活塞表面缺陷图像的亚像素边缘检测技术研究

针对活塞图像对比度低、缺陷区域小、缺陷种类多、人工检测效率低等问题,提出一种结合区域生长法和亚像素边缘提取的活塞表面缺陷检测方法。利用图像处理软件采集活塞图像,分析活塞表面图像中缺陷区域与正常区域灰度值的差异。使用区域生长法进行图像分割,结合Canny算子对活塞表面缺陷边缘进行初步定位。通过定位感兴趣区域的位置,进行亚像素级别提取,并平缓感兴趣区域边缘。实验表明,所提算法比传统的边缘提取方法得到的缺陷区域更精确、平滑。     

基于图像处理的疲劳裂纹扩展长度在线测量方法

为了在金属疲劳裂纹扩展试验中采用直观、准确、可靠的方法获得高精度裂纹长度尺寸,提出了基于图像处理技术的疲劳裂纹扩展长度在线测量方法。首先,采用大尺寸黑白全帧面阵CCD和微距显微镜头对疲劳裂纹扩展过程中的图像进行采集,分析疲劳裂纹的图像形态特征,采用亚像素边缘定位方法对预制裂纹边缘进行检测,求出疲劳裂纹起点位置。然后,对裂纹扩展区域进行图像子区划分,对图像子区采用基于灰度统计数据的自适应分割方法进行裂纹分割,采用单区域增长算法进行二值化裂纹图像连接得到裂纹主干。最后,进行了系统标定和疲劳裂纹长度在线测量试验。试验结果表明：本方法测量精度高、抗干扰能力强、数据稳定可靠,裂纹长度测量精度为0.03mm,满足裂纹扩展试验国际标准的要求。     

红外热成像技术在大型起重机械金属裂纹探伤中的应用

对大型起重机械金属构件中常见的裂纹缺陷进行识别是红外热成像检测应用中一个新的研究方向。介绍了主动式红外热成像检测的技术原理,设计了通过主动式红外热成像检测技术对含有裂纹缺陷的金属钢板试件进行检测的无损检测Non-Destructive Testing(NDT)系统,并根据检测系统搭建了试验平台。针对试验中采集到的原始红外热图像存在裂纹缺陷轮廓模糊、环境噪声干扰等问题,提出采用图像灰度转换、直方图均衡化、中值滤波、阈值分割和边缘检测等方法来提取裂纹缺陷的边缘轮廓特征。结合提取出的轮廓特征,并根据钢板试件的实际试件尺寸和预埋裂纹缺陷轮廓特征图像像素之间的换算关系,得到裂纹缺陷的识别精度。经过对比验证,红外热成像技术可以满足大型起重机械金属构件裂纹缺陷的检测需求。     

基于图像灰度梯度特征的钢轨表面缺陷检测

利用机器视觉技术检测钢轨表面缺陷时,检测结果的准确性易受光照变化、钢轨表面反射不均和锈迹等因素的影响。为此,提出了基于图像灰度梯度特征的钢轨表面缺陷检测方法。首先,在设计钢轨表面缺陷检测装置的基础上,分析了钢轨图像中不同区域的灰度和梯度特征;然后,基于双边滤波思想设计了背景平滑滤波器,利用局部灰度和梯度变化信息自适应调整不同特征区域的平滑程度,对原图像平滑得到背景图像;最后,将原图像与背景图像差分,通过对差分图像阈值分割并利用连通区域标记法,实现钢轨表面缺陷检测。实验结果表明,该方法可以在凸显图像缺陷部分的同时,有效减弱光照变化、钢轨表面反射不均和锈迹的影响,对不同轨道环境下的疤痕和裂纹缺陷均取得了较好的检测效果,缺陷漏检率和误检率分别为5.79%和6.84%,具有一定的实用价值。     

重轨图像增强与边缘提取的关键技术

针对重轨图像两个边缘像素特征不一致,传统边缘算子检测法难以精确提取边缘的问题,提出了一种新的边缘提取方法.该方法利用灰度强对比度拉伸算法对重轨表面和背景进行差异化拉伸增强边缘信息,削弱背景信息.运用最大方差比算法选取增强后图像的最佳阈值实现二值化.最后,运用递归连通域标识法定位边缘像素坐标,完成图像分割.对随机选取的30幅图像进行分析表明:处理后的图像边缘灰度特征明显增强,有效地抑制了表面纹理及虚假边缘.重轨表面像素宽度波动减少到-0.64％～0.34％.离散预处理算法通过遍历寄存器全局数组,减少分割时间至10.165 s.该方法在抗干扰性、准确性及时效性等方面优于传统边缘算子检测法,适用于在线工业检测系统.     

基于机器视觉的纸病检测

针对纸病会影响纸张的外观和使用性能的现象,对基于机器视觉的纸病检测方法进行了研究。分析了黑斑、亮斑、褶皱的图像特征。通过图像去噪、灰度分析、阈值分割、图像二值化实现了黑斑亮斑的检测;再通过边缘检测、图像二值化、形态学处理及Hough变换完成对褶皱的检测。     

图像处理在医用纱布表面缺陷检测中的应用

针对医用纱布表面缺陷的特点,研究缺陷检测算法。运用迭代算法对图像进行预处理,有效地去除噪声对图像的影响。采用了一种特殊的图像分割方法即基于数学形态学的分割技术对图像进行边缘检测及分割,保证了边缘检测的连续性,能够分割出完整的缺陷目标图像。利用提取的纱布表面缺陷图像中的形态学特征对缺陷进行分类,实现纱布表面破洞、缺经、断纬等缺陷的识别目的。通过MATLAB软件对一些医用纱布图像进行测试,验证了该方法的可行性和准确率。     

基于机器视觉的手机电池表面缺陷检测

针对手机电池表面质量人工检测情况,开发了电池表面缺陷无损检测系统软件。首先电池表面经过倾斜矫正、感兴趣区域提取和字符灰度值修改等预处理操作,通过基于灰度密度分布和灰度差的自适应阈值亮度法对感兴趣区域进行子图像遍历,融合有重合区域的缺陷子图像并滤除没有明显缺陷的区域;然后采用支持向量机多种类分类法,提取二值图像像素分布规律作为训练特征,识别电池表面缺陷种类;最后设计了人机交互界面,确定最佳的可变参数,实验测试缺陷识别率达95%以上。     

基于统计和纹理特征的SAS图像SVM分割研究

合成孔径声呐图像可以有效反映海底的地形、地貌和底质等情况,但是单幅SAS图像通常对应一片较大的区域,需要按照某种性质将不同性质的区域分割开来,以有利于下一步的图像分析以及目标检测和识别.研究发现,不同底质区域的SAS图像具有不同的统计和纹理特征,选取灰度直方图的均值、标准差、峰度等统计特性和灰度共生矩阵的能量、相关性、对比度、熵值等纹理特性用以描述SAS图像的不同区域.将选取的特征作为SVM的训练特征,进而得到SVM分类器,用于SAS图像分割.实验结果表明,SVM算法可以很好地对SAS图像进行区域分割.     

结合最小均方差滤波和目标灰度的边缘检测

针对图像处理中对噪声去除和边界保持两方面的需要,对灰度值差异不大的目标之边缘检测算法进行了研究。首先,对最小均方差滤波器模板进行改进,并将方差最小模板对应的灰度中值作为被处理像素的新灰度值以实现图像去噪;然后,选取部分目标区域并以其灰度中值为基础设置上、下阈值实现图像分割,对分割后的图像运用Canny算子检测目标边缘;最后,运用MATLAB软件进行算法仿真。仿真结果表明:该算法不仅能在去除噪声的同时实现对目标与非目标的有效分割,还能保证目标轮廓的完整性。该算法能够对目标灰度值差异不大的图像进行去噪、分割,并获取完整的目标轮廓。