基于ROI灰度压缩的电路板红外图像配准

电路板红外图像配准技术是电路板红外热成像故障检测系统的核心。针对传统图像配准算法精度和效率较低等不足,为了提高电路板红外图像配准精度和效率,设计了一种基于ROI灰度压缩的图像配准算法。首先,利用Otsu法提取出电路板红外图像ROI。然后,将ROI内灰度值进行线性压缩。最后将灰度压缩后的图像进行互信息量运算和图像x平移、y平移、旋转、缩放变换参数寻优。仿真结果表明,基于ROI的灰度压缩算法能够显著减小配准时间,当两幅图像环境温度差异较大时其配准精度相比其他灰度压缩算法有明显优势。     

基于ROI互信息的电路板红外图像配准技术

电路板的红外图像配准是电路板红外图像故障检测系统中的重点研究内容,由于电路板红外图像背景区域灰度单调,元器件发热区域轮廓粗糙,且伴随着大片受环境影响的辐射区域,对配准精度和配准效率产生很大影响。结合这些特点,利用相位一致性提取电路板发热芯片轮廓,再将轮廓内的区域用区域增长法提取为电路板红外图像ROI,基于ROI的图像配准不仅最大限度地保留了图像信息,又显著降低互信息运算量。实验表明:相对不进行ROI提取的图像配准算法,本文算法能够在保证配准精度的前提下大幅提高配准效率,具有一定的实用性和鲁棒性。     

基于SVM的机场供水管网泄漏辨识定位系统研究

针对供水管网泄漏辨识定位系统,研究了以管网压力、流量参数形成的时间序列数据为基础,应用支持向量机方法建立漏损辨识模型,采用粒子群算法对支持向量机中的c、g参数进行优化,最终通过压力梯度法实现漏点的准确定位。结果表明:所建立模型对管网漏损辨识定位的准确率较高,满足供水管网漏损监测的要求。     

电路板红外图像多目标提取算法

电路板红外图像芯片提取是电路板红外图像故障检测系统中的重要环节,传统的芯片发热区域提取方法或多或少需要人工干预,在芯片较多和热辐射情况复杂电路板中人工参与效果不是很理想．基于电路板红外图像特征提出了一种自适应多目标区域增长算法,将该多目标区域增长算法与GVF—Snake模型相结合用于电路板红外图像芯片提取．利用多目标区域增长算法将每一块芯片的发热区域和辐射区域一并提取,再利用区域增长确定GVF-Snake模型初始轮廓,利用GVF模型进行芯片发热区域提取．实验表明,这种算法能够无人工干预的准确提取电路板红外图像所有芯片发热区域,具有一定的实用性和鲁棒性．