机械零件图像表面瑕疵的检测算法

针对机械零件表面瑕疵检测问题,将机器视觉技术用于零件表面图像瑕疵的提取和分析,提出一种基于粒子群 优化算法加权模糊C均值聚类的零件缺陷图像智能分割算法,精确定位了机械零件表面的瑕疵区域。缺陷的形状特征 是判断其类型的重要依据,提取缺陷的形状特征,设计支持向量机分类器来检测划痕、裂纹、砂眼等表面瑕疵。研究结果 表明,该方法具有较强的实用性,在实验数据库上达到90%以上的正确识别率。     

基于图像内容可恢复的脆弱水印技术

提出了一种用于图像内容认证和保护的脆弱数字图像水印算法,该算法不仅可以检测定位出图像中内容的篡改,而且可以恢复被篡改的图像内容。算法用小波变换提取出图像的低频部分作为水印,然后再用RS纠错编码技术对水印进行编码,再利用置乱技术及加密技术将校验码处理后植入图像的最低有效位。实验结果证明该算法是比较有效的脆弱水印算法。     

基于平行边缘点对的道路检测方法

为有效解决高分辨率遥感图像中的道路检测问题,提出了一种基于平行边缘点对的处理方法。首先归纳了高分辨率遥感图像道路的基本特征,提出一种平行点对模型;然后提取图像边缘信息,综合利用道路边缘梯度方向、道路边界灰度,构造对称方向宽度谱;最后通过非极大值抑制处理,得到对应于主干道路的局部峰值,并获取相应的倾角和水平宽度值,实现主干道路的自动提取。实验结果表明:该方法具有较高的检测精度,可以有效提取主干道路边缘,对直线和曲线道路都有较好的效果。     

一种应用于药品泡罩包装检测的改进分水岭算法研究

针对分水岭算法存在的过分割问题以及泡罩包装药品图像的特点,提出一种改进的分水岭分割算法对泡罩包装的药品进行分割。该方法将形态学重建运算与使用控制标记符的方法相结合,首先对原图像进行开闭重建,根据邻域像素连通性提取重建后图像的局部极大值作为标记,从而抑制其他的局部极小值,然后依据标记对原始的梯度图像进行修正,最后对修改后的梯度图像进行分水岭分割。试验表明,该方法在缺陷药品检测中,可以有效的抑制传统分水岭的过分割,分割效果良好。     

基于粗糙-模糊神经网络的焊接图像缺陷识别

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重以及现有的识别算法准确率低的问题,提出了一种基于粗糙模糊神经网络的缺陷识别算法。该算法充分利用了粗糙集的属性约简、模糊集的处理不精确数据以及神经网络的自学习、对任意函数逼近的优点,有效地解决了不确定建模过程中样本数据受到噪声干扰、模型结构难以确定的问题。仿真结果表明:该算法能有效地提高焊缝图像的缺陷识别能力。     

基于HOG局部双线性插值的机械零部件检测与识别

传统方向梯度直方图(HOG)特征方法用于机械零部件检测时,对零部件的微小缺陷点的检测和识别不是很有效,因此课题组提出了一种局部双线性插值的HOG特征提取改进算法,将其用于小缺陷点的零件的检测和识别。首先,在图像内部的某个块上实现局部双线性插值;然后对局部双线性插值图像块进行梯度计算,提取新的梯度方向直方图;最后利用神经网络分类方法对具有微小缺陷点的零件进行检测。实验结果表明：局部双线性插值HOG特征提取方法比传统的HOG特征提取方法具有更好的检测性能;增强图像的抗混叠识别效果。     

基于分形的快速最大熵红外图像特征检测

文章针对红外图像目标检测问题,提出一种基于分形的快速最大熵的红外图像特征检测算法.该算法利用DBC方法计算分维数,根据人造物和自然背景分形维差异,确定目标区域;最后,通过二维最大熵原则确定最佳阈值,实现对单目标或者多目标图像分割.该算法能够较好实现红外图像特征检测,有效抑制背景和噪声.     

一种视频图像中运动目标检测方法研究

针对序列图像中的运动目标检测问题,在独立分量分析的基本理论和算法的基础上,提出采用基于正交对称矩阵的快速定点算法对实际视频图像中的运动目标进行运动检测的方法。实验结果表明:该方法不仅能检测运动轨迹,还能提取运动目标的轮廓,并判断运动方向,是一种有效的运动目标检测方法。     

SAR图像舰船尾迹检测及其真假判别方法

针对常规Radon变换域中尾迹峰值检测的不确定性问题,提出了一种基于特征空间决策的尾迹检测算法.该算法首先门限化图像的Radon变换系数,提取出所有可能的峰值点;然后对这些相应的局部峰值的"截面"进行连续小波变换峰值匹配,再根据提取到的参数形成决策矢量在特征空间中进行决策.对仿真和实际数据处理的结果表明,该方法能有效、准确地检测到SAR图像中的舰船尾迹.     

融合Sobel-SIFT的花朵图像的特征提取方法

由于花朵图像特征的复杂性,往往需要先对原有图像进行花朵轮廓检测,再进行特征点提取.本文在传统的SIFT算法的基础上,提出了改进的Sobel-SIFT算法,以适用于花朵图像的特征提取.该方法首先针对传统的Sobel算法进行了方向模板的扩展,其次对检测到的边缘特征进行细化处理,最后使用SIFT特征提取算法对花朵图像进行特征点提取.试验结果显示该算法比原有算法获取了更为准确的特征点,验证了本文方法的有效性.     

面向机器视觉的不锈钢棒材表面螺纹缺陷检测

不锈钢棒材表面的螺纹是棒材磨制过程产生的一种缺陷,严重影响棒材的验收与后续使用,目前针对该类缺陷多采用双目观察、手指感知等人工方式进行判断,漏检率较高。已有的方法多针对钢材表面的划痕、砂眼、凹坑等缺陷进行检测,鲜少对螺纹缺陷进行研究,据此,设计了一种基于机器视觉的螺纹缺陷检测方法,提出了一种快速有效的螺纹特征提取方法,建立了一个不锈钢棒材图像的螺纹缺陷数据集,通过对图像特征进行训练,得到分类器。实验结果表明：提出的算法有效提升了螺纹缺陷的检测正确率和检测速度。     

基于差分和肤色图像的人脸检测算法

提出并实现了一种基于差分和肤色图像的人脸检测算法。该算法利用视频图像的运动信息,在帧间差分的基础上进行二值图像边缘提取,确定目标在原图像中坐标位置,然后设计肤色模型表征人脸颜色,采用彩色图像的色系坐标变换进行人脸的准确定位。该算法的优点是可将运动信息序列图像中与人脸肤色相似的固定区域删除,在目标跟踪和运动检测上,不仅能有效地抑止背景噪声,减少误检率,而且还能缩小人脸检测范围,加快检测速度。实验表明,该算法可行、有效。     

基于小波和形态学的图像文本定位方法．

为解决图像中文本定位问题，提出一种基于小波和形态学的图像文本定位方法。该方法首先采用二尺度的小波变换对可能是文本的区域进行粗检测；然后再通过形态学的相关技术去除图像中一些小的虚假的非文本区域；最后对提取的文本区域中的连通区域进行外接矩形标定，从而实现对文本区域的细定位。实验结果表明，该算法具有较好的实时性、精确性和鲁棒性。     

基于视觉的印刷品缺陷检测技术

为满足印刷品缺陷检测的准确度需求,设计了一种基于计算机视觉的分布式检测系统。该系统主要包括图像采集模块、图像处理模块、输入输出模块。研究了图像预处理、特征提取、图像配准、图像匹配和缺陷检测的相关算法。实验数据表明:该系统和采用的图像算法能精确计算缺陷的各项特征参数并判断类型,达到了印刷品缺陷检测的要求。     

基于混沌映射的小波域可读水印

提出了一种基于混沌映射的小波域公开水印算法,该算法中水印是一幅有意义的二值图像,水印嵌入前利用混沌序列进行混沌调制.在分析图像小波分解系数的树结构关系以及人眼视觉系统模型的基础上,在宿主图像的两棵小波系数树中嵌入一位水印信息,通过量化使它们呈现足够大的统计差别从而使水印检测时能提取水印信息,并且检测时不需要原始图像和原始水印。实验结果表明,此方法是一种行之有效的图像版权保护方法。     

针对纸病检测的实时污点提取算法

提出一种高效、实时的专门针对纸病检测的污点提取算法。该算法对CCD相机采集的每一行图像数据进行即时处理,并立即判断该行数据上有几段污点线段,该污点线段是否与上行数据的污块相连通。算法通过逐行扫描的方式,将被检测污块逐段向下推进,直到认为到达污点的最下方边沿。实际应用结果表明,该算法适用于检测任意形状的污块。     

基于改进YOLOv5的陶瓷环缺陷检测算法

针对陶瓷环缺陷信息微弱且特征各异、种类繁多导致特征难以提取的问题，课题组提出了一种基于改进YOLOv5的陶瓷环缺陷检测算法。首先，在YOLOv5中的Backbone网络添加CBAM注意力机制模块，通过学习的方式在空间和通道上对特征图像进行权重分配，有效地提升模型对于不同类型缺陷通道特征和空间特征信息的提取能力；然后，采用CARAFE算子替换原YOLOv5中的最近邻上采样算子，该模块基于输入特征自适应生成上采样内核，有效的增加模型的感受域；最后，添加一个新的特征融合层，提取较低的空间特征并将其与深层的特征进行融合生成新的特征图，提升模型对小目标缺陷的检测能力。实验结果表明课题组提出的陶瓷环缺陷检测算法检测所有缺陷种类平均精度均值可以达到90.7%，能够实现陶瓷环缺陷的检测。     

基于 ACO-LS-SVM 的漏磁信号二维轮廓重构

漏磁检测技术被广泛应用于铁磁材料的无损评估中, 由漏磁信号描述缺陷的几何特征一直是漏磁检测的难点。为此提出应用 LS-SVM 对缺陷轮廓进行重构的新方法, 利用蚁群算法优化 LS-SVM 及核函数的参数, 并采用剪枝算法改善 LS-SVM 的稀疏性。支持向量机输入采用漏磁信号 Bx、By分量的特征融合信号, 输出是缺陷轮廓数据,建立了由缺陷的漏磁信号到缺陷二维轮廓的映射关系。实现了人工裂纹缺陷二维轮廓的重构, 并与 BP 神经网络、GA-LS-SVM 和 PSO-LS-SVM 等 3 种方法重构效果进行了比较。结果表明： 该方法速度快、 精度高, 并有很好的泛化能力, 为漏磁检测定量化提供了一种可行的方法。     

基于角点检测的焊缝图像ROI优化提取算法

为了解决焊缝表面缺陷检测中使用点云数据过于庞大而导致检测时间过长的问题,课题组针对Moravec角点检测算法进行优化,使用优化后的角点检测算法对激光中心线进行特征点提取并确定感兴趣区域（region of interest,ROI）。经过实验表明：优化后的角点检测算法能够有效避免伪角点的出现,提高了鲁棒性,同时经过ROI提取后的焊缝点云数据量减少了71.14%。该方法能够有效解决计算基于点云的焊缝表面缺陷检测数据量过大的问题。     

基于改进LK光流法的车流量检测

为了实现基于交通监控视频的车辆检测,提出了一种基于LK光流法与分水岭算法相结合的车辆检测方法,利用LK光流法生成车辆光流数据,对光流数据进行处理生成车辆前景图像,对前景中产生的车辆粘连的情况采用改进分水岭算法完成分割.实验结果表明,该方法一定程度上避免了LK光流法因车辆粘连而造成的误判断情况,较现有方法有所提升,有较好的识别效果.