测,生产效率低下,产品质量不稳定.本文针对焊缝特征尺寸视觉检测需求,以焊缝为研究对象,搭建了基于线结构光的焊缝特征尺寸视觉检测系统,提出了一种自适应的光条亚像素中心提取算法和一种焊缝光条的特征点提取算法.实验结...     

基于线结构光的焊缝特征尺寸检测方法（英文）

随着机械加工与制造行业的迅速发展,焊接已被广泛运用于结构件的成型连接中。目前多采用人工方式进行焊接和焊缝质量检测,生产效率低下,产品质量不稳定。本文针对焊缝特征尺寸视觉检测需求,以焊缝为研究对象,搭建了基于线结构光的焊缝特征尺寸视觉检测系统,提出了一种自适应的光条亚像素中心提取算法和一种焊缝光条的特征点提取算法。实验结果表明:焊缝宽度的检测误差为0.216 mm,焊缝余高的检测误差为0.035 mm,单次测量在109 ms内,系统的检测稳定性和重复性为1%,满足了实际应用的在线检测要求。     

一种改进的模糊聚类算法在图像边缘检测中的应用

提出了一种改进的模糊聚类图像边缘快速检测算法,该算法在利用像素灰度值的同时还考虑了像素的空间信息,基于模糊集合理论将图像从灰度空间映射成一个模糊隶属度矩阵,然后将隶属度矩阵中的元素作为样本进行模糊聚类,从而提取出图像边缘。基于热力学原理选取隶属度函数,通过调节温度系数,实现图像边缘由粗到细的提取。实验证明,该方法在计算速度、滤除噪声、提取边缘等方面均优于C-均值聚类算法。     

冰形表面激光光带中心线快速提取方法

在风洞结冰模型3D冰形测量中,激光三角测量法相对传统测量方法检测速度快、精确度高,具有极高研究价值。然而由于冰体对激光透射严重,影响激光中心线提取精度从而影响测量精度。针对此问题,提出一种冰形表面激光光带中心线快速提取方法。该算法具体实现步骤为:首先,采用基于三维块匹配去噪算法对图像进行降噪,并对图像进行视觉显著性计算,分割出光带区域;其次,求取梯度图并转换至频域空间,根据图像频谱特征求取能量中心区域;最后,对区域采用灰度重心法求取中心线亚像素级位置。采用冰箱冻结的半径已知圆柱冰块评估该算法,测得算法处理时效为28.57FPS,使用该算法的冰形轮廓重建精度达到0.017mm。实验证明算法满足冰形在线测量技术要求,为开展结冰实验中结冰生长过程在线三维检测技术奠定技术基础。     

线性结构光条纹自适应中心提取的鲁棒方法（英文）

在采用线性结构光(Linear structured light,LSL)方式的非接触式测量中,光条纹中心的提取精度直接影响整个检测系统的测量精度。针对通用算法无法准确提取宽度不均匀、灰度值分布不均匀的条纹中心的问题,本文提出了一种自适应优化方法。在该方法中,首先分割条纹区域,通过边界检测来计算激光条纹的宽度。通过基于自适应条纹宽度的二次加权灰度质心法计算初始条纹中心点。之后,根据确定的斜率阈值优化这些中心点,重新计算并获得这些中心点的子像素坐标,同时根据提出的提取算法评估指标对算法进行了详细分析。实验中,提取的中心点的均方误差仅为0.1个像素,结果表明该方法可以显著提高激光条纹中心点的提取精度。此外,该方法可以以相对较低的计算时间有效地运行,鲁棒性良好。     

基于极点与极性的车辆分割及阴影处理方法

视频交通参数检测中的车辆分割需要准确地检测与车辆连在一起的阴影和车灯产生的亮斑。一般地,路面与车辆的图像在灰度结构上存在显著差异。本文推导了图像在光照变化情况下的一种灰度结构——极点与极性分布图,并提出了一个基于该分布图的车辆阴影与亮斑检测算法。该算法能够精确地检测车辆阴影,车灯照射产生的路面亮斑和因其他原因被误为车辆的路面。该方法使用对光照变化不敏感的灰度结构,阴影检测准确而稳定,计算量小。     

一种基于鹰视觉的雾霾天气无人机编队目标检测方法（英文）

本文提出了一种仿鹰眼视觉特性的雾霾天气下无人机编队目标检测算法。通过模拟鹰视网膜中ON和OFF通路的视觉信号处理机制,对大气光与透射率的值进行估计从而复原雾霾图像。同时利用鹰视觉系统的颜色拮抗机制与对比度敏感函数提取除雾图像下的目标特征,模拟中央-周边结构感受野特性对特征进行整合,最后通过随机森林算法生成目标显著图以进行目标检测。实验结果表明本文提出的算法能够有效检测出雾霾天气下无人机编队场景中的无人机目标,与其他传统方法相比,本文算法具有更好的检测效果。     

基于SURF和光流场的医学图像配准技术研究

提出了基于SURF算法和光流场模型相结合的多模态医学图像配准算法。由于传统光流场模型具有灰度一致性的约束条件以及多模态医学图像的结构差异较大,导致算法对于多模态医学图像无法取得较好的配准结果。首先引入直方图规定化算法作为医学图像预处理,解决多模态医学图像中灰度差异较大的问题;然后根据多模态医学图像结构差异较大的特点,本文采用分级配准的思路,将SURF算法和传统光流场算法结合起来可以获得较好的配准结果;最后采用CUDA并行加速的方法对本文算法进行GPU加速。研究结果表明:本文算法具有较高的准确性和更好的鲁棒性。     

一种基于时间差分运动检测的改进方法

本文提出了一种基于时间差分运动检测的改进方法。首先计算时间上连续的两帧灰度图像的差分图像；然后，将得到的差分图像通过低通滤波和二值化处理；最后，利用图像序列中的多帧灰度图像计算得到一组二值图像，通过对二值图像进行像素的算术运算，提取出运动目标区域。实验结果表明：这种方法是有效的。     

基于计算机视觉的AGV导航标识带识别与提取方法

针对基于标识带导航的自动导引车(AGV)对中心线提取精度要求高的特点,应用计算机视觉原理,设计了一种导航标识带识别与中心线提取方法.首先对摄像头采集到的图像进行预处理,包括灰度化、图像滤波、图像分割、图像边缘检测;然后提出了一种基于几何作图的标识带中心线提取方法,并根据中心线方程解算出偏角和偏距等信息;最后将上述过程整...     

基于全卷积孪生神经网络的复杂监控场景下前景提取方法

由于光照变化、相机抖动和动态背景等因素影响,现有基于传统图像处理方法的前景提取算法并不能在复杂场景下获得良好的分割效果。针对此类问题,本文提出了一种基于全卷积孪生神经网络的前景提取算法,仅需任意2帧图像即可准确提取运动前景。将输入的2帧图像分为背景图像与待提取图像,将其输入全卷积孪生神经网络得到二者的相似性度量图,该相似性度量图中包含待提取图像相对于背景图像的各像素变化情况信息;接着将相似性度量图与待提取图像融合,利用编解码网络以实现端到端的前景提取。在CDnet2014数据集上进行综合评估与测试,结果均证明了该方法的有效性。     

一种新的基于红外图像的道路边界检测方法

研究了红外图像中道路边界的检测方法。首先分析了用于智能车辆视觉导航的红外道路图像的特点,并指出常用图像处理方法在检测红外道路边界时的缺陷;然后从图像灰度角度出发,提出了基于折线模型的候选道路边界线段快速提取方法,并采用关系稳定性规则对道路边界区域进行筛选和处理;同时利用多尺度形态学梯度进行道路边界区域提取;最后将上述基于灰度和梯度的两种边缘提取结果相互验证,得到可靠的道路边界描述。实验表明文中提出的道路边界检测方法具有很好的性能,能够满足实时应用需要。     

基于互信息的图像配准技术研究及应用

介绍了图像配准的基本框架和方法,提出了一种基于灰度信息的配准算法,利用互信息作为图像相似性度量的准则,通过Matlab实验证明了该算法的有效性。     

改进的基于二维直方图的最大模糊熵分割方法

针对基于一维直方图的传统模糊熵算法对噪声敏感的问题,提出了一种新的基于二维直方图的最大模糊熵图像分割算法。新算法根据中心像素与邻域均值之间的关系划出二维灰度直方图中的有效区域,并考虑了图像的空间信息,将二维灰度直方图中像素的邻域均值的隶属度与中心像素隶属度相结合,得出新的隶属度计算方法,然后通过最大化模糊熵函数来确定图像的最优分割阈值。通过对实际图像的分割实验,表明了本文算法具有良好的去噪和图像细节保持能力。     

空间距离变换的彩色图像目标识别方法

研究了彩色图像的分割算法,提出了运用彩色图像的颜色特征相似性进行图像的分割;然后将分割的目标进行检测,运用无监督网络,即竞争网络学习训练聚类,将图像中不同的目标提取出来。在识别方面,研究了一种运用空间距离变换方法来识别的算法,计算出区域半径测试样本点在区域内还是区域外,以达到识别的目的。实验结果表明,本文提出的分割算法和识别算法可以很好地运用到实际中,识别率可达90%以上。     

基于PoolNet显著性和SURF-VIBE模型的林火视频烟雾提取算法

烟雾的实时视频探测可用于早期森林火灾的预警,然而,由于烟雾具有飘动、扩散、闪烁等特性,通过实时视频提取烟雾区域具有极大挑战。本文根据人眼视觉注意力机制,将阴燃烟雾看作视频中湍流和灰色显著的区域,提出了一种基于显著性检测和SURF-VIBE模型的疑似烟雾区域提取算法。首先采用一种基于PoolNet的显著性检测方法获得烟雾显著性图谱,通过VIBE运动检测算法获得视频中运动前景,并使用SURF特征匹配算法消除相机抖动等对运动前景带来的干扰,再由计算出的运动前景构造运动能量函数,对显著性谱进行估计,最终提取出疑似烟雾区域。实验验证结果表明:该算法检测准确率为91.3%,每帧检测速度为0.028 s,可用于实时视频烟雾探测。     

遥感图像中港口目标识别技术

针对遥感图像中港口目标识别的特点,提出了一种基于纹理特征分类与轮廓识别的高效港口识别算法.该方法首先采用梯度分析方法进行海陆分割,得到水域与陆地的二值图像,并据此提取轮廓,然后利用差分链码标记提取港口轮廓,最后检测与链码拐点有关的三个特性,得到港口基元的识别结果.实验结果表明,该算法能够有效地识别遥感图像中任意方向和任意凹凸的港口目标.     

基于差影法的Hessian矩阵激光条纹中心提取方法研究

Hessian算法进行激光条纹中心提取会因干扰噪声的存在产生杂点,影响条纹提取精度。鉴于此,本研究提出了一种基于差影法的Hessian矩阵激光光条中心提取方法。利用图像形态学的处理方法去除部分干扰,结合差影法获取激光条纹目标区域的图像。并利用Hessian矩阵及泰勒级数只对消噪后的激光条纹目标区域进行高斯卷积和泰勒展开,以求得激光条纹中心坐标。从处理速率和提取精度两方面对本研究提出算法进行了评价,结果表明,该方法较单独应用Hessian算法精度提升了30%,处理速率提高了5倍,有效提升了激光条纹中心提取的速率和精度。     

基于格式塔完形规则的闭合轮廓提取方法

针对传统基于格式塔完形规则的轮廓提取易受到背景上边缘影响,导致轮廓提取的准确率低问题,提出一种新的基于格式塔完形规则的闭合轮廓提取方法。首先,为减少边缘提取过程中提取的背景边缘,给出了融入显著性约束的Canny边缘检测方法,即在Canny边缘提取的框架中,融入显著性约束;接着,针对Canny边缘检测方法检测到的边缘易受噪声影响问题,提出一种融入边缘信息的折线逼近边缘拟合算法;然后,采用格式塔完形规则中的闭合性对拟合边缘进行度量,得到边缘之间的闭合关系;最后,通过分析边缘间的闭合关系与区域的显著性,设计了一个边缘闭合的代价函数,并利用最小权值最优匹配算法求解代价函数,得到最终的闭合轮廓。实验结果表明,该算法提高了轮廓提取的有效性和准确性。     

基于RBF神经网络的储油罐底板缺陷量化方法

提出一种基于RBF神经网络来提高漏磁检测对储油罐底板裂纹缺陷的量化能力的方法。首先利用有限元仿真计算了不同长度、宽度、深度和倾斜角度的槽型缺陷漏磁信号,分析漏磁信号分布规律并提取磁异常幅值和占宽作为磁信号特征量,探讨了磁信号特征量与缺陷尺寸之间的关系并组建样本集。其次,建立RBF神经网络与模拟退火算法相结合的量化模型,并使用样本集对RBF神经网络进行训练,预测缺陷大小及倾角。结果表明,磁异常特征量随缺陷尺寸及角度呈现不同变化规律,通过RBF神经网络建立复杂关系网,结合模拟退火算法可精确量化缺陷,样本集内缺陷平均量化正确率约为98.71%,样本集外缺陷平均量化正确率约为86.67%。因此,基于RBF神经网络并且结合模拟退火的方法可应用于漏磁检测对储油罐底板的缺陷量化,为储油罐的安全评估提供理论依据。