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SURF算法的数码印花缺陷检测系统

针对数码印花生产过程中织物上出现的白丝、斑点以及褶皱等表面缺陷问题,课题组设计了基于加速鲁棒特征算法的印花织物表面缺陷检测系统。主要通过加速稳健特征算法（speeded up robust features,SURF）来进行图像配准;采用双向唯一性匹配法减少误配点,实现图像精准配准,并通过差分算法来提取缺陷信息。实验采用多幅图像对改进SURF算法的性能进行了验证。试验结果表明：新系统对印花织物表面缺陷的检测精度达到98%,达到了实际应用要求。     

基于L0梯度最小化和K Means聚类的织物缺陷检测研究

为了控制产品质量,保障织物的美观和舒适性,针对织物表面的缺陷,课题组提出了一种基于L0梯度最小化和K Means聚类的缺陷检测方法。主要分为2个步骤：首先,使用L0梯度最小化将缺陷图像进行平滑,去除背景纹理的影响,保留图像较大的边缘;然后,使用K Means聚类对平滑后的图像进行聚类,从而分割出缺陷区域。将该检测方法用于纺织厂收集的缺陷图像上进行验证,实验结果表明该方法能准确地检测出织物表面缺陷。该项研究提高了检测效率,满足织物生产的要求。     

局部特征在航拍图像拼接中的应用

针对航拍图像的特点和难点,提出了一种基于局部特征的航拍图像拼接方法,以提高拼接的质量和速度。该方法利用多分辨率技术和局部特征对航拍图像序列进行配准。通过仿射变换模型将拼接问题转化为像素点空间坐标变换的过程。采用渐入渐出的图像融合算法,消除拼接痕迹,实现了色彩和亮度的平滑过渡。实验结果表明,该方法对航拍图像序列和视频图像拼接效果良好,具有较高的实用价值。     

基于彩色图像处理与EDLines的数码印花缺陷检测系统

针对数码印花生产过程中由于喷头堵塞、电机偏差引起的PASS道缺陷问题,课题组设计了一套基于彩色图像处理与EDLines的数码印花缺陷检测系统。首先构建颜色补偿矩阵覆盖无关背景花案,增强缺陷与主色间差异性;然后分别在HSI颜色空间3通道采用自定义线型滤波锐化感兴趣区域并基于EDLines实现缺陷配准,并将3通道缺陷匹配结果进行区域融合和形态学处理;最后根据水平投影实现PASS道缺陷定位。实验结果表明：检测系统对印花织物表面缺陷的检测准确率达到96%以上,满足实际检测要求,为数码印花缺陷检测提供新的方法。     

基于SURF算法的红外图像拼接方法的改进

针对红外图像拼接存在速度慢、精度低的问题,将常用的几种可见光图像配准算法用于红外图像配准对比实验。选择其中 实时性和准确性较好的SURF算法进行优化改进,采用的方法是图像区域分块、阈值化处理和特征点匹配对两级筛选（筛选条件根据不同对象可实时调整）。在 不牺牲准确性的前提下,改进方法有效地提高了红外图像拼接的实时性。实验证明笔者提出的红外图像拼接改进方法的有效性。     

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。     

图像配准中角点检测算法的研究与比较

特征点的提取是基于点特征图像配准算法的一个关键步骤,在所有的特征点检测方法的研究中,以角点检测方法的研究最受关注。文章对图像配准中角点检测算法进行了理论研究,并进行了对比实验和分析。     

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。     

基于双正则化的图像超分辨率盲重建

图像超分辨率重建是利用数字信号处理技术由一系列低分辨率观测图像得到高分辨率图像。大多数重建算法假设成像系统的模糊特性也即点扩散函数(PSF)已知,然而实际的应用环境下PSF事先不知道或部分知道。为此,将未知PSF模型化,提出基于双正则化的图像超分辨率盲重建算法,并且正则化作用的强度随重建图像局部光滑程度的变化而自适应地改变,以便能保护图像细节同时抑制平滑区域的噪声。求解过程中采用交替最小化方法估计PSF参数和高分辨率图像,并随着迭代次数的增加逐步提高每次寻优的精度以节省计算开销。实验结果表明,该算法能够比较准确地估计出PSF参数并取得较好的图像重建效果。     

基于深度学习的不规则特征识别检测技术

〖HK44〗〖HT5”H〗摘要：〖HT5”K〗针对目前工业上金属轴零件在加工的过程中可能由于加工失误、本身材质等原因产生不同缺陷,而传统的检测方法检测精 度和泛化能力有限的现状,课题组提出了基于深度学习的不规则特征识别技术,来提升对金属轴表面缺陷的检测效率。课题组设计了金属轴表面缺陷图像预处理 方法,提升采集的缺陷图像的质量;对传统深度学习Faster R CNN进行改进,设计了模型的特征提取网络、RPN网络、分类网络以及模型参数,提升模型的检测 性能。实验结果表明本技术能有效提升工业流水线对金属轴缺陷的检测效率和精度,可同时检测多种不同种类的缺陷。课题组的研究成果具备良好的泛化能力。     

非线性扩散和变分模型在矢量图像去噪中的应用

分析了非线性扩散、基于整体变分方法的ROF模型以及矢量图像耦合技术的原理,比较了这些扩散、去噪模型的优缺点。根据矢量图像耦合思想将TV流运用到矢量图像扩散中,并参考ROF模型逼近项变分模型的优点,提出了基于非线性扩散、ROF模型和矢量图像耦合原理的改进TV流矢量图像耦合扩散模型,目地是在彩色图像中,去噪同时更好地保留图像轮廓、边缘等重要信息。实验对比分析了改进前后模型的去噪效果,并分析了改进模型下正、逆向扩散在彩色图像去噪中的作用。实验结果表明,改进的矢量图像耦合扩散模型能有效地保持彩色图像中的边缘信息,同时具有良好的去噪性能,且改进模型下,正、逆向扩散的性质在彩色图像去噪工作中仍能保持。     

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。     

一种基于agent随机扩散的图像分割方法

图像分割是图像处理的关键环节,直接影响以后的分析、识别和解译。根据进化agent具有自适应性、非线性映射和高度并行处理能力等优点,提出了一种基于agent随机扩散的图像分割方法。在该方法中,agent点随机地撒在网格单元上,并在满足一致性标准的区域用标签标定。agent点有复制和扩散两种行为扩散模式,当一个agent成功的找到一个像素满足一致性标准,它将在周围区域复制一系列后代,因此这些后代更容易找到那些满足一致性条件的像素,而对于那些超过生命周期的agent点将停止搜索,从环境中消失。利用医学胸部的CT图像和脑部的磁共振图像进行的实验结果表明,该方法能较好地从图像中提出感兴趣的区域。     

勿需图像矫正的高精度窄基线三维重建算法

精确可信三维重建受图像配准与矫正误差严重影响,为此,提出一种勿需矫正的高精度窄基线三维重建算法。先结合相位相关与曲线拟合原理获得高精度亚象元视差:对两幅图像傅里叶变换的归一化交叉能量谱进行傅里叶逆变换得到一峰值明显的矩阵,用高斯函数对峰值附近数据进行曲线拟合计算配准关系;再将视差累加并进行单位化寻找基线在成像面上的投影(主方向);最后把视差在主方向投影,根据像点深度与该投影成正比例,进行场景三维欧氏重建。无矫正误差与高高精度视差计算使重建结果精确可信,对多类场景进行实验,证明该方法有优良的效果。     

基于Inception V3模型的金属板材表面缺陷检测系统

针对传统检测设备对金属板材凹凸表面、边缘面等特殊部位缺陷检测困难、识别率低等问题，课题组提出并设计了金属板材表面缺陷自动检测系统。通过CCD相机获取待检测部位图片，使用以Inception V3模型为主的迁移学习算法实现对缺陷的检测。实验结果表明该系统能够准确、高效地检测出金属板材一般及特殊表面缺陷，能够满足工业生产需求。     

基于投影的fMRI时间序列图像配准方法研究

利用投影技术,针对功能磁共振时间序列图像,介绍了一种新的自动图像配准方法。该方法将序列图像二值化后沿着水平方向或垂直方向进行投影,根据投影向量元素的位置和大小,快速地计算出图像的旋转、平移运动的变化参数。仿真实验和实际的功能磁共振应用证实了该方法的有效性。     

基于边缘拐点的医学图像配准

利用控制点进行医学图像配准是医学图像处理领域的重要研究内容,其中控制点的选取是重点研究的一点。本文提出先将图像二值化,提取边缘,在边缘处利用边缘信息及其邻域内的信息提取拐点作为控制点。将变形图像和参考图像的拐点坐标分别作为网络学习的输入和输出样本,经过训练得到一组网络连接权参数,利用学习好的网络预测配准图像。以人脑CT图像为例,通过实验验证了算法的有效性。     

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。     

数字图像放大分数阶偏微分方程方法

图像放大过程中会导致图像的边缘和纹理等细节模糊化,采用分数阶偏微分方程可有效解决这一问题。将Riesz导数化成Hadamard有限积分部分,用分段二次插值多项式对其逼近,从而得到该分数阶导数的一种收敛阶为3-α的差分格式,然后应用该差分格式对图像放大结果进行边缘信息增强。由于该差分格式对非零的Dirchlet边界条件有效,因此相比一般的高阶方法其更适合图像处理。实验结果表明:该方法与现有方法相比,能更有效地还原图像的边缘纹理等细节。