图像质量快速盲检测及其在视觉系统中的应用

提出了一种新的图像质量快速盲检测方法,以锐利度作为图像质量准则,而锐利度可以归结为图像的模糊特性,并由边缘信息估计得到。为了提高系统效率,采用边缘对比度的估计方法,并以边缘对比度作为边缘锐利度的判据准则。分析了邻近边缘的相互影响,因而只需从有限的边缘点来提取出合理的线扩展函数(LSF),进而得到模糊参数。在LSF计算中,采用一种新的插值计算方法。实验结果表明:当图像不是特别模糊时,测量结果是准确的。     

基于深度学习与行为先验的吸烟和打电话检测方法

针对深度学习方法在实现端到端的特定行为检测时存在的局限性,提出将深度学习与行为先验相结合的改进方法自动检测吸烟和打电话行为。自建行为数据集,训练一个适合特定行为和小目标检测的深度网络;利用训练好的网络模型对输入图像进行前向预测。在初步预测出特定行为(吸烟或打电话)和与该行为相关的特定目标(手、香烟或手机等)信息后,结合行为先验建立逻辑推理关系进一步判定行为是否发生。实验结果表明,与单纯的基于深度学习的端到端行为检测方法相比,该方法能有效解决行为误检问题、明显提升检测精度。     

畸变车牌定位与矫正方法研究

算法实现了对畸变车牌的准确定位、矫正并完成分割、识别,结合形态学对HSV模型定位方法进行改进,提升车牌区域粗定位准确性,之后由定位子算法实现对车牌粗定位结果的精确定位。Hough变换获取定位后车牌图像端点信息,以此利用数学方法重构、矫正车牌图像,从而对车牌进行分割与识别。实验证明,本算法对畸变车牌图像矫正效果显著,对提高车牌识别准确率具有重要意义。     

机床整体结构及其设计思想的发展

本文从“用户－制造厂”这一制造业的基本矛盾出发,论述了机床整体结构及其设计思想的发展概况;并对各时期设计思想作了较深刻的剖析,指出了现代机床设计的方向和特点．     

一种基于改进RT-MDNet的全景视频目标跟踪算法

为了解决全景视频目标跟踪过程中,由于光照条件变化、相似背景干扰、目标运动时产生的形变和尺度变化等因素的影响,在跟踪中会出现目标漂移、目标丢失等情况,进而导致目标跟踪算法成功率低,鲁棒性差等问题,提出一种基于长短期记忆网络和改进Real-Time MDNet网络的全景视频目标跟踪方法.算法首先采用浅层卷积神经网络提取特征,并利用自适应的RoIAlign减少特征提取过程中的像素损耗,而后运用目标特征在线更新最后一个全连接层的权重,在全连接层中实现前景背景分离并提取出目标区域,然后通过长短期记忆网络自适应地选取目标框的尺度,最终输出目标位置信息.实验结果表明:单目算法应用在全景数据集时,难以适应全景中的尺度变化和背景变化,改进算法利用3层长短期记忆网络构建的尺度预测模块,可以有效地应对全景数据存在的尺度变化和目标形变问题,在保持较好的跟踪精度的同时,可以有效地应对目标跟踪中出现的小目标、目标遮挡、多目标交叉运动的情况,获得更好的视觉效果和更高的重叠率得分.     

一种基于全局最小乘方法的磁共振波谱目标 频率选择的量化方法

磁共振波谱中,感兴趣成分的单独量化不但符合许多实际应用的要求,而且同时也提高了量化的速度和精度.为此本文提出了一种基于频率选择的波谱信号量化方法,该方法通过全局最小乘方法来估计波谱信号的非线性参数,又结合前向和后向的APES方法来估计其线性参数.文中的模拟和活体数据实现表明,本文方法在计算速度和参数估计的稳健性上要明显优于经典的HSVD和HTLS方法,同时其综合性能比Stoica等提出的频率选择方法SELF_-SVD还好.     

振动攻丝的微机控制系统

本文介绍了用Tp80l单板机构成的步进电机控制系统,文中叙述了振动攻丝的控制特点,较为详细地论述了系统硬件结构及步进电机高频正反转的控制方法,最后简介了系统软件结构。     

一种离焦模糊图像客观检测的新方法

为了更精确地进行离焦模糊图像检测,提出了一种针对一幅图的离焦模糊图像客观检测的新方法,其核心思想是由线扩展函数(LSF)得到离焦模糊图像的点扩展函数(PSF)。该方法首先假定图像中至少能检测到一条明显边缘,然后由此边缘构造LSF。由于作用于空间域,无需复杂的傅里叶变换或迭代运算,因此该方法速度很快。此外,为使检测方法更具普遍性,还提出了离焦模糊检测的一般准则,这种准则适用于所有图像而不依赖于图像的内容。实验结果验证了该方法的精确性和有效性。     

线阵相机的圆环旋转标定方法

由于传统线阵相机的标定过程复杂,且对标定物精度要求较高,难以保证缺陷的定位精度,本文提出一种线阵相机的圆环旋转标定方法以提高缺陷的定位精度。该方法设计一种新型的圆环形标定板,在静态标定基础上通过旋转线阵相机采集相机视线与圆的交点的坐标,得到旋转角度以及多组标定点,建立线阵相机的成像模型和径向畸变模型,通过非线性优化整体误差函数求解相机的内参和畸变参数,同时分析相机不同旋转角度对标定精度的影响。实验结果表明,当θ≤20°时,该方法的标定精度在0.35 pixel以内,满足实际检测的定位要求,并且在PCB缺陷检测中得到较好的验证。     

机器视觉表面缺陷检测综述

目的 工业产品的表面缺陷对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业对产品的表面缺陷进行检测以便及时发现并加以控制。机器视觉的检测方法可以很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低、劳动强度大等弊端,在现代工业中得到越来越广泛的研究和应用。方法 以机器视觉表面缺陷检测为研究对象,在广泛调研相关文献和发展成果的基础上,对基于机器视觉在表面缺陷检测领域的应用进行了综述。分析了典型机器视觉表面缺陷检测系统的工作原理和基本结构,阐述了表面缺陷视觉检测的研究现状、现有视觉软件和硬件平台,综述了机器视觉检测所涉及到的图像预处理算法、图像分割算法、图像特征提取及其选择算法、图像识别等相关理论和算法研究,并对每种主要方法的基本思想、特点和存在的局限性进行了总结,对未来可能的发展方向进行展望。结果 机器视觉表面缺陷检测系统中,图像处理和分析算法是重要内容,算法各有优缺点和其适应范围。如何提高算法的准确性、实时性和鲁棒性,一直是研究者们努力的方向。结论 机器视觉是对人类视觉的模拟,机器视觉表面检测涉及众多学科和理论,如何使检测进一步向自动化和智能化方向发展,还需要更深入的研究。