基于机器视觉的铝合金激光清洗实时检测系统

利用高速电耦合器件与发光二极管光源实时获取激光清洗后铝合金的表面图像,设计了铝合金表面氧化膜激光清洗机器视觉在线检测系统,提出了针对激光清洗过程的动态阈值快速定位耦合算法。所提算法解决了激光高速清洗过程中表面光照不均的问题,实现了激光清洗过程中清洗合格区域与不合格区域的准确分割及快速定位。所设计的在线检测系统能够实时检测铝合金表面氧化膜的清洗质量,缩短了检测时间,提高了检测准确度,可以保障整体的清洗质量。     

基于形态学和小波变换的Otsu提取缺陷

为了解决经典Otsu法对复杂图像分割的不足,提出了一种新的分割算法来提取零件的表面缺陷,将形态学和小波变换理论应用到Otsu算法中。该算法采用两次分割,分别为将零件从背景中分割出来以及将缺陷从零件中分割出来。算法首先采用形态学中的顶帽变换和底帽变换相结合将零件从图像背景中分离出来,得到目标图像;然后选择单层小波系数分解目标图像,再将分解后的图像进行低频重构,去除冗余信息和噪声;最后分别应用一维和二维Otsu算法将缺陷从低频重构后的图像中分割出来。实验证明,所提出的算法较经典的一维和二维Otsu算法,具有分割精度高、抗噪性能强的优点,并且改进后的一维Otsu算法要优于改进后的二维Otsu算法。     

基于改进的二维Otsu的铁路轨道阈值分割方法

Otsu最大类间方差法是图像阈值分割中的经典算法之一,在图像处理邻域应用广泛。为了改善传统二维Otsu算法存在运算时间较长,不适用于铁路轨道实时监测的缺点。文中将遗传算法与Otsu算法相结合,运用自适应遗传算法的原理,通过选择、交叉、变异等操作,寻找图像灰度最佳分割阈值。实验结果表明,在兼顾了图像分割质量前提下,文中算法大幅缩短了运算时间,较好提取了铁轨轮廓。     

基于改进Otsu算法的TFT-LCD点缺陷自动光学检测系统

针对TFT-LCD点缺陷自动光学检测时,缺陷与背景对比度较低难以用传统阈值分割算法处理的难题,提出一种改进的Otsu算法,并构建了TFT-LCD点缺陷自动光学检测系统。首先,通过Gabor滤波去除了纹理背景的影响。然后,利用威布尔函数形态参数分段取值时,其分布函数呈现的不同分布特性,改进了传统Otsu阈值提取函数。最后,进行了离线测试试验和在线测试试验。试验表明,改进的Otsu算法在点缺陷与背景对比度较低的情况下分割效果优于传统Otsu算法。将该算法移植到TFT-LCD点缺陷自动光学检测硬件平台上进行在线测试,正确检测率可达到94%,单个样本最短检测时间可缩短至150ms。降低了TFT-LCD人工检测点缺陷的工作量和劳动强度。     

基于Otsu算法的图像阀值自动选取算法研究与应用

针对图像处理在追踪运动物体领域的应用,选择Otsu图像分割算法进行研究分析,给出了该算法的C++程序代码。为验证算法在工程应用领域的有效性和准确性,将其应用到车辆目标检测系统中,该系统以运动目标检测与跟踪为出发点,通过读取视频帧、帧差处理、Otsu分割、形态学处理,连通分量分析进行目标检测,从而实现跟踪汽车运动的目的。最后在Opencv2．4．8和微软VS2010环境下对Otsu算法在该系统的应用进行测试,结果表明,Otsu算法能够快速高效的进行车辆检测及跟踪定位,具有较好的工程应用价值。     

基于双Nios Ⅱ的红外图像实时Otsu局部递归分割算法设计

针对传统Otsu局部递归分割方法很难实时实现的局限性,提出了一种适合FPGA(现场可编程门阵列)中N iosⅡ软核处理器实现的快速Otsu局部递归分割算法,该算法的思路是把一次Otsu分割得到的目标区域作为新的图像再进行一次Otsu分割,得到的结果作为最终分割阈值。利用并行N iosⅡ和VHDL实现的硬件加速逻辑协同设计保证算法的实时实现。实验结果表明,在不同的背景下,利用本文设计能够实时稳定地对目标分割提取,具有较好的鲁棒性。     

电子元件焊接质量识别中图像定位算法研究

针对电子元件焊接质量自动检测系统中PCB图像的定位问题进行研究。为了解决传统定位算法定位精度低、运算时间长的缺点,改进传统的定位圆检测和定位算法,采用改进的快速Hough变换提高检测精度和缩短检测时间。通过实际PCB电路板的检测实验对比发现,该算法能提高定位圆圆心检测的精度,可以有效缩短计算时间,对于实际电子元件缺陷的自动检测算法的改进有一定的参考意义。     

基于双网络的钢材表面缺陷检测方法

针对传统算法检测钢材表面缺陷（如开裂、斑块、划痕等）精准度较低的问题,提出一种基于分割与分类的两段式深度学习网络。该网络是专为表面缺陷的检测、分割以及分类而设计的。第一阶段利用YOLOv5算法对钢材表面的缺陷进行定位、分割;第二阶段使用EfficientNet网络对钢材表面的六种缺陷类型进行分类。实验结果表明,相较于传统的YOLOv5算法,该方法的平均精准度提高了16%,适合用于钢材表面缺陷检测。     

基于鲁棒Otsu的红外无损检测缺陷分割算法

在红外无损检测获取的图像中,缺陷区域与非缺陷区域所占面积比例悬殊,且图像经过序列增强处理之后仍然存在阴暗区域,导致缺陷分割准确性受损。为此,结合局部阈值分割法的相对阈值思想,提出一种基于鲁棒Otsu的缺陷分割算法。首先,引入邻域均值与邻域总梯度作为表征像素点的所属类别与空间状态的重要参数。然后,采用基于像素点-块区的统计调整模型对红外图像缺陷区和非缺陷区的灰度值进行动态调整。最后,采用基于灰度-邻域偏差的改进二维直方图及其区域划分方法,通过自动选取邻域边长的遗传算法搜索最佳阈值,实现红外图像的缺陷分割。结果表明:该算法不仅改善了Otsu算法的鲁棒性,且能够提高红外无损检测缺陷分割的准确性。     

基于最佳熵的三维Otsu图像分割算法

针对三维Otsu分割算法运算量大的问题,本文提出了一种基于最佳熵的三维Otsu图像分割算法。文章中,我们首先采用最佳熵方法初步提取图像的目标区域,并根据目标区域的平均灰度确定三维Otsu图像分割算法的背景区域搜索范围,然后采用三维Otsu算法并结合遗传算法对原图像进行分割。实验结果表明,与三维Otsu阈值分割方法的递推算法相比,该方法能够进一步减少运算时间。     

基于图像区域划分的轨道缺陷自动检测技术研究

轨道表面缺陷检测是保障铁路运输安全的重要手段之一,本文设计了基于机器视觉的轨道缺陷自动检测系统,并对钢轨表面缺陷提取技术进行了研究。改进了最大类间方差自适应阈值分割算法,提出了基于轨道峰区检测的自适应二值图像投影法快速提取钢轨表面区域;最后,采用内部点掏空法和链码跟踪算法获取并存储缺陷轮廓信息,实现了钢轨表面缺陷区域的自动检测。实验结果表明:本文所采用的方法可快速定位钢轨区域,并自动准确提取缺陷图像,平均每幅图像耗时11 ms,从而为后续缺陷的测量和识别奠定基础。     

一种快速鲁棒的光学表面划痕高精度检测方法

为了提高光学零件表面划痕定位测量和宽度测量的精度,采用基于离散正交多项式曲面拟合的亚像素边缘检测与宽度测量的算法,通过对边缘点及其邻域进行曲面拟合代替了只对边缘点梯度方向进行曲线拟合,实现了亚像素边缘检测;采取感兴趣区域加速策略与基于离散正交多项式曲面方程参量快速求解方法串联进行的加速方案,大大减少处理时间;在宽度计算方面,根据划痕长度自适应分段,分别计算每段分段点之间欧氏距离并作为其宽度,比较后取最大宽度作为划痕宽度。结果表明,该算法测量精度较高且具有较强的鲁棒性,同一划痕在不同视窗下测得宽度误差均值不超过5.2%,且标准差不超过0.3;在求解曲面模型参量的时间方面,该方法计算时间约为最小二方法的7.35%,处理效率显著提高。该方法能够满足工程应用中快速、高精度的测量要求。     

基于Fisher准则的Otsu法在光斑中心定位中的应用

激光光斑中心检测广泛应用于基于视觉的形变量测系统中,故其检测算法的优劣直接影响系统量测精度。现有的光斑定位算法存在定位精度低,抗干扰能力差等问题,为了实现光斑的高精度定位,提出一种改进的激光光斑中心定位算法。该方法通过将Fisher准则函数应用于Otsu法对光斑图像进行阈值分割,降低了噪声干扰,提高了光斑定位精度。实验表明,与传统的阈值分割方法相比,光斑中心定位误差降低了40 %以上。     

基于多方向Gabor滤波的导光板轻微线刮伤检测方法研究

导光板在加工、运输等生产过程,不可避免地会出 现各种缺陷,特别是轻微线刮伤,利用现有算法 无法准确提取缺陷区域。本文在分析导光板轻微线刮伤产生原因、成像特征的基础上,提出 了一种基于多 方向Gabor滤波和亚像素分析的导光板轻微线刮伤检测方法。首先,为了突出缺陷区域,设 计了一个多方 向的Gabor滤波器;进而,利用亚像素图像分析方法,准确将疑似缺陷区域从背景图中分割 出来;最后, 分析区域形状特征,准确提取轻微线刮伤缺陷。实验结果表明,该算法的运行效率和准确率 高,稳定性、鲁棒性强,能够有效检测轻微线刮伤。     

基于图像融合的运动前景检测方法

提出了一种有效的运动前景检测方法。该方法根据图像融合思想,将背景帧与监控视频的当前帧在R,G和B颜色通道分别进行融合,形成包含背景帧和当前帧视觉信息的单一融合图像。之后根据背景区域与前景运动目标在饱和度上存在较大差异的现象,使用大津算法分割融合图像的饱和度分量图,形成运动前景二值图。经形态学处理后,形成了目标区域较完整、背景干净的运动前景检测图。实验结果显示,该算法具有较好的前景检测性能,解决了背景减法过分依赖背景帧的缺陷。     

基于改进的自适应差分演化算法的二维Otsu多阈值图像分割

针对常规最大类间方差法在多阈值图像分割中存在的运算量大、计算时间长、分割精度较低等问题,该文提出一种基于改进的自适应差分演化(JADE)算法的2维Otsu多阈值分割法。首先,为增强初始化种群的质量、提升控制参数的适应性,将混沌映射机制融入到JADE算法中;进而,通过该改进算法求解2维 Otsu 多阈值图像的最佳分割阈值;最终,将该算法与差分进化(DE), JADE,改进正弦参数自适应的差分进化(LSHADE-cnEpSin)以及增强的适应性微分变换差分进化(EFADE) 4种算法的2维Otsu多阈值图像分割进行比较。实验结果表明,与其它4种算法相比,基于改进JADE算法的2维Otsu多阈值图像分割在分割速度以及精度上均有较明显的改善。     

基于新遗传算法的Otsu图像阈值分割方法

最大类间方差（Otsu）图像分割法是常用的一种基于统计原理的图像阈值分割方法。为了改善Otsu耗时较多、分割的精度低、易产生图像误分割等不足,将猴王遗传算法与Otsu算法结合,运用猴王遗传算法的原理,寻找图像灰度的最大类间方差,即最佳阈值。结果表明,结合后的方法不仅提高了图像的分割质量、缩短了运算时间,而且非常适合图像的实时处理。     

基于改进的Otsu准则的递归图像分割算法

基于最大类间方差阈值图像分割算法的基本原理,然后结合目标与背景两类之间间距和类内距离对图像分割效果的影响,提出了一种改进的最大类间方差法,运用递归思想局部搜索图像的最佳阈值。这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或者图像的直方图不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,能有效的去除噪声的干扰,有利于分割后的特征提取。本文对理论结果进行了仿真实验,获得了较好的分割效果。