基于纹理脊线特征融合的木材表面裂缝检测

裂缝是木材表面一种严重缺陷,对木材的加工和使用影响极大,然而,由于裂缝与木材表面的矿物线具有诸多相似之处,因此如何准确地将裂缝纹理识别出来是一个亟待解决的问题。提出了一种基于纹理脊线特征融合的检测方法,首先建立纹理脊线灰度和形态特征提取基本模型;然后分割出木材表面全部纹理区域,并根据模糊规则提取出条状纹理,包括裂缝和矿物线;最后根据建立的模型提取条状纹理的两种脊线特征,并进行特征信息融合得到复合判别因子,最终通过融合结果与预设阈值的数值关系识别裂缝纹理。在自建图库上进行了测试,结果显示所用方法对裂缝缺陷识别的等误率仅为4.64%,相对于其他经典特征提取和纹理识别方法其等误率最少降低了10.06%,表明了本方法的高效性,具有实际应用价值。     

结合噪声估计的NRLBP铆钉表面缺陷检测

针对铆钉表面缺陷纹理形态复杂多变,传统纹理特征提取方法难以获取准确纹理信息、铆钉缺陷识别率较低的问题,提出一种自适应阈值抗噪LBP的铆钉表面缺陷检测算法AT_NRLBP。首先,将铆钉图像均匀分块后提取铆钉子块;然后,基于PCA分解铆钉子块的协方差矩阵,估计子块图像的噪声水平。根据图像噪声强度计算NRLBP阈值,编码铆钉子块得到NRLBP纹理特征。最后,训练SVM单分类器分类铆钉子块,检测并标记出缺陷子块。实验结果表明,这里算法能有效地检测出铆钉表面缺陷,误检率明显降低;与其他纹理分类算法相比,这里算法在KTH-TIPS数据集上的分类准确率较高。     

基于灰度差分和脊线检测算子的虹膜裂缝检测

虹膜裂缝是用于虹膜识别的特定形状虹膜纹理之一。为了解决在复杂背景下提取裂缝特征的问题,在对虹膜裂缝特征进行分析的基础上,提出了一种虹膜裂缝检测方法。首先用灰度差分模板得到裂缝纹理候选区域,并根据裂缝的先验知识筛选裂缝候选像素,在原图上分割成小区域;其次,采用脊线检测算子在小区域范围内对各种纹理进行检测;最后在二值化图像上计算该区域能量密度,排除非裂缝纹理,实现裂缝纹理的检测。该方法在图库中人工标定的1 201处裂缝中检测正确检出率达到94.09%。实验结果表明,本文方法在不需要手动去掉卷缩轮内区域的情况下,能够在多种虹膜纹理并存的复杂背景下检测出虹膜裂缝纹理。     

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.     

实时带钢表面质量检测算法研究与应用

针对现有带钢表面质量检测技术在检测精度、数据实时吞吐量等方面存在的问题,提出了一种基于纹理特征编码的带钢表面缺陷检测方法。首先,利用高斯滤波器的差分响应模拟人类视觉的纹理感知模型,在原始图像空间内进行缺陷可疑点检测;然后对疑似缺陷位置进行纹理特征的提取与编码,在纹理特征编码空间内完成缺陷的精密定位。实验结果表明,该方法可以对带钢表面常见的氧化、孔洞、边裂、麻点等十几种不同类型缺陷进行精确地检测,降低了系统的误检率,同时提高了缺陷检测的识别率和算法的计算效率。     

摩托车轮毂表面缺陷检测研究

摩托车轮毂表面缺陷可能会造成摩托车在行驶过程中发生交通事故,危及驾驶者的生命,因此,对于摩托车轮毂的表面缺陷检测就显得尤为重要。针对摩托车轮毂表面缺陷检测,提出使用支持向量机(SVM)的方法,在特征选择上使用不同的灰度特征和纹理特征相结合。剖析了样本数量的多少与不同特征维度对支持向量机分类结果造成的影响。当提取灰度特征和纹理特征作为特征变量的时候相较于单独的灰度特征分类精度具有明显的提高,当样本数量为100时,识别精度可以高达93%。研究结果表明,在灰度特征的基础上加入纹理的特征可以大幅度提高支持向量机在摩托车轮毂表面缺陷检测的识别精度。     

砂纸在线纹理特征提取方法的研究

纹理特征作为图像的表面固有特征,在模式识别中有着重要的作用。针对提取砂纸表面缺陷纹理特征的问题,提出了灰度共生矩阵的概念,建立了砂纸的灰度共生矩阵模型,对模型进行相关的理论分析,诠释了图像预处理工作的重要性和各个参数的影响机制;同时针对砂纸图像光照不均匀的现象,采用了基于概率的数字图像不均匀校正算法,对图像质量进行改进。通过对实验的仿真分析,验证了传统的灰度统计特征的方法在提取砂纸纹理特征中的不足,得出灰度共生矩阵在纹理特征提取中具有更好的适应性结论。最终构建砂纸的特征向量,为模式识别过程中分类器的训练提供了理论依据。     

基于线性模板和模糊规则的虹膜坑洞纹理检测

基于虹膜表面特定形状纹理的虹膜识别方法是虹膜识别的一种有效手段。然而,由于虹膜纹理复杂多样,形态各异,因此如何快速、准确地检测出虹膜表面各种不同类型的特征纹理仍然是目前亟待解决的一个难题。针对坑洞纹理的检测,提出一种基于定长线性模板和模糊规则的虹膜坑洞纹理的检测方法,首先使用一个定长的线性模板提取出虹膜表面所有纹理的边缘。然后,根据坑洞纹理与其他类型的纹理在形状上存在的不同,定义相应的模糊规则,从各种不同类型的纹理中识别出坑洞纹理。该算法对图库中人工标定的坑洞纹理检测的正确率为86.06%;对色素斑、裂缝以及眼睑的排除率分别为84.62%,71.56%,100%。实验结果表明,该方法能够从背景复杂的可见光虹膜图像中识别出坑洞纹理,为虹膜的特征提取提供了一个新的思路。     

基于小波包变换和奇异值分解的机加工表面纹理特征提取

为提取机加工表面的纹理特征,提出利用小波包变换和奇异值分解提取灰度图像特征的新方法,给出了小波包变换算法及奇异值分解算法,依据矩阵奇异值特征向量的均值和方差分别定义了灰度图像的特征参数k1和k2,并探讨了特征参数与表面纹理之间的关系。结果表明:特征参数能够敏感地反映机加工表面的纹理特征。k1表征了机加工表面的支撑面积,其值越大,支撑面积越大;k2表征了机加工表面纹理的粗糙度,其值越大,纹理越粗糙。因此,机加工表面的纹理特征可通过灰度图像特征参数k1和k2评定。     

基于显微成像法的机加工零件表面质量检测

介绍一种基于显微成像法的快速检测机加工零件表面质量的方法。通过对切削加工零件表面纹理图像进行灰度信息统计分析并与传统方法检测粗糙度结果做曲线拟合,建立加工表面轮廓高度特性与图像灰度特性之间的相关关系,从而根据图像灰度分析得到粗糙度值;用适当大小的窗口逐行扫描图像,通过检测窗口内波峰线的连续长度而识别纹理缺陷,并以窗口轮廓作为缺陷的标记。实验验证了该方法检测粗糙度等级准确度达83.3%,可识别并标记的纹理缺陷大小为30μm。     

基于机器视觉的浮空器囊体材料表面缺陷检测系统

在复杂气象环境下,浮空器囊体作为整机系统的直接受压面,其表面必须平整光滑,无褶皱损伤,以将其与空气的摩擦力降至最小。文中基于机器视觉对浮空器囊体材料表面缺陷检测进行系统设计。首先为了降低背景灰度变化对缺陷检测的影响,研究了一种同时具有噪声滤除与图像增强功能的预处理算法;其次利用图像二值化和中值滤波技术实现特征图像的预处理,并结合纹理特征提取技术（基于灰度共生矩阵）对囊体材料表面不同缺陷图像的特征参数进行仿真提取,通过分析不同特征参数,判断囊体材料的表面缺陷类型。该系统对采集到的200个囊体材料表面缺陷样本的分析表明,所用方法能识别浮空器囊体材料93.6%的表面缺陷,识别内容包括缺陷的类型、位置、大小等,并根据缺陷的类型加盖不同的标记。该系统具有较高的识别率和准确率,可对浮空器囊体材料表面缺陷进行快速检测。     

基于形态学与支持向量机的虹膜坑洞纹理检测

坑洞纹理是虹膜表面上一种重要的特征纹理。对可见光虹膜图像而言,如何能不受睫毛、眼睑、光斑及光照不均匀等干扰因素的影响,并能快速、准确地提取出该特征纹理仍然是目前一个亟待解决的难题。提出一种基于形态学和支持向量机(SVM)的可见光虹膜坑洞纹理检测方法。首先使用灰度形态学和二值形态学相结合的方法提取出所有目标纹理;然后使用区域生长方法定位所有目标纹理并计算各个目标纹理的特征向量;最后再使用SVM和定义约束条件的方法提取出最终的坑洞纹理。通过实验证明:该方法能较好地克服光斑等干扰的影响,对坑洞状纹理的检出率高于其他同类方法。     

基于多特征流形学习和矩阵分解的路面裂缝检测

针对单一属性特征的路面裂缝检测方法无法从复杂背景噪声中准确提取裂缝信息的缺陷,提出一种结合多特征流形学习和矩阵分解的路面裂缝检测算法。该算法首先根据路面裂缝子块的统计、形状和纹理特性抽取多重属性特征并构造多个流形正则项,将流形正则项嵌入于矩阵分解的目标函数中,采用交替迭代法在统一框架下实现裂缝子块降维和多特征自适应融合。为进一步提高聚类准确率,对路面裂缝图像采用各向异性算法增强得到少量有效样本标签,实现算法的半监督扩展。在公开数据集(Crack IT)和实际采集的沪宁高速(HN)路面图像库上的实验结果表明,该算法可以有效提高路面裂缝识别率,验证了算法的有效性。     

On the role of texture development in the forming limits of sheet metals

Forming limit curves have been simulated using a Marciniak—Kuczynski type initial defect theory constructed for polycrystalline materials with a known texture. The technique has been generalized in the present work to account for the texture development during deformation. Three initial textures characteristic for aluminium sheets have been selected to study the effect of the initial textures as well as their development on the forming limits. It is demonstrated that both the initial textures and their subsequent development have important influences on the limit strains. The evolution of anisotropy decreases formability and also “equalizes” the forming limit curves. Experiments carried out in hydraulic bulging tests have confirmed the predictions.     

立体零件加工质量的在线图像检测方法

针对具有景深零件加工质量的在线检测问题,提出一种基于单摄像机的分层图像测量方法.结合改进的双线性插值和Robert边缘算子,对零件各层面在图像上投影直线边缘粗定位;再基于灰度矩的亚像素算法和最小二乘直线拟合,将边缘定位精度提高到亚像素级.在二步法图像边缘定位基础上,利用分层映射关系,获得零件形状和几何尺寸数据.本文方法应用于某种双层特种钥匙加工质量的图像检测中,实验结果表明,该方法实时性好,能满足机械零件加工质量的检测要求.     

基于子区域变尺度高斯拟合的木材表面缺陷识别

为了提高木材的使用效率、避免由于木材缺陷造成生产故障,根据木材缺陷类型对其分类处理是一种有效的手段,但木材缺陷复杂多样且具有诸多相似性使得类别区分成为难点。针对以上问题本文提出了一种基于子区域变尺度高斯拟合模型的缺陷识别方法。首先建立变尺度高斯拟合基本模型,然后将缺陷纹理分成若干子区域,提取各分区的高斯拟合特征并进行融合;将高斯融合特征及圆度和边缘直线度这两个几何特征输入到建立好的BP神经网络模型中进行训练,根据优化训练的网络模型识别缺陷。该方法对自建的SUT-W图库中雪糕棒图像上人工标定的裂缝、矿物线、矿物块和黑节子的准确识别率分别为91.72%、92.77%、92.67%和92.80%,与其他典型纹理检测方法相比,4种缺陷准确识别率最高分别提高9.38%、6.69%、13.55%和10.22%,说明本文方法能够有效地将以上4种缺陷分辨开,具有一定的实际应用价值。     

路面病害检测系统中的图像增强技术

为了提高路面病害检测系统的精度和自适应能力,研究了自动路面裂缝图像增强技术。针对图像每个像素建立由邻域一致性模糊熵测度、邻域模糊方差以及全局模糊隶属度组成的模糊特征模式对所有像素进行分类,实现对像素灰度渡越点位置的准确估计;在模糊隶属度函数设计上,利用修改控制顶点和权因子可局部地修改曲线形状的功能,通过非均匀有理B样条函数设计出一种双"S"形模糊隶属度函数作为灰度变换函数。提出的路面裂缝图像增强技术中的灰度变换函数不仅能和渡越点的位置很好地结合,而且其形状调节因子具备良好的灰度集中能力,仅需很少次数迭代增强就能达到突出路面裂纹的效果。实验结果显示,利用提出的图像增强技术可使路面裂缝病害像素正确检测率达到95%,该技术很大程度地提高了路面裂缝自动检测系统的可靠性和检测精度。     

铁谱图像的彩色纹理特征提取与识别

纹理是铁谱图像的特征之一,但大部分的铁谱图像的纹理研究是以灰度图像为基础的,这样就丢失图像的彩色纹理信息。对铁谱图像的彩色纹理特征进行了提取,运用支持向量机的方法,对铁谱图像的磨粒颗粒进行了识别,试验结果表明,所提取的特征值,有利于磨损颗粒纹理的识别。