一、图像直方图局部极值算法及其在边界检测中的应用(论文文献综述)
张翔松[1](2021)在《X射线焊缝图像质量评价及质量提高方法研究》文中指出论文分析了X射线焊缝图像的特点,重点对环焊缝及螺旋埋弧焊X射线焊缝图像的特征进行了介绍。针对这两种X射线焊缝图像背景清晰度差,边缘模糊,甚至黑度值不达标的情况,研究相应的图像质量评价,增强及降噪的方法。论文以环焊缝和螺旋埋弧焊图像为研究对象,在以下几个方面进行论述。(1)在图像质量评价方面,通过对主观评价方法、全参考及半参考方法的对比分析,把人眼视觉因素考虑在质量评价内,通过分析影响人眼视觉的因素如光照,感兴趣区域(Region of interest,ROI)的面积等,将感兴趣区域和非感兴趣区域设置不同的权重,设计出一种考虑视觉因素的图像对比度评价方法;通过分析图像灰度和图像黑度的关系,以及对影响图像黑度的入射光强、投射光强及光源辐射亮度等因素的分析,提出一种图像黑度质量评价指标,经过实验验证,以上两种评价方法相比传统的全参考和半参考方法,质量评价更准确,更符合实际需要。(2)在图像降噪方面,依据图像的评价结果,提出了几种具有针对性的图像降噪方法。针对高斯噪声滤波,在常用算法的基础上,提出几种改进的均值滤波算法;针对椒盐噪声滤波,对中值滤波进行了改进,加入了噪声的识别及滤波窗口的设计,并用提出的算法与已有算法进行了各种指标的对比,改进算法均体现出较好的鲁棒性。(3)在图像增强方面,针对焊缝图像对比度低,直方图不均匀分布的问题,提出了几种直方图均衡化改进算法,对比了对数函数、指数函数及sin函数的增强效果,论文最后提出一种新的焊缝图像增强算法,该算法具有自动针对焊缝区域增强而非背景区域,无需人工干预参数选择,具有极强的鲁棒性,可以有效增强环焊缝X射线图像至个人最佳视觉感受值。(4)在所研究的图像质量评价及质量提高方法基础上,论文研发了包含X射线焊缝图像质量评价及增强的焊缝缺陷自动检测系统,相比已有的检测方法,有效提高了焊缝缺陷检测的成功率。
张建安[2](2021)在《基于计算机视觉的受电弓识别及滑板接触面伤损检测研究》文中进行了进一步梳理电力机车是远距离交通运输的主力军,机车在行驶过程中通过受电弓滑板与接触网的接触来获得电能,良好的受电弓滑板可以保证机车在运行中获得良好的电能。受电弓滑板也有一定的使用寿命,滑板的裂纹、烧伤是行驶中最常见的故障,一旦发现这些故障就需要及时更换新的受电弓滑板,避免发生严重的行车事故,减少经济损失,保证人员安全。目前针对受电弓滑板接触面的伤损检测依旧依赖人力,需要工作人员登上车顶来检测滑板是否出现裂纹、烧伤等缺陷,存在一定的主观误差和安全隐患。因此需要一种结合实际现场,快捷、安全的新型检测方法。本文在考察了实际情况的基础上,利用电力机车需要回到整备厂做整备检查这一特性,利用图像处理技术来检测受电弓滑板接触面,通过算法来判断滑板是否出现裂纹,大面积烧伤。检测过程不影响电力机车的正常行驶计划,符合现场检测这一要求。本文采用斜向下俯拍降弓视频,应用机器学习理论和图像处理技术识别受电弓和检测滑板区域。主要工作如下:(1)在列车回到整备厂后,在整备台上斜向下俯拍降弓视频,利用ffmpeg分解视频,得到大量的降弓图像,其中有包含受电弓的图像与不包含受电弓的图像。(2)针对分解后的图像存在图像过暗或曝光不足的问题,利用改进的光照修正MSR算法增强图像画质,解决了图像过暗导致后续滑板故障识别困难的问题。(3)筛选包含受电弓滑板图像。针对受电弓滑板设计了一个8层结构的卷积神经网络,利用大量样本对网络模型进行训练,识别检测出包含受电弓滑板的图像。大量的图像验证表明利用卷积神经网络做受电弓识别筛选,准确度可以达到97.4%,能准确的完成受电弓检测。(4)对包含受电弓滑板的图像进行边缘检测处理,采用不同边缘检测算子对比效果,最终确定使用Canny算子,得到受电弓以及滑板的边缘轮廓,为后续识别与提取滑板区域做铺垫。(5)边缘检测后的图像利用Hough直线检测找寻滑板的直线边缘,根据滑板在图像中特殊的长横线这一特征,通过参数设置找到滑板的上下边缘,检测出的直线所包围区域就是滑板区域。检测得到的滑板区域存在一定的倾斜,利用透视变换可以对检测到的滑板进行畸变校正,避免了后续滑板接触面伤损检测的误差。(6)对校正后得到的滑板接触面区域做裂纹检测与烧伤检测。针对滑板裂纹故障,利用二代曲波变换识别出伪裂纹及接缝干扰,用形态学处理即可计算出存在的裂纹长度。针对滑板烧伤特性,运用白色像素所占区域的百分比的方法实现对烧伤的检测,根据结论判定是否更换新的滑板条。
丁超[3](2021)在《碳纤维材料红外热波无损检测技术研究》文中研究表明碳纤维复合材料是一种具有密度低、强度高、耐高温、耐腐蚀等优良性能的先进复合材料,近年来在航空航天、军事、汽车等领域被广泛应用。复合材料构件由于结构复杂,导致在循环应力和外界冲击的情况下,内部易产生如分层、脱粘和裂纹等缺陷,而且很难从表面直接检测,严重影响其可靠性和安全性。所以,对能够检测材料内部成型缺陷的无损检测技术的研究是非常有必要的。在各种无损检测方式中,红外辐射成像检测由于具有快速、直观、非接触、一次检测面积大等特点,成为解决碳纤维复合材料无损检测问题的一种有效手段。本文首先从基本原理、发展历程、研究现状等几个方面介绍了主动式红外无损检测技术,并分析了脉冲激励红外热波无损检测技术在检测碳纤维材料内部缺陷上的可行性。然后对脉冲激励下碳纤维平板的热传导以及内部缺陷对表面温度场分布的影响进行了理论分析,搭建了脉冲激励红外热波无损检测系统,并对缺陷大小、深度等因素对缺陷检测的影响进行了分析。接下来研究了多种红外热波图像缺陷的提取方法和帧间差分法、多项式拟合法、主成分分析法等红外热波图象序列处理方法,并对处理结果的优劣进行了比较与分析。其中重点分析了脉冲相位算法及其影响因素,并对采样时间进行优化,有效提升了算法的缺陷检测效果,可以实现对面积在73.9 2以上缺陷的精确检测。为解决缺陷提取结果难以及时在被测试件上进行标注的问题,本文设计了脉冲激励红外热波无损检测及投影标记系统,并提出了相机辅助投影变换方法,通过辅助相机对被测试件与投影图像同时进行拍摄,得到缺陷提取结果在投影仪图像坐标系下的准确位置,解决了投影仪与热像仪视角差异等因素引起的图像配准问题,有效提高了缺陷的标记精度。本文选取在背面制造盲孔的人工缺陷碳纤维板作为检测对象,利用闪光灯进行脉冲激励并由热像仪记录红外图像序列。通过采样时间优化后的脉冲相位算法对图像序列进行处理,并对缺陷轮廓进行提取,将提取结果经相机辅助投影变换方法处理后,由投影仪投射到被测试件表面,实现对材料内部缺陷进行较为精确的标记。
贾强[4](2021)在《基于图像边缘检测的轨道伤损识别算法研究》文中认为随着我国铁路建设的飞速发展,铁路运输里程增加,运营周期增长,运输量和效率得到了很大的提升,重载及高速铁路已成为推动我国社会、经济等发展的主要基础设施。铁路轨道处于全天候运营,为提高铁路运营安全性,需对其状态进行实时观测,因此,对既有线轨道结构伤损的识别提出了更高的要求。图像采集及其信息提取具有无接触、智能化和高速性等优点,由于软硬件技术的发展,使得图像处理技术得到提升,将其应用于既有线轨道伤损识别领域是未来发展的方向。在硬件系统及算法的支撑下,本文对图像识别算法进行改进,将边缘信息检测及特征提取与轨道结构伤损识别相结合,研究轨道结构伤损自适应识别算法,实现轨面、轨枕、扣件等区域的伤损判别,所做具体工作如下:(1)利用矩阵重置及行列式计算方法,研究基于改进二维卷积的轨道图像平滑算法。该算法首先对图像像素矩阵边缘元素进行补充,分别根据矩阵行、列元素堆叠重置,充分利用边缘像素,在传统二维卷积的基础上,结合单位矩阵“左行右列”变换计算方式,提出改进行或列的二维卷积图像平滑算法,改善图像质量并提高处理速率。(2)根据轨道图像的明暗特性及扣件弹条特殊形态骨架,完成轨面与扣件图像分离。将改进二维卷积图像平滑方法与双峰法阈值设定应用于传统Canny边缘检测算法中,与传统边缘检测算法进行对比分析,得出轨道图像边缘检测结果。采用Hough变换提取轨面边缘线型,根据直线斜率计算夹角,提取轨道图像边缘线型中存在的角度及长度信息,进一步实现轨枕及轨面伤损判别。(3)研究基于图像特征点匹配的扣件伤损识别算法,将图像特征(颜色、纹理、几何特征等)提取转化为生成特征点描述子的过程。构造扣件区域图像的特征点描述子,通过对其进行排序与抽样处理,在不同图像中根据原始模板匹配出图像集合里的边缘特征点数据,完成图像匹配,按照特征点正确匹配率,分析对比扣件存在的断裂及缺失现象,并利用图像纹理对匹配后的图像进行特征对比,验证判断识别结果的准确性。
祝启瑞[5](2020)在《基于深度学习的船舶超吃水判别和船牌识别系统研究》文中认为水路航运是人类综合交通运输网必不可少的组成部分,随着船舶使用量的不断增加,船舶超载工作等违法行为发生频率也越来越高,带来了巨大的安全隐患。因此,对船舶进行超吃水判别,并对超载船舶的身份进行准确识别具有重要的研究价值。基于深度学习的车牌识别技术目前已取得了许多重要进展,然而由于船舶铭牌并没有统一的字体与安装位置要求,相关技术在水路航运领域的应用仍然很缺乏。本文对基于深度学习的船舶超吃水判别和船牌识别系统进行了一定的研究,主要的工作总结如下:本文首先搭建基于YOLO v3的目标检测算法网络,通过识别图像上是否存在船舶载重线标识的方式来对船舶的超吃水状态做出判别。同时提出超载船舶再识别算法,计算图像上船舶侧板超出水面的像素高度实现再次判别,提高了超吃水状态判别的精度。之后,提出了基于YOLO v3算法的简易目标跟踪方式,实现了对判定为超载的船舶在视频监控上的实时跟踪。为了对超载船舶进行告警与纠正,需要对船舶身份进行识别,包括船牌的定位提取、倾斜矫正、字符分割与识别。本文提出了基于YOLO v3算法的铭牌定位提取方式,并将船体图像按宽度大小三等分再输入网络进行检测,有效解决了船牌在图像上占比较小的问题。针对提取船牌存在字符倾斜的问题,对字符进行了水平方向上的倾斜矫正。通过阴影分割算法分割下船牌上的单个字符,并训练YOLO v3网络模型对字符进行识别。最后,建立船名有限中文库按照关键词检索的方式对漏识别、误识别的船名进行匹配更正,最终达到了较高的识别准确率。实验结果表明,设计优化的船舶超吃水判别系统在测试集上达到了 91.525%的多类别平均精度,船牌识别系统的正确率达到了 91.37%,且检测速度达到了每秒33次,满足了系统的准确性与实时性需求。本文相关的研究与技术实现,已经在苏州鹤溪大桥航段的海事监控系统中得到了具体应用,实现了良好的检测功能。
吴岛[6](2020)在《基于滑移率辨识的汽车制动时序视觉检测系统研究》文中认为近年来,随着我国经济的稳健增长和交通运输业的快速发展,道路网络和交通设施得到了前所未有的改善和提高,促使汽车行业迅猛发展,汽车保有量不断增加,随之而来的行车安全问题成为全社会关注的焦点。对在用汽车的各项指标进行定期安全检测是保障汽车行车安全的主要途径,其中制动性能又是所有指标中最重要的一项。尤其是半挂汽车列车,作为当前公路货运的主体,正在向多轴化、重型化方向发展,其车体较长、结构复杂,制动性能各项指标都具有重要意义。目前,针对汽车制动性能检测的方法主要有两种:路试检验法和台架检验法。路试法须有特定的场地,受气候条件影响较大且重复性差,一般作为辅助检测手段。台式检验法占地小,不受气候条件影响,重复性较好,是目前汽车检测站和科研机构进行制动性能检测的常用方法。台架检验法主要通过滚筒反力式制动检验台或平板式制动检验台进行检测,可以检测出整车制动力和、制动不平衡及阻滞力,满足多数车型的检测。然而,半挂汽车列车由于轴数较多,不同的制动时序会对列车的制动稳定性造成直接影响,前轴制动快制动瞬间列车易发生折叠,后轴制动快制动瞬间列车易发生拖拽。台式检验法受台体结构的限制,无法实现半挂汽车列车制动时序的检测,从而难以反映整车的制动性能。虽然国家标准GB 18565-2016对汽车列车的制动时序检测方法做出了要求,但受检测设备的成本和结构制约,目前并无相关可行的制动时序检测设备,所以检测方法不具现实意义。因此,研发出一套高精度、智能化的汽车制动时序检测系统势在必行。随着中国制造2025战略部署的不断推进,在以机器视觉为核心的工业4.0大趋势推动下,汽车检测领域也正朝着信息化、自动化、智能化的方向迈进。因此,本文以此为契机,立足国家标准和现有技术手段,将视觉技术引入汽车制动时序检测,提出了基于立体视觉的汽车制动时序检测方法,设计和研发了汽车制动时序视觉检测系统。本文根据半挂汽车列车制动失稳机理及制动时序对制动稳定性的影响,明确了引起不同制动时序的因果关系。通过分析汽车制动时序检测技术的研究现状,确定了本文的研究内容和技术路线,主要包括以下四个方面:(1)汽车制动时序视觉检测系统方案设计分析车轮滑移率与路面附着系数间的变化关系,提出视觉检测系统的测量目标:即以制动踏板开关的触发时刻为起始时标,各车轮滑移率分别达到20%的时间次序作为制动时序的检测结果,并分析影响滑移率辨识的关键因素。为准确识别车轮滑移率,以白色圆形标识物作为间接测量物,建立基于视觉测量的车轮滑移率测量模型及列车曲线行驶矫正模型。基于平行双目立体视觉测量原理,推导系统结构模型,对影响系统综合测量误差的关键因素进行讨论分析。最后从检测系统整体布置、检测流程和控制方案三个方面对汽车制动时序视觉检测系统进行方案设计。(2)图像处理关键算法研究为得到图像中圆形标识的中心坐标,根据圆形标识的图像特点对相关图像处理算法的适用性进行改进和优化。首先对采集的原始图像进行预处理操作,包括图像对比度增强、图像去模糊、图像去噪和图像锐化。然后对归一化后的左右图像进行边缘提取,为改善Canny算法对圆形标识的边缘提取效果,对传统Canny算法在梯度方向和自适应阈值方面进行改进研究。为准确提取圆形标识,分析现有椭圆检测理论提出适用于本文的椭圆检测方法,设计边界清除算法清除冗余边缘,以及融合最小二乘理论和Hough变换实现对圆形标识的准确识别和提取。考虑到序列图像进行立体匹配计算量大的问题,基于对极几何约束关系,提出一种归一化互相关(Normalized Cross Correlation,NCC)快速匹配算法。最后,根据三维重建模型和相机标定参数,对圆形标识中心坐标进行三维重建。(3)视觉检测系统标定与精度检定试验研究根据摄像机坐标系间转换关系,对线性成像模型和非线性成像模型进行论述,以建立本文的摄像机成像模型。分析张正友平面模板标定法的算法原理及不足之处,提出一种基于PSO-LM(Particle Swarm Optimization与Levenberg-Marquardt)组合优化策略的改进张正友标定方法,实现对标定参数的非线性全局优化,并通过标定对比试验对所提方法的有效性进行验证。为验证视觉检测系统对圆形标识的动态识别精度,设计一种模拟车轮制动的精度检定装置及方法,在多个目标速度下分类进行多工况试验,分析每种工况下的试验误差。(4)汽车制动时序视觉检测系统实车试验研究为验证检测系统整体方案设计的可行性以及图像处理算法和标定算法的有效性,选取同一辆在用半挂汽车列车进行重复性试验和九辆在用半挂汽车列车进行普适性试验。为分析视觉检测系统的测量误差,利用车轮上的轮速传感器设计一套轮速测量装置,结合非接触式速度测量仪构成校准装置,对比分析两组试验数据的示值误差和重复性误差,对本检测系统的准确性、稳定性及适用性进行验证。同时,在重复性试验中,鉴于测量结果误差存在不确定性,为科学评价本检测系统,对测量结果误差的不确定度进行评定。最后,分析和总结视觉检测系统相比于校准装置的试验误差。
柏正权[7](2020)在《全自动药瓶检测系统关键技术研究》文中指出本文以药瓶缺陷检测为项目背景,针对企业对检测线自动化和智能化的需求,基于机器视觉设计了一套全自动药瓶检测系统,研究了图像增强、分割、特征提取、分类等关键技术,实现了药瓶液面线高度检测和内部异物缺陷检测功能。对全自动药瓶检测系统的软硬件进行设计,实现基本工作流程。在分析了现有产品优缺点的基础上,针对部分药瓶透明度低的问题,使用了穿透性强的X光作为光源。硬件上,基于X光搭建了DR图像采集系统和控制系统。软件上,以Qt为主要开发工具,并考虑一定的通用性,基于MVC架构实现了图像采集、光源控制、图像处理算法、人机交互界面和下位机控制这五个主要功能模块。根据采集到的药瓶X光图像的特点,对药瓶X光图像增强方法进行研究,提出了一种渐变背景下结构和缺陷的增强方法,解决X光图像对比度低、光照不均匀、噪声干扰和渐变背景下微小目标检测难的问题。首先,采取了自适应中值滤波的方法,滤除了部分图像噪声。其次,采用了LVD方法进行结构层提取。再次,提出了一种形态学取极值的方法进行缺陷层提取。最后,将噪声抑制后的结构层和缺陷层进行基于形态学重建的图像融合。融合后的图像一定程度上解决了上述的四个难点,为后续的图像分割和缺陷检测奠定了基础。在增强后的图像基础上,对药瓶图像分割方法进行研究,实现药瓶液面线高度检测和瓶内异物缺陷分割功能。首先,采用基于OTSU和连通域分析的分割方法,从原图像中切分出单个药瓶图像。其次,针对药瓶内液面线的检测,使用伽马增强和区域分割实现液面线高度检测。再次,使用改进的边界追踪算法,提取液面线区域的边界线。最后,基于形态学相关方法实现药瓶内异物缺陷区域的分割。因为图像中噪声较强,分割得到的缺陷区域中含有较多噪声干扰,通过分割结果难以直接判定药瓶质量,所以缺陷分割后需要进行缺陷分类识别。对药瓶缺陷分类识别方法进行研究,根据分割出的药瓶异物缺陷区域判断药瓶质量。首先,基于几何、灰度和纹理特征描述子,提取了缺陷区域的23个特征,建立了缺陷特征样本库。其次,采取了一种过采样方法来人工生成样本点,解决了样本的类不平衡问题,增加样本点的数量。再次,使用了PCA降维,提取了累积贡献率大于95%的8个特征作为后续分类器的输入。最后,以集成算法作为分类器,有效的检测出药瓶缺陷。设计并制造了全自动药瓶检测系统,搭建了软硬件的实验环境。实验中图像采集、光源控制、人机交互以及下位机控制功能运行正常。图像增强、缺陷分割算法分别以现有样本图片进行了测试实验,验证了算法的有效性。而药瓶异物缺陷分类识别算法在现有的药瓶样本库中,经5折交叉验证后,检测准确率达到98%,验证了本文设计的检测方法的有效性。
邹华东[8](2019)在《基于BLOB分析和机器学习的煤矸石在线图像识别研究》文中研究说明煤矸石分拣是保障煤炭质量的重要手段,目前煤矿的分拣流水线主要由工人手动拣矸,不仅效率低,工作劳动强度大,而且作业环境恶劣,影响工人身体健康。因此,研发煤矸石智能分拣系统以取代人工作业的需求较为急迫。目前煤矸石智能分拣系统的识别主流技术有X射线识别和基于机器视觉的图像识别两种,X射线识别由于射线难以穿透大型矸石,所以只适用于小型矸石分拣,而且射线具有放射性,对工人有一定的健康危害。基于机器视觉的图像识别技术目前很多都为对图像的静态分析,而且是在脱离流水线的情况下的理论研究,实际流水线上的皮带背景和煤矸石的高低形状等对煤矸石成像产生很大影响,导致煤矸石的图像边缘区域灰度过渡平缓,边缘定位非常困难,因此煤矸石的识别与定位成为煤矸石智能分拣系统中的关键难题。论文首先根据中大型煤矸石这一特定检测目标的特点,设计了适用于煤矸石识别的图像检测系统,对系统中各个部件进行了选型和相关研发设计。首先根据目标煤矸石的尺寸大小、皮带运输机的皮带宽度、传输速度和视觉系统的安装高度等进行了相机和镜头的选型,确保了能够在运动状态下实时采集到煤矸石的整体图像和保证具有足够的分辨率。针对煤矸石的高低不同和整体的灰度值较低这个特点,设计了恒流源控制的大面积表面光源,光源采用大功率LED进行阵列排布,电路上进行了串联和并联处理,光源最外层布置有乳白色双面磨砂亚克力板,起到光源扩散作用,能够保证表面光源具有足够大的扩散角度。这些设计确保光源一方面具有足够高的亮度和均匀度,同时还具有良好的物体的适应性,确保不同尺寸高度和形状的煤矸石或煤不受光照影响形成高亮度的反射区域和边缘轮廓阴影,保证系统获得清晰图像。煤矸石视觉系统在实际使用前需要经过手动或自动对焦,以保证获得具有高对比度的清晰图像,图像清晰度评价函数是评价视觉系统是否处于聚焦位置的一个主要依据。论文以图像聚焦评价函数为研究对象,首先从光学成像的角度分析了各清晰度评价函数的基本理论依据,并就聚焦评价函数的评价参数进行了简单介绍,对图像自动聚焦典型评价函数及其特性进行了研究。在此基础上研究了傅立叶评价函数、DCT评价函数及它们的改进的加权评价函数。以电路板和校正样板为聚焦物件,对基于频域变换的评价函数及其加权函数进行了聚焦特性分析和测试比对,重点研究了图像内容、光照强度、滤波半径、聚焦步距和聚焦窗口等对频域评价函数的影响.研究结果表明,改进的DCT评价函数除了其良好的无偏性、单调性、单峰性外,其在焦点附近的灵敏度好,对不同的评价窗口都能够获得好的评价效果,算法稳定性好。改进的DCT评价函数应用在煤矸石自动分拣系统中进行了调焦测试,发现其焦点的敏感性好,用其进行辅助对焦,能够方便视觉系统的装调者准确快速找到焦点位置。为了实现对煤矸石目标物体定位和获取其通用几何特征参数,在分析研究现有的图像阈值分割和游程连通区域标记算法基础上,研究了一种基于图像阈值分割和游程连通域标记的BLOB特征提取算法。首先计算分割阈值,然后利用阈值进行图像分割,通过连通域标记划分BLOB分区,利用分区中的所有像素点信息,采用统计的方法来提取BLOB分区的分布范围、中心坐标和重心坐标等,算法具有存储量小、复杂度低、计算速度快和搜索性能高等优点。该方法能够提取煤矸石的几何特征信息和定位目标分布范围,解决了煤矸石边缘定位困难的技术难题。为了克服BLOB分析算法对分区较多的图像占用过多计算时间和内存容量的问题,提出了一种基于无矸图像过滤和BLOB分析的煤矸石识别方法,该方法采用图像三阶矩作为过滤评价函数,通过设置过滤阈值滤除大部分不含有煤矸石内容的图像,大幅减少了无效计算时间。对疑似矸石图像,利用BLOB分析方法定位目标位置和提取几何特征,并通过定位出的目标区域范围,采用面积大小和局部区域内容的三阶矩评价等方法综合进行二次精确判断,减少了背景对判断的不利影响,提高了识别正确率。在此基础上设计了煤矸石智能分拣系统软件,将研究算法应用到煤矸石智能分拣系统大型实验设备中,实现了煤矸石在线实时识别与定位,实验设备运行稳定可靠,实验条件下拣矸率达到91.1%,达到实际应用标准。为进一步提高对小概率矸石的识别正确率,进行了基于机器学习的小概率矸石识别实验。选择小概率矸石和满足特定条件的煤炭样本图像,经过BLOB分析后获得目标局部图像,将局部图像作为样本,并通过样本扩容的方法构建了样本集。选择了三类共九个评定参数作为特征向量,对样本集图像进行了特征评价并组建了数据集。采用K-CV交叉验证方法对支持向量机的模型参数进行优化选择,利用支持向量机分类方法,通过对训练样本进行训练建立正确的分类模型,完成后对测试样本进行预测,测试样本的仿真预测正确率达100%。实验仿真证明该方法对提高小概率矸石的识别率有效。
陈光[9](2019)在《基于图像处理的空间相机自动调焦算法研究》文中提出自动调焦技术在光学成像系统中具有广泛的应用,调焦系统的性能决定着成像系统能否获取清晰的图像。对于空间相机而言,传统的调焦方法具有各种局限性,而基于图像处理的自动调焦技术由于原理简单,调焦速度快,调焦准确性高,适用范围广,集成效率高的特点正在受到广泛关注和研究。通过分析空间相机对运动目标成像的特点可以发现,不同于普通数码相机,其观测目标距离较远,成像目标在视场中较小,离焦图像模糊量较大,并且由于观测目标和观测平台之间存在相对运动,目标像点存在像移。因此本文为了解决这些问题对自动调焦系统的影响,对以下内容进行了研究。(1)分析了空间相机的成像特点,空间相机在成像过程中具有以下问题:观测距离远,有效像素少,光照反差会导致阴阳面产生,低照度情况下会引入各种噪声,并且运动目标会产生运动模糊。因此需要对图像进行适当预处理,并分析运动像移对调焦的影响。(2)研究了图像清晰度评价算法。调焦评价函数选取是自动调焦技术的关键,其目的是区分离焦图像和聚焦图像,判别图像的离焦与否,进而找到图像清晰度最大的图像所在的位置,完成自动调焦操作。本文提出了一种覆盖范围可变化的改进的Brenner函数。该函数采用简单的Brenner函数作为计算模板,使用像素块代替单个像素点进行梯度计算,这种方法可以有效的解决由于离焦模糊量较大造成的调焦区间较小的问题,并且由于是对像素块的操作,可以有效的消除孤立噪声点的影响。通过实验证明,本文所提算法有效地提升了抗噪性,对离焦模糊量过大的区域调焦灵敏度显着增大,有效地提升了调焦搜索区域。(3)对调焦窗口构建算法进行了研究。为了快速准确的选取观测目标所在的区域,本文采用基于最小障碍距离变换的显着性区域提取算法对图像进行显着性区域提取,并构建自适应目标变化的矩形调焦窗口。通过仿真实验可以发现,本文所提方法构建的调焦窗口可以有效地降低系统的运算量,剔除背景噪声的影响,提升调焦系统的准确性和实时性。(4)研究了调焦搜索算法。本文介绍分析了传统调焦搜索算法的特点,及其在实际应用中的不足,提出了一种改进的爬山搜索算法。这种算法先大步长粗调焦,然后小步长精调焦可以有效地提升搜索速度和精度,降低局部极值的影响。
王强[10](2019)在《速冻食品异物检测与剔除技术研究》文中研究表明速冻食品因具有新鲜、卫生、营养合理、食用方便等优点,深受人们的喜爱;其中具有“中国特色”的速冻水饺更是深受国内外市场的欢迎,产量迅速增加;然而近年来因金属、石头、玻璃等异物引发的食品安全事件,严重损害了消费者的身心健康,因此,对速冻食品进行异物检测以保证食品安全具有重要意义。针对金属检测机只能检测金属、检测结果无法直观可视的现状,本文使用X射线成像技术和图像处理技术对水饺中的金属钢球、细铁丝、螺钉、石头和玻璃5种异物进行自动检测与分类。主要研究内容包括:(1)分析了X射线成像过程及检测原理,并设计了一种旋转滚轮剔除装置对异物水饺进行剔除;针对原始的X射线水饺图像含有大量噪声和对比度低的问题,使用均值滤波、中值滤波、双边滤波等滤波器,以及对数变换、伽马变换、对比度拉伸变换等方法对原始水饺图像进行去噪和增强处理。根据MSE、PSNR和SSIM值对处理后的图像质量进行评价,最后选择3×3的中值滤波器和对比度拉伸变换作为本文的预处理方法。(2)根据X射线水饺图像的分布特点以及几种常规分割算法无法有效地分割出水饺中异物的缺点,提出一种附加偏移量的最大熵算法与线性递减权重的粒子群算法结合的阈值分割算法:把图像目标区域的熵附加一个偏移函数,将水饺图像的总熵作为粒子群算法的适应度函数来获取图像的最佳分割阈值。实验结果表明,本文算法可以有效地将不同异物从水饺图像中分割出来,且求解速度快。(3)提取图像的LBP、HOG和Gabor纹理特征,使用SVM对异物和无异物水饺图像进行识别;为了进一步提高水饺图像的识别率,提出一种改进的基于LeNet-5卷积神经网络模型(CNN)的异物水饺识别方法:在网络结构的设计中加入批量归一化层和Dropout层,以此来提高网络学习速度,避免网络过度拟合,并采用Softmax线性回归分类器,以ReLu为激活函数、Max-Pooling为下采样方法,对设计的CNN模型进行优化、训练和验证;为了方便后期水饺的二次处理,提取水饺二值图像中异物的圆度、长宽比、偏心率,以及水饺灰度图像中异物最小外接矩形区域的灰度均值、熵、灰度不变矩和LBP等特征作,使用BP神经网络对异物进行分类。(4)开发了一套基于MATLAB的X射线盒装水饺检测系统,实现了水饺图像的处理、分析和异物自动识别的功能。本文将X射线检测技术应用于盒装水饺中的异物检测,能够成功地识别出水饺中的各种异物,这对保障食品安全具有重要的现实意义。
二、图像直方图局部极值算法及其在边界检测中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、图像直方图局部极值算法及其在边界检测中的应用(论文提纲范文)
(1)X射线焊缝图像质量评价及质量提高方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 焊缝图像质量评价方法研究的目的及意义 |
1.1.2 焊缝图像降噪及增强方法研究目的及意义 |
1.2 焊缝图像质量评价方法国内外研究现状 |
1.2.1 全参考图像质量评价 |
1.2.2 半参考图像质量评价 |
1.2.3 无参考图像质量评价 |
1.3 焊缝图像降噪及增强方法国内外研究现状 |
1.3.1 焊缝图像降噪方法国内外研究现状 |
1.3.2 焊缝图像增强方法国内外研究现状 |
1.4 主要研究内容 |
1.5 本文结构安排 |
第二章 X射线焊缝图像分析 |
2.1 图像噪声分析 |
2.2 图像对比度分析 |
2.3 图像边缘分析 |
2.3.1 模糊图像边缘 |
2.3.2 图像边缘的数学分析 |
2.4 提取图像ROI |
2.5 本章小结 |
第三章 X射线焊缝图像评价体系 |
3.1 全参考和半参考质量评价指标 |
3.1.1 基于像素域误差的全参考图像质量评价 |
3.1.2 图像结构相似度 |
3.2 考虑视觉因素的图像对比度评价方法 |
3.2.1 图像对比度建模 |
3.2.2 设定权重系数 |
3.3 基于黑度的图像质量评价 |
3.3.1 图像黑度原理 |
3.3.2 图像黑度与灰度关系 |
3.3.3 X射线源模型 |
3.3.4 透射光强模型 |
3.3.5 实验分析 |
3.4 边缘检测 |
3.5 本章小结 |
第四章 X射线焊缝图像降噪方法研究 |
4.1 高斯噪声滤波算法 |
4.1.1 均值滤波器 |
4.1.2 核函数改进的非局部均值滤波 |
4.1.3 阈值改进的小波滤波 |
4.2 椒盐噪声滤波算法 |
4.2.1 自适应中值滤波改进算法 |
4.2.2 改进中值滤波算法 |
4.2.3 考虑噪声检测的自适应窗口滤波 |
4.3 本章小结 |
第五章 X射线焊缝图像增强方法研究 |
5.1 直方图均衡算法 |
5.1.1 基于峰值改善的直方图均衡化 |
5.1.2 抑制对比度自适应直方图均衡化算法 |
5.2 sin函数增强 |
5.3 指数及对数函数增强 |
5.4 arctan函数增强 |
5.5 本章小结 |
第六章 系统实现 |
6.1 焊缝缺陷自动检测系统设计 |
6.1.1 主菜单栏 |
6.1.2 图像处理菜单 |
6.1.3 图像统计值菜单 |
6.2 焊缝图像质量评价及质量提高平台 |
6.2.1 子菜单设计 |
6.2.2 平台功能框架 |
6.2.3 仿真分析 |
6.3 本章小结 |
第七章 总结与展望 |
致谢 |
参考文献 |
附录1 |
附录2 |
攻读硕士学位期间参加科研情况及获得的学术成果 |
(2)基于计算机视觉的受电弓识别及滑板接触面伤损检测研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.3 论文主要研究内容 |
第二章 视频获取及图像预处理 |
2.1 视频获取 |
2.1.1 视频分解为图片 |
2.2 图像预处理 |
2.3 实验结果与分析 |
2.4 本章小结 |
第三章 受电弓图像筛选 |
3.1 图像筛选目的 |
3.2 卷积神经网络的受电弓检测 |
3.3 卷积神经网络 |
3.3.1 卷积神经网络模型概述 |
3.3.2 感受野与权值共享 |
3.3.3 池化操作 |
3.4 滑板卷积神经网络结构设计 |
3.5 反向传播算法训练样本集 |
3.6 实验结果与分析 |
3.7 本章小结 |
第四章 受电弓滑板区域精确检测 |
4.1 滑板区域精确检测目的 |
4.2 边缘检测 |
4.2.1 边缘检测步骤 |
4.2.2 边缘检测算法 |
4.3 受电弓边缘检测结果与分析 |
4.4 Hough直线检测 |
4.4.1 Hough变换原理 |
4.4.2 受电弓滑板区域Hough算法检测结果 |
4.5 滑板倾斜校正 |
4.6 本章小结 |
第五章 滑板接触面伤损检测 |
5.1 滑板裂纹检测 |
5.1.1 裂纹提取 |
5.1.2 滑板裂纹检测实验结果分析 |
5.2 滑板烧伤检测 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
个人简历、在学期间的研究成果及发表的学术论文 |
(3)碳纤维材料红外热波无损检测技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文主要工作与创新 |
1.4 论文结构安排 |
第2章 碳纤维材料红外热波无损检测理论分析与试验平台设计 |
2.1 红外无损检测中热量传递的基本方式 |
2.1.1 热传导及其影响分析 |
2.1.2 热对流及其影响分析 |
2.1.3 热辐射及其影响分析 |
2.2 脉冲激励下瞬态热传导理论分析 |
2.2.1 红外热波无损检测原理 |
2.2.2 脉冲激励下的瞬态热传导分析 |
2.3 脉冲激励红外无损检测实验平台设计 |
2.3.1 脉冲激励红外热波检测系统 |
2.3.2 红外图像采集与分析 |
2.4 本章小结 |
第3章 红外热波图像的缺陷提取 |
3.1 红外热波图像预处理 |
3.2 基于边缘检测的红外热波图像分割 |
3.3 缺陷的最大类间方差阈值分割法 |
3.4 基于数学形态学的缺陷边缘检测 |
3.5 本章小结 |
第4章 红外热波图象序列处理 |
4.1 红外热波图像序列数据拟合 |
4.1.1 红外热波图像数据的多项式拟合 |
4.1.2 基于红外热波理论模型的数据拟合 |
4.1.3 数据拟合结果及评价 |
4.2 红外热波图像序列处理基本方法 |
4.2.1 帧间差分法 |
4.2.2 多项式拟合法 |
4.2.3 主成分分析算法 |
4.2.4 不同处理算法的性能比较 |
4.3 脉冲相位算法及其优化 |
4.3.1 脉冲相位算法原理 |
4.3.2 脉冲相位算法的采样时间优化 |
4.4 本章小结 |
第5章 脉冲激励红外热波无损检测及投影标记系统的研究 |
5.1 脉冲激励红外热波无损检测及投影标记装置设计 |
5.2 热像仪与投影仪的坐标变换 |
5.3 相机辅助投影变换方法 |
5.4 缺陷提取结果投影及误差分析 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(4)基于图像边缘检测的轨道伤损识别算法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 轨道伤损检测技术的研究现状 |
1.2.2 图像处理技术研究现状 |
1.3 主要研究内容 |
1.4 技术路线图 |
2 图像数据采集系统及采集方案比选 |
2.1 图像数据采集系统简介 |
2.1.1 相机及镜头型号选择 |
2.1.2 光源对比及照射方式选择 |
2.2 试验路段简介 |
2.3 图像采集方案比选 |
2.4 本章小结 |
3 基于改进二维卷积的轨道图像平滑算法研究 |
3.1 图像数据预处理 |
3.1.1 彩色图像多通道数字化处理 |
3.1.2 图像直方图均衡化 |
3.1.3 自适应全局直方图均衡化 |
3.2 线性滤波平滑处理 |
3.3 基于改进二维卷积的图像平滑处理算法 |
3.3.1 改进方法一 |
3.3.2 改进方法二 |
3.4 不同平滑处理方法结果对比及评价 |
3.5 本章小结 |
4 轨道结构分离及边缘检测 |
4.1 基于形态学线型分析的轨道结构分离研究 |
4.1.1 轨道结构线型简述 |
4.1.2 钢轨轨面及扣件弹条分离 |
4.2 基于改进Canny边缘检测的轨道图像处理算法 |
4.2.1 传统边缘检测简介 |
4.2.2 改进Canny边缘检测 |
4.2.3 图像处理结果对比分析 |
4.3 基于Hough变换的钢轨伤损识别研究 |
4.3.1 Hough变换原理 |
4.3.2 钢轨检测图边缘线提取 |
4.3.3 钢轨伤损判别算法研究 |
4.4 本章小结 |
5 基于特征点匹配的扣件伤损识别研究 |
5.1 图像纹理与相关几何特征提取 |
5.1.1 图像颜色特征综述 |
5.1.2 基于灰度共生矩阵的纹理特征提取 |
5.1.3 图像相关几何特征提取 |
5.2 检测特征点分项 |
5.2.1 确定特征点位置 |
5.2.2 确定特征点方向 |
5.2.3 生成特征点描述子 |
5.3 特征点检测与匹配算法研究 |
5.3.1 传统SIFT特征点匹配算法 |
5.3.2 SURF特征点检测与匹配算法 |
5.3.3 改进SURF特征点匹配算法研究 |
5.4 扣件图像特征点匹配及伤损识别分析 |
5.5 本章小结 |
6 结论与展望 |
6.1 主要结论 |
6.2 研究展望 |
致谢 |
参考文 献 |
攻读学位期间的研究成果 |
(5)基于深度学习的船舶超吃水判别和船牌识别系统研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 船舶自动识别系统研究现状 |
1.2.2 船舶超吃水检测方法研究现状 |
1.2.3 基于牌照的身份识别技术研究现状 |
1.3 本文主要工作及章节安排 |
第2章 船舶与船牌图像处理及深度学习相关理论 |
2.1 图像处理相关理论 |
2.1.1 数字图像表示的方式 |
2.1.2 像素的连通性 |
2.1.3 RGB图像的灰度化与二值化 |
2.1.4 图像直方图 |
2.1.5 区域特征提取 |
2.2 人工神经网络 |
2.2.1 神经元 |
2.2.2 神经网络模型 |
2.2.3 神经网络的训练 |
2.3 卷积神经网络 |
2.3.1 卷积神经网络理论 |
2.3.2 经典CNN模型—LeNet-5 |
2.3.3 现代CNN模型—AlexNet |
2.4 本章小结 |
第3章 船舶超吃水判别及跟踪系统研究 |
3.1 超吃水判别系统设计流程 |
3.2 超吃水判别系统模型搭建 |
3.2.1 基于Region Proposal的深度学习目标检测算法 |
3.2.2 基于回归方法的深度学习目标检测算法 |
3.3 船舶超吃水判别数据准备和网络模型训练 |
3.3.1 实验数据集制作 |
3.3.2 实验环境搭建和模型训练 |
3.4 船舶超吃水判别结果与分析 |
3.5 超载船舶目标跟踪算法设计 |
3.6 本章小结 |
第4章 船舶非标铭牌识别系统研究 |
4.1 船舶非标铭牌定位方法研究 |
4.1.1 基于灰度图像的定位方法 |
4.1.2 基于彩色图像的定位方法 |
4.1.3 基于深度学习的定位方法 |
4.2 船舶非标铭牌的倾斜矫正与字符分割研究 |
4.2.1 船舶非标铭牌水平倾斜矫正 |
4.2.2 船舶非标铭牌的字符分割 |
4.3 基于深度学习的船舶非标铭牌字符识别及其改进算法 |
4.3.1 船舶非标铭牌字符识别实现及实验分析 |
4.3.2 船舶非标铭牌字符识别改进算法 |
4.4 船舶非标铭牌识别系统性能分析 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 本文总结 |
5.2 未来展望 |
参考文献 |
缩略语对照表 |
攻读学位期间的研究成果 |
致谢 |
(6)基于滑移率辨识的汽车制动时序视觉检测系统研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 论文研究的背景及意义 |
1.1.1 论文研究的背景 |
1.1.2 论文研究的意义 |
1.2 半挂汽车列车制动时序的国内外研究现状 |
1.2.1 国外制动时序研究现状 |
1.2.2 国内制动时序研究现状 |
1.3 半挂汽车列车制动时序检测技术的研究现状 |
1.3.1 制动时序国家标准的制定和实施 |
1.3.2 制动时序检测技术国外研究现状 |
1.3.3 制动时序检测技术国内研究现状 |
1.4 立体视觉汽车检测技术的研究现状 |
1.4.1 立体视觉概述 |
1.4.2 立体视觉在汽车检测技术领域的应用和进展 |
1.5 论文的主要研究内容及技术路线 |
1.5.1 主要研究内容 |
1.5.2 技术路线 |
第2章 汽车制动时序检测理论及方案研究 |
2.1 制动时序测量目标的确定 |
2.1.1 滑移率与路面附着系数的关系 |
2.1.2 基于车轮滑移率的制动时序测量目标 |
2.1.3 影响车轮滑移率识别的关键因素 |
2.2 基于视觉测量的车轮滑移率测量模型建立 |
2.2.1 车轮滑移率计算模型 |
2.2.2 圆形标识运动轨迹拟合 |
2.2.3 汽车列车曲线行驶矫正模型 |
2.3 双目立体视觉测量模型 |
2.3.1 平行双目立体视觉测量原理 |
2.3.2 平行双目视觉系统精度分析 |
2.4 制动时序视觉检测系统方案设计 |
2.4.1 制动时序视觉检测系统整体布局 |
2.4.2 制动时序视觉检测系统检测流程 |
2.4.3 制动时序视觉检测系统控制方案 |
2.5 本章小结 |
第3章 制动时序视觉检测系统图像处理算法研究 |
3.1 图像预处理 |
3.1.1 图像对比度增强 |
3.1.2 基于维纳滤波的圆形标识运动模糊复原 |
3.1.3 图像伪中值双边滤波去噪 |
3.1.4 图像拉普拉斯锐化 |
3.2 基于改进Canny算法的圆形标识边缘检测 |
3.2.1 传统Canny边缘检测 |
3.2.2 拓展梯度方向与Otsu自适应阈值的改进Canny算法 |
3.3 基于Hough变换的圆形标识特征提取 |
3.3.1 基于Hough变换的椭圆检测研究进展 |
3.3.2 最小二乘与Hough变换融合的圆形标识特征提取 |
3.4 基于对极几何约束的圆形标识归一化互相关立体匹配 |
3.4.1 立体匹配方法概述 |
3.4.2 对极几何约束 |
3.4.3 基本矩阵和极线方程 |
3.4.4 基于对极几何约束关系的NCC立体匹配算法 |
3.5 圆形标识中心坐标三维重建 |
3.5.1 三维重建模型 |
3.5.2 三维重建过程 |
3.6 本章小结 |
第4章 制动时序视觉检测系统标定与精度检定试验研究 |
4.1 非线性成像模型建立 |
4.1.1 参考坐标系 |
4.1.2 线性成像模型 |
4.1.3 非线性成像模型 |
4.2 视觉检测系统摄像机标定理论及优化 |
4.2.1 张正友平面模板标定法 |
4.2.2 张正友标定法优化理论分析 |
4.2.3 基于PSO-LM组合优化策略的改进张正友标定法 |
4.3 摄像机标定试验及结果对比分析 |
4.3.1 标定试验设备安装及调试 |
4.3.2 标定试验过程及参数误差对比分析 |
4.4 基于车轮动态模拟的视觉系统精度检定试验研究 |
4.4.1 硬件结构组成 |
4.4.2 检定方法及流程 |
4.4.3 动态检定试验及误差分析 |
4.5 本章小结 |
第5章 汽车制动时序视觉检测系统开发及实车试验 |
5.1 汽车制动时序视觉检测系统结构组成 |
5.1.1 检测系统的硬件部分 |
5.1.2 汽车制动时序检测系统软件设计 |
5.2 汽车制动时序视觉检测系统实车试验研究 |
5.2.1 实车试验目的及试验条件 |
5.2.2 实车试验内容及步骤 |
5.2.3 同一车型重复性试验 |
5.2.4 测量结果标准不确定度评定 |
5.2.5 多种车型普适性试验 |
5.2.6 试验误差因素分析 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简介及科研成果 |
致谢 |
(7)全自动药瓶检测系统关键技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题背景及意义 |
1.2 国内外研究现状 |
1.2.1 药瓶质量检测设备现状 |
1.2.2 X光图像增强技术现状 |
1.2.3 图像分割技术现状 |
1.2.4 特征提取和分类识别技术现状 |
1.3 论文研究内容 |
1.4 重难点分析 |
1.5 论文组织结构 |
第二章 全自动药瓶检测系统设计 |
2.1 硬件设计 |
2.1.1 X射线机 |
2.1.2 X射线数字成像 |
2.1.3 控制系统 |
2.2 上位机软件设计 |
2.2.1 上位机软件需求分析 |
2.2.2 基于MVC的上位机软件架构设计 |
2.2.3 基于Qt的上位机软件技术路线 |
2.2.4 上位机软件功能模块详细设计 |
2.3 软硬件系统测试实验 |
2.4 本章小结 |
第三章 渐变背景下结构和缺陷增强方法 |
3.1 药瓶图像难点分析 |
3.2 自适应中值滤波 |
3.3 结构层提取方法 |
3.3.1 现有结构层提取方法 |
3.3.2 LVD原理 |
3.3.3 LVD有效性验证 |
3.3.4 结构层提取效果 |
3.4 缺陷层提取方法 |
3.4.1 现有缺陷层提取方法 |
3.4.2 一种形态学取极值方法 |
3.4.3 形态学取极值有效性验证 |
3.4.4 缺陷层提取效果 |
3.5 结构层和缺陷层的图像融合 |
3.5.1 噪声抑制 |
3.5.2 灰度级形态学重建 |
3.6 图像增强算法测试实验 |
3.7 本章小结 |
第四章 药瓶液面线检测和异物缺陷分割 |
4.1 单个药瓶切分 |
4.1.1 药瓶区域分割 |
4.1.2 连通域分析 |
4.2 药瓶液面线高度检测 |
4.3 药瓶内异物缺陷分割 |
4.3.1 液面线边界追踪 |
4.3.2 基于形态学的缺陷分割 |
4.4 异物缺陷分割算法测试实验 |
4.5 本章小结 |
第五章 药瓶异物缺陷分类识别 |
5.1 缺陷特征样本库建立 |
5.1.1 缺陷特征提取 |
5.1.2 基于A-SUWO的类不平衡样本过采样方法 |
5.2 缺陷特征降维和分类 |
5.2.1 基于PCA的缺陷特征降维 |
5.2.2 基于集成算法的缺陷分类 |
5.3 药瓶异物缺陷分类识别交叉验证实验 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读硕士期间取得的学术成果 |
(8)基于BLOB分析和机器学习的煤矸石在线图像识别研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景和意义 |
1.2 煤矸石自动识别技术研究现状 |
1.3 煤矸石图像识别关键技术难点 |
1.4 课题来源和主要研究内容 |
1.4.1 课题来源 |
1.4.2 课题主要研究内容 |
1.5 论文组织结构 |
2 煤矸石自动分拣视觉检测系统的构建 |
2.1 视觉系统总体方案设计 |
2.1.1 图像检测目标物分析 |
2.1.2 视觉系统总体方案 |
2.2 光学成像系统选型设计 |
2.2.1 工业相机选型 |
2.2.2 镜头选型 |
2.3 照明系统设计 |
2.4 通讯系统设计 |
2.5 小结 |
3 基于频域的聚焦评价函数研究 |
3.1 聚焦评价函数的理论依据和研究现状 |
3.1.1 聚焦评价函数的理论依据 |
3.1.2 国内外研究现状 |
3.2 聚焦评价函数的评价指标 |
3.3 影响评价函数评价效果的因素分析 |
3.3.1 硬件影响因素 |
3.3.2 聚焦窗口选择 |
3.3.3 聚焦步距选择对评价函数影响 |
3.4 现有聚焦评价函数及其研究 |
3.4.1 基于空间域的聚焦评价函数 |
3.4.2 基于频域的聚焦评价函数 |
3.4.3 基于信息理论的评价函数 |
3.5 基于频域的聚焦评价函数的算法改进及测试比对 |
3.5.1 基于频域的聚焦评价函数算法改进 |
3.5.2 基于频域的聚焦评价函数的性能测试 |
3.5.3 与其他评价函数的对比测试 |
3.5.4 测试结论 |
3.6 基于频域的聚焦评价函数在煤矸石智能分拣系统中应用 |
3.7 本章小结 |
4 基于阈值分割和游程连通域标记的BLOB特征提取算法研究 |
4.1 图像分割基本原理及特征提取算法总体方案设计 |
4.1.1 图像分割的基本原理 |
4.1.2 算法的总体方案设计 |
4.2 图像阈值分割研究现状及机器视觉常用阈值分割算法 |
4.2.1 图像阈值分割技术研究现状 |
4.2.2 机器视觉中常用的图像阈值分割算法 |
4.3 游程的几个相关定义和游程连通域标记算法研究现状 |
4.3.1 游程及其连通性定义 |
4.3.2 游程连通域标记算法研究现状 |
4.4 基于阈值分割和游程连通域标记的特征提取算法 |
4.4.1 基于游程的连通区域标记两次扫描快速算法 |
4.4.2 区块特征参数计算和边缘提取 |
4.5 图像特征提取算法底层函数库构建 |
4.5.1 图像阈值计算函数 |
4.5.2 区块分割函数 |
4.6 算法验证 |
4.6.1 图像分割实验 |
4.6.2 噪声对分割算法的影响 |
4.6.3 实验结论 |
4.7 煤矸石图像几何特征提取实验 |
4.8 本章小结 |
5 基于无矸图像过滤和BLOB分析的煤矸石识别与定位研究 |
5.1 无矸图像的过滤方法 |
5.1.1 过滤目标分析 |
5.1.2 图像过滤方法的过滤参数选取 |
5.2 基于BLOB分析的煤矸石二次精确识别与定位 |
5.2.1 方法基本原理 |
5.2.2 煤矸石的精确识别 |
5.2.3 定位特征参数提取方法与实验验证 |
5.2.4 运动产生的影响及其解决方法 |
5.3 基于无矸图像过滤和BLOB分析的煤矸石识别与定位实验 |
5.3.1 算法总体流程 |
5.3.2 软件总体框架及界面 |
5.3.3 算法应用实验 |
5.4 小结 |
6 基于机器学习的小概率煤矸石识别实验研究 |
6.1 支持向量机基本原理 |
6.1.1 支持向量机基本原理 |
6.1.2 基于机器学习的小概率煤矸石分类实验基本思路 |
6.2 分类特征参数选取 |
6.2.1 灰度共生矩阵纹理特征参数 |
6.2.2 基于灰度直方图的特征参数 |
6.2.3 清晰度评价函数 |
6.3 数据集的生成 |
6.3.1 煤矸石识别中的误判原因分析和样本图像的构建 |
6.3.2 分类实验的数据集生成 |
6.4 数据的训练与测试 |
6.4.1 数据的归一化 |
6.4.2 数据训练与测试 |
6.4.3 测试结论 |
6.5 小结 |
7 结论与展望 |
7.1 全文工作总结 |
7.2 研究展望 |
参考文献 |
致谢 |
作者简介 |
(9)基于图像处理的空间相机自动调焦算法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 自动调焦技术的研究现状 |
1.3 本论文的研究内容及章节安排 |
第2章 自动调焦的基本原理 |
2.1 光学调焦成像原理 |
2.1.1 光学成像模型 |
2.1.2 点扩散函数与光学传递函数 |
2.1.3 成像系统的焦深和景深 |
2.2 自动调焦方法分类 |
2.2.1 传统的自动调焦方法 |
2.2.2 基于图像处理的自动调焦方法 |
2.3 本章小结 |
第3章 基于图像处理的自动调焦技术 |
3.1 图像清晰度评价函数 |
3.1.1 图像清晰度评价函数的特点 |
3.1.2 常用的清晰度评价函数 |
3.2 调焦窗口选取 |
3.2.1 静态窗口构建 |
3.2.2 动态窗口构建 |
3.3 调焦搜索策略 |
3.3.1 爬山搜索算法 |
3.3.2 函数逼近搜索算法 |
3.3.3 斐波那契搜索算法 |
3.4 本章小结 |
第4章 空间相机的自动调焦技术 |
4.1 空间相机图像预处理 |
4.1.1 去噪处理 |
4.1.2 消除光线影响 |
4.1.3 运动图像像移分析 |
4.2 改进的图像清晰度评价函数 |
4.3 基于显着性检测的调焦窗口构建 |
4.3.1 显着性目标区域提取 |
4.3.2 特征图二值化 |
4.3.3 边界拓展 |
4.4 粗精结合的调焦搜索算法 |
4.5 本章小结 |
第5章 实验结果与分析 |
5.1 实验设置 |
5.2 空间相机运动像移分析 |
5.3 图像清晰度评价函数实验分析 |
5.4 聚焦区域选取仿真实验与分析 |
5.5 调焦搜索仿真实验与分析 |
5.6 本章小结 |
第6章 总结与展望 |
6.1 论文工作总结 |
6.2 创新点 |
6.3 未来工作展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(10)速冻食品异物检测与剔除技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景和研究意义 |
1.2 国内外研究现状及发展趋势 |
1.2.1 食品异物无损检测技术概述 |
1.2.2 X射线在食品异物和内部缺陷检测方面的应用研究 |
1.3 本文主要研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 X射线食品异物检测系统的结构组成与检测原理 |
2.1 检测系统结构及工作原理 |
2.1.1 系统结构 |
2.1.2 检测系统工作原理 |
2.2 系统主要器件介绍 |
2.2.1 X射线发生装置 |
2.2.2 X射线平板探测器 |
2.3 X射线成像技术 |
2.3.1 X射线基本性质 |
2.3.2 X射线与物质的相互作用 |
2.3.3 X射线检测原理 |
2.4 剔除装置的设计 |
2.4.1 剔除装置的工作原理 |
2.4.2 剔除装置的结构设计与特点 |
2.5 本章小结 |
3 X射线水饺图像的获取及预处理 |
3.1 X射线水饺图像的获取 |
3.1.1 实验材料 |
3.1.2 图像获取 |
3.2 X射线水饺图像的分析 |
3.2.1 不同异物在X射线图像中的分布特点 |
3.2.2 X射线水饺图像噪声的来源 |
3.3 X射线水饺图像的去噪 |
3.3.1 均值滤波 |
3.3.2 中值滤波 |
3.3.3 双边滤波 |
3.3.4 非局部均值滤波 |
3.3.5 几种滤波器的去噪效果评价 |
3.4 X射线水饺图像的增强 |
3.4.1 灰度变换 |
3.4.2 直方图均衡 |
3.4.3 同态滤波 |
3.4.4 图像增强效果评价 |
3.5 本章小结 |
4 X射线水饺图像的分割 |
4.1 基于边缘检测的X射线水饺图像的分割 |
4.1.1 Sobel边缘检测 |
4.1.2 LoG边缘检测 |
4.1.3 Canny边缘检测 |
4.2 基于阈值和特定理论的X射线水饺图像的分割 |
4.2.1 最大类间方差法 |
4.2.2 基于K-means聚类算法的水饺图像分割 |
4.2.3 基于遗传神经网络的图像分割 |
4.2.4 基于KSW熵和遗传算法的图像分割 |
4.2.5 基于附加偏移量的最大熵与线性递减权重的粒子群算法结合的分割算法 |
4.2.6 不同算法的分割结果与分析 |
4.3 本章小结 |
5 X射线异物水饺图像的识别及异物分类 |
5.1 基于SVM的 X射线异物水饺图像的识别 |
5.1.1 SVM原理 |
5.1.2 图像分块与正负样本集的构建 |
5.1.3 LBP、HOG和 Gabor特征提取 |
5.1.4 实验结果与分析 |
5.2 基于卷积神经网络的异物水饺识别 |
5.2.1 构建CNN模型 |
5.2.2 CNN模型的训练与验证 |
5.2.3 水饺特征图可视化分析 |
5.2.4 模型测试结果与对比 |
5.3 基于BP神经网络的水饺异物分类 |
5.3.1 水饺异物区域特征提取 |
5.3.2 构建BP神经网络 |
5.3.3 异物分类结果与分析 |
5.4 本章小结 |
6 X射线盒装水饺检测系统软件设计与实现 |
6.1 软件开发环境及总体设计 |
6.2 软件主界面 |
6.3 软件各模块运行实例 |
6.3.1 图像去噪模块展示 |
6.3.2 图像增强模块展示 |
6.3.3 图像分割模块展示 |
6.3.4 图像特征提取模块展示 |
6.3.5 水饺识别和异物分类模块展示 |
6.4 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
附录 |
四、图像直方图局部极值算法及其在边界检测中的应用(论文参考文献)
- [1]X射线焊缝图像质量评价及质量提高方法研究[D]. 张翔松. 西安石油大学, 2021(09)
- [2]基于计算机视觉的受电弓识别及滑板接触面伤损检测研究[D]. 张建安. 石家庄铁道大学, 2021(01)
- [3]碳纤维材料红外热波无损检测技术研究[D]. 丁超. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2021(08)
- [4]基于图像边缘检测的轨道伤损识别算法研究[D]. 贾强. 兰州交通大学, 2021(02)
- [5]基于深度学习的船舶超吃水判别和船牌识别系统研究[D]. 祝启瑞. 苏州大学, 2020(02)
- [6]基于滑移率辨识的汽车制动时序视觉检测系统研究[D]. 吴岛. 吉林大学, 2020(08)
- [7]全自动药瓶检测系统关键技术研究[D]. 柏正权. 东南大学, 2020(01)
- [8]基于BLOB分析和机器学习的煤矸石在线图像识别研究[D]. 邹华东. 中国矿业大学(北京), 2019(04)
- [9]基于图像处理的空间相机自动调焦算法研究[D]. 陈光. 中国科学院大学(中国科学院西安光学精密机械研究所), 2019(05)
- [10]速冻食品异物检测与剔除技术研究[D]. 王强. 南京理工大学, 2019(06)