基于自适应双边滤波的V型焊缝特征提取研究

为了提高自动化焊接时焊缝特征提取的精准度,提出一种自适应双边滤波算法对图像噪声去除。首先在图像预处理阶段使用自适应双边滤波算法对采集到的焊缝原始图像进行去噪处理,然后通过阈值分割得到激光条纹的二值化图像,将灰度重心法与最小二乘法相结合提取出激光条纹中心线,最后通过联立激光条纹中心线方程组求解焊缝角点坐标,从而得到焊接点位置坐标。实验结果表明,该方法能够准确地提取出V型焊缝的特征角点坐标,精度上满足实际的焊接要求。     

基于波面面形的滤波计算

为提高光学干涉测量的精度,研究了用来消除干涉条纹图噪声的滤波算法。讨论了不同波面和不同干涉仪噪声下不同滤波方法的滤波效果。考虑干涉仪噪声对条纹图的影响与检测中的不同波面情况,基于泽尼克多项式原理用matlab仿真法建立了离焦、像散、彗差、球差4种不同的干涉条纹图,计算了滤波后不同波面面形的PV值和GRMS值差别的大小。结果表明:同种噪声与滤波器情况下,在离焦、像散、彗差、球差4种面型中,滤波后球差波面的PV差值最大,高达0.11λ,与在乘性噪声下其它波面的最高PV值0.08λ相比,滤波效果较差;滤波后像散波面的PV差值最小,除乘性噪声中值滤波情况外,PV差值均在0.05λ以下,最低达0.01λ,滤波效果较好。此外,彗差波面滤波情况要略优于离焦波面。滤波器中,低通滤波稳定性高,PV差值局限于0.01λ~0.04λ,滤波效果相对好;而空域滤波后波面的PV差值最高达0.09λ,但噪声针对性更好。     

采用自适应可靠因子的联合双边散斑条纹滤波方法

在基于电子散斑干涉法的测量系统中,干涉条纹常常会存在大量噪声从而影响后续相位的提取。 为解决双边滤波无法 处理大噪声的问题,提出了一种融合加窗傅里叶滤波的联合双边滤波方法并用于处理存在高噪声的电子散斑干涉条纹。 在该 方法中,引入加窗傅里叶初步滤波后的图像作为联合双边滤波的导向图,并构建更可靠的自适应像素值相似度因子,从而提供 更可靠的引导信息和更好的滤波效果。 该方法被应用到高、中、低、可变密度 4 种不同密度的模拟条纹和实验采集到的大噪声 条纹上,并将其与原始双边滤波和加窗傅里叶滤波相对比。 实验结果表明:与其它滤波方法相比,该方法得到的条纹最光滑,结 构最完整。 对本文模拟的条纹滤波后峰值信噪比提高 1. 0 ~ 4. 2 dB,结构相似度和边缘保持指数最高,相位的均方误差最小。 所提出的方法调整更方便,对 330×330 大小的模拟条纹处理时间仅为 4 s 左右。     

基于能量的DSPI相位图正余弦降噪

针对数字散斑干涉(Digital Speckle Pattern Interferometry,DSPI)测量中散斑噪声干扰会导致相位提取困难、测量灵敏度降低的问题,提出基于能量的DSPI相位图正余弦滤波法,克服传统滤波方法不具有自适应性的不足,提高了相位图质量。该方法根据正交小波包能量估算DSPI相位图中的噪声能量;对相位图分别进行正余弦变换,采用均值法平滑处理;利用噪声能量设定滤波阈值,实现相位图有效滤波,文中将噪声能量与正余弦滤波结合可以自适应地进行降噪处理,利用能量控制图像滤波效果。仿真和实验结果表明,基于能量的正余弦滤波法较传统方法可以减少50%的循环次数。证明了本文提出的方法能够有效地对数字散斑干涉相位图进行滤波,提高信噪比。     

基于dbN小波变换和自适应高斯滤波的齿面干涉图像相位滤波方法

齿轮齿面形貌的激光干涉测量中，由于齿面高度差较大，采集到的干涉图像中难以避免存在条纹密集区域，容易出现局部条纹粘连、错切等现象，增加了相位噪声和解包裹难度。分析了包裹相位图中条纹密度分布规律，提出了一种基于dbN小波变换和自适应高斯滤波的齿面干涉图像相位去噪方法。首先，利用小波变换分解出包裹相位图中常表现为高频信号的噪声，采用软阈值去噪滤除部分高频噪声；其次，根据包裹相位图频域特征，结合自适应高斯滤波进一步对高频噪声进行迭代滤波处理；最后，设计了相关实验，通过与经典的滤波方法进行对比，所提方法不仅能够有效滤除条纹较为密集的包裹相位图中的相位噪声，而且更大限度地保留了图像细节信息，证明了所提方法的有效性和正确性。     

应用复Morlet小波变换分析条纹图相位

针对在使用干涉、Moiré偏折等方法进行流场高速动态测量时条纹图中大量无效数据对计算结果的影响,提出了一种基于连续小波变换的条纹图相位分析方法.利用小波变换的瞬时条纹频率分析能力,选用复Morlet小波及合适的小波参数,使得条纹图的小波变换模极大值与其调制度系数成正比,将其作为加权最小二乘法相位展开算法的权值,保证了相位有效展开.使用曲线拟合进行小波变换脊定位,缩短了定位时间并消除了噪声干扰.仿真实验显示,使用该方法得到的分析结果与实际相位值的相对误差小于0.01％;内波流场测量实验显示,使用该方法进行条纹图分析,密度梯度测量精度达到了5×10-6g/cm4.结果表明,用该方法进行条纹图相位分析可以有效消除无效数据对结果的不利影响,相位展开有效可靠,分析结果精度高.     

方向滤波指纹图像二值化

对指纹预处理的过程进行了描述,先得到指纹图像的方向图,再根据方向图构建方向滤波模板,最后进行滤波得到指纹的二值图.用方向滤波法做指纹图像二值化可以较好地连接断裂的纹线和分离粘连的纹线,并指出了当前方向滤波方法的缺点.     

基于结构光视觉的激光拼焊焊缝质量检测方法研究

在基于结构光视觉的激光拼焊焊缝表面质量检测系统中,需要准确获得焊缝结构光条纹中心线和特征点的位置.由于焊接过程中的各种噪声干扰,使得焊缝图像复杂多变,因此选择合理高效的图像处理算法是非常重要的.针对这一问题,对结构光视觉焊缝质量检测系统图像处理方法进行了深入研究.在图像预处理中,首先通过开窗处理来获得兴趣区域,采用中值滤波去除图像噪声.在结构光条纹中心线提取过程中,提出了一种新的模板法获得了条纹的边界并用几何中心法提取了条纹中心线;最后,使用斜率分析法提取了特征点.试验表明,该方法具有较高的特征点检测可靠性,并且运算速度快、抗干扰能力强,具有较高实用价值.     

用干涉条纹图像重建反射镜的三维面形

给出了用干涉条纹图像重建反射镜三维面形的方法,用泰曼-格林干涉仪采集被测镜面的干涉条纹图像,通过对干涉条纹图像进行处理得到镜面高度采样,采用泽尼克多项式拟合镜面的曲面函数,测量到了镜面的三维高度数据。干涉条纹图像上相邻条纹与参考面之间的距离相差一个标准光源波长,因而该测量方法的关键是得到条纹波峰或波谷的精确位置,从而达到了镜面相对高度的采样的目的。采用巴特沃斯低通滤波对条纹图像进行滤波,去掉噪声的影响,然后对图像二值化分割出亮条纹,用数学形态法对二值条纹图像细化得到条纹的中心线,结果表明,低通滤波方法能有效地减少细化条纹的分支和断裂。最后定义每条条纹中心线的相对高度,利用前39项泽尼克多项式对镜面高度进行最小二乘法拟合,计算了镜面被测区域的曲面高度数据。该方法可以用来测量强激光引起的镜面热变形。     

提高光栅莫尔条纹CCD采集质量的噪声处理

为提高CCD采集的光栅莫尔条纹信号质量,采用相关双采样法对CCD采集的莫尔条纹信号进行噪声处理,通过对相关双采样原理进行建模和仿真,验证了此方法在噪声相关程度越大的情况下,对噪声的抑制越好.采用一款内部带有相关双采样电路的AD转换器对CCD输出信号进行采集,使用FPGA产生CCD驱动时序、AD驱动时序和配置时序.使用Verilog HDL语言和Quartus Ⅱ软件进行时序程序编写和仿真,仿真结果表明了设计的正确性,因此相关双采样去噪法可以应用在莫尔条纹的采集系统中以提高莫尔条纹的信号质量.     

基于模糊神经网络的图像滤波算法

针对传统的线性和非线性图像滤波算法对含有丰富细节的图像滤波处理的不足,提出一种基于模糊神经网络的图像滤波算法.该算法利用神经网络的自学习功能训练标准样本以确定模糊贴近度阈值,在基本不改变原有图像的灰度信息的前提下,找出图像受到噪声污染的像素点,采用迭代中值滤波算法得到的中值替换噪声点.仿真实验表明该方法有很好的滤波效果,优于传统的图像滤波算法.     

自适应权值滤波消除图像椒盐噪声的方法

提出了一种自适应权值滤波算法。该方法利用邻域差分法(ROAD)判定滤波中心点的有效性,若判定该点为噪声,则将邻域像素分别赋予不同权值对该点像素重构,邻域像素权重系数的分配随该点有效程度的增加而增大。一方面抑制了图像噪声,另一方面保留了图像细节。实验证明该方法在滤除椒盐噪声时,无论从视觉角度还是数据恢复角度都比常规滤波方法效果有明显改善。当图像中含有35%的椒盐噪声时,利用该方法恢复数据效果比传统中值滤波提高10 dB。     

基于柔性形态滤波和支持矢量机的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的强噪声背景以及现实中不易获取大量典型故障样本的特点,提出一种基于柔性形态滤波和支持矢量机(Support vector machine, SVM)的滚动轴承故障诊断方法。柔性形态滤波既可以有效地提取出信号的边缘轮廓和信号的形状特征,同时又具有稳健性;SVM具有良好的分类性能,特别在小样本、非线性及高维特征空间中具有较好的推广能力;SVM分类器的惩罚因子和核函数参数采用经典粒子群优化算法进行优化,避免传统方法对初始点和样本的依赖。首先对振动信号进行柔性形态滤波,然后提取滤波后信号的故障特征频率的归一化能量为特征矢量作为SVM分类器的输入参数,用于区分滚动轴承的外圈、内圈和滚动体故障,SVM分类器的参数采用标准粒子群优化算法进行优化。试验结果表明了方法的有效性。     

自适应卡尔曼滤波在无刷直流电机系统辨识中的应用

为了有效抑制量测噪声特性变化对系统辨识精度的影响以获得准确的无刷直流电机模型,提出了一种采用自适应卡尔曼滤波算法的无刷直流电机系统辨识方法。通过计算新息理论方差的极大似然最优估计,并将其引入卡尔曼滤波算法中修正滤波增益来抑制量测噪声特性变化对辨识结果的影响,使该滤波算法实现对模型参数的准确估计,提高辨识精度。实验结果表明,在量测噪声特性变化的情况下,该算法能够准确跟踪实际量测噪声特性的变化,参数估计平滑,相对于目前系统辨识广泛采用的带有遗忘因子的递推最小二乘算法,输出误差的均方根值减小了73.5%。该算法简单易行,计算量小,辨识结果可以很好地描述系统行为,便于在工程实践中应用。     

基于粒子群优化的形态学滤波器消噪方法

为了有效地消除信号的噪声,提出了基于粒子群优化的数学形态滤波器构造方法。首先,根据数学形态学算法的特性构造了形态学滤波器;然后,对于形态学滤波运算中的重要参数形态结构算子,采用具有全局优化性能的粒子群算法自适应选取,以最大信噪比作为整个优化过程的判定标准,从而实现了最优滤波器的构造;最后,通过仿真实验和轴承故障信号的分析表明,该形态学滤波器能够实现较好的滤波效果,可以有效地对机械设备的故障信号进行消噪。     

基于EMD与响度的有源噪声控制系统

为了提高有源噪声控制系统的降噪效果,提出了基于经验模态分解( empirical mode decomposition,EMD)和响度的控制系统.该系统首先采用EMD方法对噪声源进行自适应分解,并对分解后的各个固有模态函数(intrinsic mode function,IMF)分量的响度进行计算,然后根据各个分量的响度大小进行残差滤波器的设计.与基于A计权曲线设计的残差滤波器相比,该方法所设计滤波器能更好地抑制响度较小的信号频率成分.对有源噪声控制系统的降噪效果进行了仿真,结果表明,所提出的控制系统比传统滤波-X LMS(filtered-X least mean square)方法和采用基于A计权残差滤波器的系统降噪效果更好.     

基于多级维纳滤波的OCT图像除噪方法研究

为了实现光学相干层析成像（OCT）过程中采集信号的噪声去除,设计了基于维纳滤波和对比度增强的OCT图像处理方法。首先对OCT图像的噪声进行了分析,继而针对OCT信号的噪声干扰问题提出一种除噪算法,通过多尺度维纳滤波器对图像进行滤波处理,然后根据区域特性采用对比度增强方法提高图像对比度。实验结果表明：经该方法处理后图像的背景方差（BV）较原始图像降低了3-7倍,而且信噪比高,细节方差和背景方差之比（DV/BV）提高了3-6倍。该方法不仅有效去除了OCT图像的噪声,而且视觉效果良好,是一种有效的图像后处理方法。