一种平板玻璃缺陷在线检测系统的研究

根据光干涉的原理和视觉检测方法,研究开发了基于机器视觉的玻璃缺陷检测系统。针对实际的目标图像,通过对其进行图像获取、图像预处理、图像分割、特征提取和区域参数计算研究,从而获得玻璃表面锡点、气泡、玻筋等缺陷图像的识别信息。实验表明,该算法简单,速度快,系统抗干扰能力强。系统处理周期最大不超过400 m s,能检测出最小0.3 mm的缺陷。     

基于改进梯度幅值的包装缺陷检测算法研究及应用

针对包装质量检测精度易受外界光照影响的问题，在已有基于梯度幅值相似性的缺陷检测算法基础上，将局部二值模式算子引入到该算法中，提出了一种基于改进梯度幅值相似性的缺陷检测算法。该算法利用局部二值模式算子的旋转不变性和灰度不变性的特点，并将其与图像的梯度幅值特征进行融合后用于包装的缺陷检测中，提升了缺陷检测算法对光照的鲁棒性。实验结果表明，相比传统梯度幅值缺陷检测算法，该算法具有更好的抗光照影响能力，并且对于不同光照情况下的包装缺陷，该算法的检测准确率可达96.57%。因而，该算法能够被广泛地用于包装缺陷检测中，提高缺陷检测的精度。     

像增强器视场缺陷检测方法研究

在数字式像增强器性能综合检测系统的基础上，研究了像增强器视场缺陷的检测方法。通过数字视频摄像机采集缺陷图像，利用数字图像处理方法确定缺陷性质，缺陷处理算法基于图像灰度特征而不是边缘特征提取。该方法适用于对检测对象有具体量化和定位要求，而不是简单的只有数量和形状特征要求的场合。实验表明，该检测方法能够较准确地检测像增强器的缺陷。     

基于纹理特征的挠性印制电路板焊盘缺陷检测

纹理特征反应了物体表面微观几何形貌与颜色的波动程度。针对挠性印制电路(FPC)焊盘纹理特征的提取与检测,本文提出基于灰度与纹理梯度二维分布特征的方法建立描述纹理特征的熵统计量,该统计量能够灵敏地反映、量化焊盘金面正常或异常情况下的不同表面视觉特征,当用于缺陷检测时,可准确地识别出焊盘缺陷,检测准确率高达96.7%,50个焊盘的平均检测时间为300ms,满足在线检测的要求。     

基于统计特征的轮胎纹理缺陷在线检测

根据轮胎X光纹理缺陷区域灰度及灰度分布异常的特点,研究了一种通过分析统计特征进行在线缺陷检测的方法。在轮胎X光纹理灰度分布模型基础上,采用正则化预处理去除背景噪声,然后进行图像分块,分别计算每块的灰度均值和方差,并采用双线性插值运算形成均值图像和方差图像,再通过二值化实现缺陷检测。实验表明,与人工检测方法进行对比,该方法误判率低,检测精度高,并且运算速度快,能满足在线检测要求。     

基于数字图像处理技术的人脸检测算法研究

为了提高人脸检测的准确性及检测速度,需要对基于数字图像处理技术的人脸检测算法进行研究。使用当前方法进行人脸检测时,需要提取脸部特征数目较多、检测速度过慢,降低人脸检测效率。为此,提出一种基于数字图像处理技术的人脸检测算法。该方法首先获取人脸数字图像,通过拉开数字图像的灰度间距,使数字图像灰度均匀分布,进而提高数字图像对比度,使图像更加清晰,再通过Wiener维纳滤算法对处理后的数字图像进行图像平滑去噪,在此基础上使用Robert边缘检测算子方法对数字图像人脸边缘每个像素点检测,得到数字图像中人脸边缘的基本图像,将其输入到计算机数字图像处理系统中进行识别检测。实验仿真证明,所提算法在检测速度及准确性等方面具有明显的优势。     

基于灰度统计的快速模板匹配算法

针对传统的基于灰度值的匹配算法计算量大、时间复杂度高的缺陷,提出了一种基于灰度统计的快速模板匹配算法,以十字特征直线代替模板进行粗匹配,仅对搜索图中像素点数目较少的一段灰度区域进行匹配,从而大大减小了计算量,使匹配速度得到极大提高.仿真实验证明本算法匹配速度快、较传统的灰度相关算法快了二至三个数量级,具有较强鲁棒性.     

一种适用于玻璃生产线的瑕疵检测算法

以一个基于线阵CCD的玻璃生产线检测系统为硬件平台,重点研究了玻璃瑕疵的检测算法。首先提出了卡尔曼滤波器跟踪背景光强变化的方法,利用瑕疵在时间轴上造成的灰度突变来识别瑕疵的到来与结束,然后通过形态学的方法对瑕疵点的坐标进行定位,最后将玻璃瑕疵的位置坐标及其图像送至上位计算机进行分类处理。本文的算法已经固化于FPGA构成的实时处理系统中,实现了精度高达0.1mm的玻璃瑕疵实时检测。     

无人机对地目标自动检测与跟踪技术

针对无人机图像帧序列具有平台高速运动，视角旋转强烈，需要实时处理等特点，提出一种基于双级旋转不变特征空间检测（粗匹配-精细匹配）与并行特征提取跟踪的无人机对地目标图像帧序列自动快速目标检测与跟踪算法。采用图像子块的平均灰度值、灰度值方差、灰度值梯度构建特征空间。通过构造图像特征空间的方法来快速筛选待匹配图像的可疑区域，删除大量的背景区域，检测算法使用全局初步匹配加局部精细匹配的方法来规避算法复杂度的缺陷。理论及实验分析表明:该算法实时性强，对图像的旋转畸变具有抵消作用，对异常情况可以恰当处理，且全局初步匹配流程具有可移植性，可以在其他图像匹配跟踪算法中充当预处理器。实验结果表明:该算法在无人机对地的情况下可以保证对地面目标的稳定跟踪，配套检测算法具有较好的实时性，满足无人机图像目标检测跟踪实时处理的需要。     

扫频光学相干层析视网膜图像配准去噪算法

多帧叠加平均处理是去除扫频光学相干层析系统散斑噪声、获得较为清晰结构信息的有效方法,但眼睛的震颤、漂移、微眼跳等生理特性和系统光路特性会使图像之间存在错位,导致叠加效果不佳、结构稳定性差,为此本文提出一种基于灰度分布信息和目标几何信息相结合的配准算法。该方法根据图像平均灰度分布提取包含目标信息的感兴趣区域,通过相位相关算法和基于分段拟合的灰度投影算法的双重作用校正图像的平移变换;通过拟合视网膜上边界作为特征点迭代确定最佳旋转参数,并再次重新估计平移参数,实现图像的刚性配准;最后通过轴向扫描一对一映射法以能量函数为约束条件实现图像的非刚性配准。对活体兔眼进行实验,结果表明,本文算法配准后的叠加图像边界清晰,结构信息增强,信噪比和对比度平均有效提高一倍多。本算法适用于强噪声视网膜B-Scans图像的配准,能满足多种类型OCT系统的叠加成像需要,具有较高的鲁棒性和图像配准精度。     

基于Shearlet多尺度边界检测及融合的浮选气泡提取

针对浮选表面气泡图像边界弱、光照不均匀和气泡分布不均匀导致气泡提取困难的问题,提出了一种结合非下采样Shearlet变换(NSST)和多尺度边界检测及融合的浮选气泡提取方法。对气泡图像进行NSST分解,得到低频子带和多尺度多方向高频子带图像,通过构造自适应分数阶微分谷底检测模板提取低频子带的山谷边界,结合尺度相关系数及方向模极大值检测获取高频子带的边缘信息,再通过山脊特性判定从边缘信息中提取气泡的边界细节,最后进行多尺度边界融合、边界形态学处理以实现气泡提取。实验结果表明:该方法受噪声和光照的影响小,能有效提取出不同分布类型的气泡,其平均检测效率和准确率较现有方法有较大的提高,能够满足浮选工况动态变化的需求。     

基于滤波差分的双阈值弱划痕提取算法

高质量光学元件表面缺陷中存在一些深度较浅或者宽度较窄的划痕,在暗场成像检测中,该类划痕产生的散射光灰度值很低,甚至淹没在背景光中,很难被目视或常规机器视觉识别,造成划痕缺陷的漏检。针对该问题,以既有的疵病检测系统为基础,根据划痕灰度的等级特征,提出双阈值法分类处理划痕缺陷。在低阈值的弱划痕处理中,根据弱划痕和背景的频率特征以及空间对比度特征,设计了频域滤波及背景差分算法。通过空间域以及频率域的滤波处理,排除高频噪声以及高亮度噪声,根据几何特征等提取弱划痕图像中的复杂背景。经差分处理后,提取弱划痕并增强对比度,最后与正常灰度级划痕信息一同通过高阈值(正常阈值)进行后续划痕的特征提取,即得到所有的划痕信息,为划痕缺陷总长度计算以及最大长度的分级判定奠定基础。实验结果表明,该算法避免了过低二值化阈值引入的背景等不规则噪声,使得划痕与背景的对比度大大增强。目前该算法已经应用于惯性约束聚变系统中大口径光学表面划痕的定量检测,并且使长度计量的准确度已提升到约80%。     

自适应多方向灰度形态学图像边缘检测算法

针对传统的多方向灰度形态学边缘检测算法存在计算量大、效率低的缺点,提出了一种基于自适应噪声抑制的多方向灰度形态学图像边缘检测算法。根据图像所含噪声的种类,采用不同尺度的结构元素对图像进行分类滤波,再根据像素点间灰度值的变化确定边缘方向,由相应方向的结构元素进行边缘检测。实验结果表明,与传统的多方向灰度形态学边缘检测算法相比,检测到的边缘重构相似度和边缘置信度更高,边缘连续性更强,且计算量低,运行效率高。     

基于边缘流的煤电厂炉膛火焰图像分割方法

针对炉膛火焰灰度变化不明显采用传统的分割算法无法达到满意分割效果的问题,采用了基于边缘流的分割方法对电厂炉膛火焰图像进行分割;首先选用高精度的灰度边缘流对图像进行分割,得到边缘流的矢量方向和边缘能量,然后再对图像闭合处理得到初始分割图像,最后,再利用颜色相似度对相邻区域进行处理,得到最终分割图像,该方法不仅避免了单纯边缘流算法提取边界不连续无法检出较弱边界的问题,而且也可以避免过分割问题;通过实验表明,基于边缘流的方法是对炉膛火焰图像进行分割的有效方法。     

基于SIFT特征检测和三次插值样条的快速曲面重构算法

针对传统的曲面重构算法一直存在重构精度低、效率差的问题,提出一种新的快速曲面重构算法。基于三次插值样条和改进SIFT特征检测和匹配方法,先对二维图像预处理后,检测其边界点并且拟合,然后将区域按四个象限进行分区,用三次插值样条边界进行曲面重构,同时结合改进的SIFT特征检测和匹配方法检测各个区域曲面边界的特征点,然后再进行匹配拼接。实验结果表明,该算法得到曲面模型的时间效率有很大的提高,并且曲面效果好,光滑、平顺。     

基于灰度差异几何特征的角点检测

为了能在模糊或有噪声的图像中直接检测角点,提出了一种对比多尺度下灰度差异几何特征和搜索局部灰度最大权值的角点检测方法。该方法根据图像中角点位置的灰度差异,采用多尺度圆形检测器遍历图像,对比不同尺度下检测器所得到的几何参数来初步确定角点位置并剔除边缘附近的伪角点;根据局部灰度权值最大原则去除由于圆形检测器的离散性而聚集在真角点周围伪角点,并确定角点的最终位置。实验结果表明,相对于传统算法,该方法能够在对噪声或模糊图像不做预处理的情况下检测出角点。     

复杂背景下钢索图像的纹理分割与边界识别

 针对复杂背景下钢索图像难以准确分割的问题,提出一种基于纹理分析的钢索图像分割与边界识别方法.采用基于模糊Hough变换的纹理方向检测方法确定钢索走向,利用边缘方向密度直方图作为纹理特征,对与钢索纹理方向相应的边缘方向赋予不同权重,抑制纹理分割中背景的干扰,对钢丝绳图像进行聚类分割,采用检测平行直线的方法确定其边界,并根据算法参量对边界进行修正.在实验中,对比了边缘方向密度直方图特征与灰度共生矩阵、局部二值模式在钢索图像纹理分割中的结果与计算时间,结果表明边缘方向密度直方图特征计算速度快、受背景干扰小,分割准确率高.本文方法无须预先训练,受背景干扰小,可以准确地识别出钢索并确定其边界,能满足钢丝绳视觉检测的要求.     

复杂背景下钢索图像的纹理分割与边界识别

针对复杂背景下钢索图像难以准确分割的问题,提出一种基于纹理分析的钢索图像分割与边界识别方法.采用基于模糊Hough变换的纹理方向检测方法确定钢索走向,利用边缘方向密度直方图作为纹理特征,对与钢索纹理方向相应的边缘方向赋予不同权重,抑制纹理分割中背景的干扰,对钢丝绳图像进行聚类分割,采用检测平行直线的方法确定其边界,并根据算法参量对边界进行修正.在实验中,对比了边缘方向密度直方图特征与灰度共生矩阵、局部二值模式在钢索图像纹理分割中的结果与计算时间,结果表明边缘方向密度直方图特征计算速度快、受背景干扰小,分割准确率高.本文方法无须预先训练,受背景干扰小,可以准确地识别出钢索并确定其边界,能满足钢丝绳视觉检测的要求.     

一种新的光电成像末制导景象匹配方法

针对光电成像末制导景象匹配中图像存在尺度、旋转、灰度和3D视角差异的问题,构造了一种基于均匀模式的特征描述符,并基于该特征描述符和最稳定极值区域(MSER)提出了一种新的景象匹配算法。算法首先提取基准图像和实时图像的MSER特征,MSER特征具有尺度和仿射不变性,基于新的特征描述符分别对该特征进行旋转和灰度不变性特征描述,然后根据欧氏距离比值准则提取两图像间匹配的MSER特征对,根据随机抽样一致性(RANSAC)算法估计两图像的外极几何关系,实现末制导景象匹配。仿真结果表明,该算法能够在光电成像末制导过程中实现稳定的景象匹配,其稳健性优于传统方法。     

基于人眼灰度分布特征的虹膜定位算法

虹膜定位是虹膜识别过程中的重要环节,定位速度和精度决定了整个虹膜识别系统的性能。提出了一种基于人眼灰度分布特征的虹膜定位算法,该算法利用形态学运算实现瞳孔圆心粗定位,采用划分区域求灰度均值隔项差值最大值的方法实现外圆半径的粗定位,并通过分层聚类的方法实现内外边界的精确定位。实验结果表明．与经典的虹膜定位算法如Wildes算法、Daugman算法相比,该算法定位结果更加准确,定位速度大幅度提高。