稀疏重构SAM芯片焊点检测方法研究

提出了基于稀疏表示的声扫描显微镜(Scanningacousticmicroscope,SAM)图像超分辨率重构方法,以解决其空间检测分辨率受超声波频率和穿透深度的限制,原始SAM图像分辨率较低,不利于封装缺陷辨识等问题。通过字典设计训练和稀疏系数α求解获得了重构的高分辨率SAM图像,利用Levenberg-Marquardt算法改进BP神经网络(LM-BP),并用于倒装芯片焊点缺陷识别。与原始图像及双三次插值图像相比,稀疏重构图像的峰值信噪比明显增大,提高了SAM图像质量,减小了芯片焊点的错误识别数目,错误率降至2.76%。试验结果表明稀疏表示的SAM重构算法和LM-BP神经网络训练速度快、识别精度高,可用于高密度半导体封装缺陷的检测及可靠性评估。     

基于波前编码技术的眼底成像系统

提出了一种混合光学-数字眼底成像系统,该系统不需要探测和补偿不同人眼带来的像差的动态变化,即可获取高分辨率的视网膜图像。该系统在出瞳位置放置一块三次相位掩膜板对眼底图像进行编码,然后采用维纳滤波算法复原获取清晰图像。利用基于光学成像的二维卷积模型对该系统进行了仿真实验,结果表明,针对不同个体的人眼像差,三次相位板可以使系统的点扩散函数在一定范围内保持一致,从而校正包含离焦、彗差、像散、三叶草在内的人眼像差,获得清晰的眼底图像。该系统的设计简化了传统眼底相机的复杂光学结构,是一种便携式结构。     

基于改进的Faster R-CNN车厢编号识别方法

为了识别装煤列车车厢编号图像,提出一种基于改进的Faster R-CNN车厢编号识别方法.首先,引入Retinex图像增强算法对暗光条件下采集的低照度车厢编号图像进行增强,提高低照度车厢编号图像质量;通过分层多尺度区域推荐网络增强对多尺度、小目标车厢编号检测能力;使用基于GIoU的边框回归损失函数,提高车厢编号识别回归框准确率.在环境复杂的装车现场进行实验,车厢编号识别模型在平均精度和Fl值分别为92.93％和95.73％,在开发套件上的推理速度为1帧/s.提出的车厢编号识别方法具有准确率高、识别速度快、漏检率低的优点,为车厢编号识别智能化提出新思路.     

0603型绿色贴片LED方向检测算法研究

针对全自动编带机编带过程中0603型绿色贴片LED的方向检测,提出了利用MeanShift图像分割法首先对芯片进行图像分割,然后利用Krisch边缘检测算法、Prewitt边缘检测算法和高斯拉普拉斯边缘检测算法分别对芯片进行边缘检测,提取芯片的轮廓特征。实验对比表明,能够通过采用MeanShift图像分割法对芯片进行分割,再利用高斯拉普拉斯边缘检测算法提取芯片的轮廓特征的方法,判别0603型绿色贴片LED的方向。     

基于亮度特征的PTZ视频能见度检测算法及实现

为解决现有视频能见度检测方法的不足,提出一种基于亮度特征的PTZ视频能见度检测算法:提取路面的兴趣域,获得所选像素的高度一致性;利用基于Nagao滤波的区域增长算法得到精确路面区域,去除路基、车辆的影响,获得所选像素的亮度一致性;在路面区域中,提取反映路面亮度变化的对比度曲线,找寻亮度曲线特征点,通过消光系数计算图像中人眼可分辨最远像素;结合摄像机标定换算出最大能见距离.实验结果表明,该算法与人眼观测效果一致,准确率达到96%以上,检测误差在10 m以内,与能见度的对比度算法相比较,操作简单、抗干扰强、准确率高.     

基于机器视觉技术的钢直尺自动检定系统设计

针对钢直尺检定人工效率低、检测结果误差大等问题，提出采用机器视觉技术代替人工进行钢直尺的全自动检定工作。以CCD摄像头代替人眼，用高倍镜头对图像进行放大，从而达到刻度线图像的精准采集。图像经过边缘检测算法的处理后，精准实现标准尺与被检尺刻度线的定位，配合钢直尺刻度线误差检测算法，实现钢直尺刻度示值误差的自动计算，分析处理和报告导出。使用Qt5软件开发了上位机数据采集系统，简化了系统操作步骤，有效提高了钢直尺检定的可视化程度。利用单片机驱动步进电机移动CCD相机不断地对钢直尺不同部位进行刻度线识别与比较，并将检测的位移量反馈回上位机，最终由系统判定钢直尺的检测结果。实验结果表明，该装置可以很好地代替人眼实现钢直尺快速、准确地检定，检定最大误差小于0.2 mm，且检定速度小于2 s。     

基于模型的驾驶员眼睛状态识别

采用机器视觉来检测驾驶员眼睛状态对判别驾驶员疲劳具有重要意义,现有机器视觉采集系统中眼睛状态识别常用虹膜特征来衡量,针对虹膜信息缺失或者改变都会导致眼睛状态误检且准确性和实时性不能兼顾的问题,在分析机器视觉系统和人眼状态的基础上,以兼顾识别算法的实时性和准确性为目标,利用机器视觉系统成像带来的更好区分眼睛状态的非虹膜特征,提出了基于融合模型的改进型人眼状态识别方法,进一步搭建了嵌入式平台并进行了算法识别的对比实验。结果表明非虹膜特征的融合检测算法提高了人眼的睁闭眼识别的区分度,与模板匹配法相比,眼睛状态识别的准确性提高15%,耗时也减少了约1/3。     

基于物体材质的X射线安检图像分割算法

在使用X射线扫描系统进行安检的过程中,安检员采取人眼识别X射线安检图像来确认旅客是否携带违禁品,而被检包裹内由于物品重叠、种类繁杂,难免会造成误检、漏检等情况。针对安检图像的成像特点,提出了基于K均值与区域生长的分割算法,该算法通过有针对性地选择聚类中心,并采取加权系数改进聚类中距离度量方法,针对安检图像中物体的材质进行有效的图像分割。实验结果显示,该算法能够有效分割出安检图像中不同材质的物体,与人工识别相比提高了安检工作的效率。     

基于LBP的移动环境下的人脸识别研究

提出一种基于Android平台实现的具有较强鲁棒性的人脸识别方法.根据终端用户拍摄场景的多变性,首先通过人眼检测、瞳孔定位、GIC校正和直方图均衡化算法对人脸图像进行归一化处理,达到比较好的实用效果 ;其次利用局部二值模式(LBP)提取全局直方图特征,再将图像划分为若干大小相同的子区域,提取每个子区域的LBP直方图,最后将全局和局部直方图按一定的顺序结合作为人脸图像的最终特征.在Android平台上用ORL人脸数据库对该方法进行测试,结果表明具有较好的识别性能.     

基于视觉显著性的木板实时分类方法研究

木板分类是木制家具制作的重要环节,现有的木板分类算法仅从纹理特征方面进行分类,且运用的纹理分析方法与实际人眼分类标准具有一定的差异性,如局部二值模式法(LBP)、灰度共生矩阵法(GLCM)等方法。从人眼仿生角度出发,将视觉显著性融入基于木板表面综合特征的分类算法中,提出一种基于木板视觉显著性的分类方法。采用高精度线阵相机搭建机器视觉系统进行木板图像的实时采集,通过动态阈值分割、特征筛选、形态学处理等方法识别图像中的木板区域,提取基于视觉显著性的木板纹理区域占空比,木板纹理区域与背景区域的对比度等特征,构建多层神经网络进行分类识别。利用从木材加工厂实时采集的1 156张木板图片进行分类实验,实验证明基于视觉显著性输入特征的多层神经网络可以完成木板分类任务,且具有94.17%的分类准确率。     

全自动芯片键合机中多目标图像识别算法

在全自动芯片键合机图像识别系统的开发中,芯片数目自动确定是一个亟待解决的问题。提出了一种新的基于聚类遗传算法的多目标图像识别算法。将聚类思想引入遗传算法的搜索机制中,结合模板语义以及遗传算法进化过程中形成的适应度图景构造聚类规则,将遗传群体有效的划分为不同的小生境。实际应用表明,算法有效地解决了自动确定目标图像数目的问题,一次可以准确识别场景图像中的多幅目标图像,减少了单幅图像的识别时间,提高了系统效率,实现了多目标图像识别的自动化。     

基于智能图像识别的烟盒包装质量快速检测系统的研究

提出一种基于智能图像识别技术的烟盒包装瑕疵检测方法,将图像处理为灰度值矩阵后,通过感兴趣区域和 Sobel 算子边框查找法进行瑕疵快速识别。提出一种基于机器学习和 SVM s 模式识别的分级算法,实现包装瑕疵的快速分类。建立了盒装香烟包装质量检测系统模型,验证所提算法具有正确识别率高和误判率合理等优点,对构建基于智能图像识别的产品检测系统具有一定的工业参考价值。     

基于边缘检测小波变换的红外与可见光图像融合方法

简要地论述了图像融合中主要的三种像素级融合算法,即简单方法、基于塔形分解以及基于小波分解的融合方法,在现有的红外与可见光图像融合方法之上,提出了以边缘检测为基础的一种小波变换图像融合方法,并对融合效果进行了评价。实验结果表明,经该方法对红外与可见光图像的融合可以提供更多、更有效的信息,提高了图像的分辨效果和人眼对场景目标的发现和识别概率,融合效果较为理想。     

基于单目视觉的无人车环境感知技术研究

为提高无人车的主动安全性能,对其环境感知技术进行了研究,提出了一种在结构化道路上基于单目视觉的汽车前方可行区域内的障碍物检测方法;在确定路面感兴趣区域时,提出了基于模糊聚类的边界跟踪检测算法,实现对车道线的识别;针对序列图像帧间差分法的不足,提出了一种基于帧间差分法的二次改进算法,在突出障碍物特征信息后,采用了静态单帧图像特征处理算法,确定出障碍物位置。实验结果表明,该方法能够有效地识别出车道标志线以及感兴趣区域内的障碍物信息。     

带有炸点识别的图像采集系统设计

针对大范围炸点三维坐标图像测量过程中相机准确采集图像的问题,设计了可用于炸点识别的图像采集系统,以面阵相机采集到的图像数据为源信号,设计相应的算法自动识别炸点目标,从而为后续的图像采集及处理提供依据。设计了面阵相机图像采集的硬件,给出了炸点目标检测和识别的图像处理算法。实验验证表明,设计的算法可有效识别炸点图像中的火光、烟雾等信号。所研究的自动识别炸点目标图像采集算法和硬件,能减少相机存贮空间,提高靶场测试效率。     

基于Freeman改进准则的输电线断股识别

为了解决输电线断股故障识别问题,将图像处理识别技术应用到电力系统故障检测中,在Freeman检测直线准则的基础上进行了改进,提出了一种简单高效的检测输电线断股故障的算法。该算法根据输电线端点特征识别出端点,并通过端点对输电线图像进行水平校正,再根据输电线断股故障的特征提出用Freeman链码标记异常处的一些相关的点,计算这些点与输电线边缘之间的垂直距离,以此距离来判断输电线是否存在断股故障。理论分析和实验结果证明,该算法可行、有效、识别率高。     

Iris Feature Extraction and Recognition Based on Fractal Dimension of Grayscale Extremums

This paper presented an individual recognition algorithm for human iris using fractal dimension of grayscale extremums for feature extraction.Firstly,iris region was localized from an eye image with modified circle detector stemmed from Daugman's integro-differential operator.Then,segmentation was used to extract the iris and to exclude occlusion from eyelids and eyelashes.The extracted iris was normalized and mapped to polar coordinates for matching.In feature encoding,a new approach based on fractal dimension of grayscale extremums was designed to extract textural features of iris.Finally,a normalized correlation classifier was employed to determine the agreement of two iris feature templates,and the feature template was rotated left and right to avoid the interference from rotation of eyes and tilting of head.The experimental resuits show that fractal dimension of grayscale extremums can extract textural features from iris image effectively,and the proposed recognition algorithm is accurate and efficient.The proposed algorithm was tested on CASIA-IrisV3-Interval iris database and the performance was evaluated based on the analysis of both False Accept Rate (FAR) and False Reject Rate (FRR)curves.Experimental results show that the proposed iris recognition algorithm is effective and efficient.     

虹膜识别技术中的图像处理

介绍了最新研制的虹膜识别系统的采集装置和识别算法,通过设计对比了两种系统的虹膜识别体系的采集装置和识别算法。一套是基于CMOS图像传感器的成像系统,另一套是经过改进的基于数码相机的成像系统。改进后的系统硬件部分操作简单,采集到的图像更加清晰,可用于识别的虹膜细节部分更完整。改进后所使用的算法相对也更简洁。     

基于视觉的车位线识别算法

提出了一种自动泊车系统中采用视觉方法通过识别车位线来确定泊车位的算法。采用金字塔分层搜索策略,首先,在灰度直方图上应用K均值聚类法对图像进行二值化,提取车位线骨架,采用Hough变换检测骨架,并利用基于密度的无参数聚类方法对骨架线聚类,在金字塔高层图像上确定车位角点候选点;然后,在金字塔最底层图像上选择感兴趣区域,采用改进的基于距离变换的骨架提取算法提取骨架,使用遗传算法对车位角点骨架进行精确匹配,根据实际车位角点的分布特征确定目标车位;最后,在室外不同环境下采集多张车位图片进行算法的有效性和快速性验证实验。实验结果表明,采用基于视觉的车位线识别算法进行车位检测能较大地提高检测的效率和识别正确率。