机械加工工件表面图像纹理表达及特征提取

提出了一种基于工件表面图像纹理表达及特征提取的图像处理方法.针对影响高精度视觉测量精度的相面旋转问题,充分利用工件表面纹理信息,提出了基于工件表面纹理特征的序列局部图像校准方法,获得序列图像之间的相对旋转角度,解决了测量过程中相机抖动或工件振动引起的尺寸特征方向变动问题.     

基于纹理特征的机械零件图像快速匹配方法

为了实现机械零件图像的匹配,同时保证具有较高的计算速度,提出了一种针对条形纹理表面工件的匹配方法。首先,在工件图像中取若干圆形区域（称为纹理圆）,通过纹理圆的统计特征来计算．工件表面纹理方向,确定2幅匹配图像间的大致角度差。然后根据角度差旋转其中1幅图像,保证了2幅图像角度差在相关系数法作用范围内。最后用相关系数法对2幅图像进行灰度特征匹配。实验结果表明：基于纹理特征的机械零件图像匹配,解决了条形纹理表面工件图像匹配问题,同时具有较高的计算速度。     

基于纹理特征的机械零件图像快速匹配方法

为了实现机械零件图像的匹配,同时保证具有较高的计算速度, 提出了一种针对条形纹理表面工件的匹配方法.首先,在工件图像中取若干圆形区域(称为纹理圆),通过纹理圆的统计特征来计算工件表面纹理方向,确定2幅匹配图像间的大致角度差.然后根据角度差旋转其中1幅图像,保证了2幅图像角度差在相关系数法作用范围内.最后用相关系数法对2幅图像进行灰度特征匹配.实验结果表明:基于纹理特征的机械零件图像匹配,解决了条形纹理表面工件图像匹配问题,同时具有较高的计算速度.     

基于灰度共生矩阵的车刀车削工件表面纹理分析

通过对灰度共生矩阵的介绍,提出一种基于灰度共生矩阵提取纹理图像特征.对纹理学原理与其主要研究方法进行了分析,然后结合车削工件表面图像特征,研究了纹理学特征分析的经典方法--灰度共生矩阵法,并结合车削工件表面图像,分析了车削工件表面纹理在归一化灰度共生矩阵中所表现出的特点.     

大尺寸机械零件的机器视觉高精度测量方法

为实现大尺寸机械零件的高精度视觉测量,研究了基于序列局部图像尺寸特征的测量方法,提出了基于纹理特征的序列局部图像校准技术以解决测量过程中相面旋转引起的局部图像尺寸方向变动问题;提出了图像边缘补偿测量技术以消除实际边缘不能精确定位而对测量精度的影响;论述了基于序列局部图像尺寸特征测量方法的算法实现过程。实验表明,对大尺寸零件应用序列图像测量法进行测量,其相对测量误差在0.012%以内,基本满足机械零件二维尺寸精密自动化测量要求。     

大尺寸机械零件的机器视觉高精度测量方法

为实现大尺寸机械零件的高精度视觉测量,研究了基于序列局部图像尺寸特征的测量方法,提出了基于纹理特征的序列局部图像校准技术以解决测量过程中相面旋转引起的局部图像尺寸方向变动问题;提出了图像边缘补偿测量技术以消除实际边缘不能精确定位而对测量精度的影响;论述了基于序列局部图像尺寸特征测量方法的算法实现过程。实验表明,对大尺寸零件应用序列图像测量法进行测量,其相对测量误差在0.012%以内,基本满足机械零件二维尺寸精密自动化测量要求。     

基于马尔可夫随机场工件表面纹理模型的刀具状态监测

基于马尔可夫随机场理论，建立了工件表面纹理图像的马尔可夫随机场纹理模型，并对工件表面纹理图像的特点进行了分析。在实验数据的基础上，对工件表面纹理图像的特征参数进行提取，提出采用相对距离作为刀具磨损程度的评价指标。指出三阶马尔可夫随机场能比较充分地反映工件表面纹理图像的特征。实验结果表明，基于马尔可夫随机场的工件表面纹理分析方法能够较好地适用于刀具状态监测。     

基于列相关分析的工件表面纹理描述

文中在提出纹理直线度概念的基础上,采用三列均值法对工件表面纹理图像进行旋转角度的校正,选取直线度最理想的直线ones(M,1)作为标准列,用纹理图像的每一列对其进行相关分析,实验结果表明:采用列相关分析法可使工件表面纹理的特征得到合理的描述,并能反映出工件表面纹理的直线度随刀具磨损的变化趋势,在刀具的急剧磨损阶段具有明显的波谷转折,因此,该方法能应用于刀具磨损状态的识别,是一种很有参考价值的方法。     

基于纹理谱分析的工件表面质量识别研究

在分析切削参数对工件表面纹理影响的基础上,提出了运用纹理谱对工件表面纹理图像进行描述,采用改进的纹理谱方法来进行工件表面纹理完整性的识别,并分析了不同切削参数对工件表面纹理质量识别的影响.实验结果表明,切削用量对工件表面纹理完整性的影响较大,即切削速度的影响最大,进给速度次之,切削深度的影响最小,且切削用量越大,纹理完整性就在更短的时间内发生显著变化.     

基于纹理特征的刀具状态监测技术

针对切削加工中刀具磨损会对加工精度产生不良影响的问题,基于磨损程度不同的刀具切削工件时将产生不同的表面纹理,采用灰度行程长度法对工件表面图像的纹理特征进行了分析.试验结果表明,以长行程加重参数作为评价刀具磨损程度的特征参数可以取得较好的效果,并且其物理意义明确.     

局部Walsh谱描述图像纹理特征的旋转不变性

为了有效地进行纹理分析,提出一种基于局部Walsh谱的纹理特征旋转不变性描述方法。首先,比较每个像素点与其邻近点的灰度值生成局部二值序列,并计算序列离散Walsh变换的功率谱;然后,采用功率谱的各谱点值构成特征直方图描述纹理特征;最后,从序列的列率特性出发,构造了新的两族局部Walsh谱,揭示了局部Walsh谱与局部二值模式之间的联系。因为离散Walsh变换功率谱具有循环移位不变性,所以局部Walsh谱具有先天的旋转不变性。实验结果显示,与灰度共生矩阵和Gabor滤波器组相比,局部Walsh谱的纹理分类准确率较高;与局部二值模式相比,在相同尺度下局部Walsh谱的分类准确率比其高出3%以上,对两幅旋转纹理图像分割的错误率比其低11%和3%,表明提出的方法具有较好的纹理鉴别能力和旋转不变性。     

切向车铣加工表面分形特征的研究

通过对切向车铣加工工件表面相关参数的测量与计算,得到了不同进给量与不同转速比时工件表面的分形维数。结果表明:分形特征能够较准确的表达工件表面纹理的信息;随着进给量的增加,工件表面分形维数减小,工件表面纹理结构越稀疏;随着转速比增加,工件表面维数增大,工件表面工件表面纹理结构越密集,表面纹理高度越低。     

基于SFS技术的纹理力触觉再现方法研究

虚拟现实技术中,纹理的力触觉表达通常需要提取纹理表面的高度轮廓特征,从而再现纹理的凹凸感,而图像纹理则反映的是纹理表面的二维灰度特征.提出了一种根据图像灰度信息恢复表面三维轮廓(shape from shading,SFS),并用于纹理的力触觉表达的方法.采用Tsai & Shah算法从二维纹理图像中恢复出表面三维微观形状,并用力触觉模型渲染.该方法无需专门仪器测量物体表面的微观轮廓,无需设计专用的纹理力触觉表达装置.实验表明该方法是可行的,并通过对实验结果的分析给出了改进方向.     

基于纹理分析的小波变换图像清晰度评价方法研究

验证分析了小波变换在图像清晰度评价上应用的可行性,研究发现基于小波变换的图像清晰度评价函数性能与图像的空间纹理分布有很大的关系,采用图像灰度梯度方向矩阵的纹理分析方法,可以显著提升其性能.由于机加工零件表面纹理的普遍存在,对此类图像进行纹理分析有了实际应用意义.在对图像纹理特征进行统计分析的基础上,本文提出了一种基于纹理分析的图像小波变换清晰度评价方法.经实验验证,此评价函数针对具有纹理特征的目标有优越的性能,具有较高的灵敏度和分辨力（优于2 μm）.     

基于工件纹理的刀具磨损研究

应用方向测度法分析了工件表面显微纹理图像的特性,工件表面的纹理测度值随着切削加工的持续进行总体变化趋势是逐渐变小的。与实际工件表面纹理的粗糙度越来越大、方向性也逐渐变得混乱相比较,两者具有明显的一致性。实验结果表明方向测度法能够很好地反映车削加工纹理及其刀具磨损的内在关系。     

工件表面纹理间距提取的一种新方法

表面质量是机械产品的一个重要指标,如何准确高效地提取衡量工件表面质量的评定参数是当前一个重要的研究方向。研究了一种基于快速傅里叶变换(FFT)方法从工件表面图像提取纹理间距参数,该方法具有精度高,方法简单等优点。     

基于非下采样Contourlet变换和Zernike矩的医学图像检索

针对医学图像数据库.提出一种新的基于纹理和形状的图像检索方法.非下采样Contourlet变换具有多尺度多分辨率分析和平移不变性的特点,用来提取纹理特征.Zernike矩作为一种基于区域的形状描述子,具有良好的旋转不变性,用来提取形状特征.然后综合两种特征.对CT图像数据库进行检索实验,实验结果表明,该方法具有良好的检索性能,并具有平移、尺度、旋转不变性.     

基于RULBP与GLCM的已加工工件表面纹理特征表征

不同磨损状况的刀具在工件表面切削后形成的纹理特征也各不相同,工件表面纹理蕴含着大量表征刀具状况的信息。为有效、高效地提取反映刀具状况的工件表面纹理特征,提出1种结合旋转不变均匀算子的局部二值模式(rotation-invariant uniform local binary pattern, RULBP)与灰度共生矩阵(gray-level co-occurrence matrix, GLCM)的纹理特征提取方法。该方法利用RULBP与GLCM的计算原理分别提取工件表面纹理的微结构特征和宏结构特征,达到全面提取纹理"微宏观"特征的目的。实验结果表明,同常用的工件表面纹理特征提取方法相比,所提方法能显著提高纹理特征的表征度。     

基于Gabor小波的浮选泡沫图像纹理特征提取

矿物浮选泡沫表面纹理是浮选工艺指标高低的重要指示器,为了获取泡沫图像纹理的细微差别进而对浮选生产状态进行机器识别,提出一种基于Gabor滤波的泡沫图像纹理特征提取方法。首先利用Gabor小波提取了泡沫图像多尺度与多方向上的泡沫纹理幅度谱(GMTR)与相位谱(GPTR);然后根据GMTR与GPTR的分布特征,通过估计GMTR的Gamma分布参数和计算GPTR的熵作为泡沫纹理特征参量;最后,利用所提取的泡沫纹理特征对浮选工业生产状态进行无监督的模糊聚类分析与有监督的生产状态识别。实验结果表明,该纹理特征提取方法能有效地获取各种浮选状态下泡沫表面纹理的细微差别,基于该纹理特征参量的浮选状态识别准确率高于90%。     

统一框架下的五种三维表面纹理合成方法及其性能比较

提出一个三维表面纹理合成的总体框架,在此框架下介绍对三维表面纹理进行重光照的表示子框架,并提出表示形式之间的转换方法。在基于图像缝合的二维纹理合成方法基础上,提出并比较了五种三维表面纹理合成方法。