机器视觉及其应用(系列讲座)第三讲图像处理与分析——机器视觉的核心

图像处理与分析是机器视觉中的核心部分,图像处理的目的可以抽象为提取目标物的特征增强；在完成对目标物增强的同时,抑制非目标物。一般采用扩大目标物与背景特征差异的方法来实现。图像增强方法的有效性,可以从目标与非目标两个模式聚类特征是否明确可分来评价。图像分析的目的可以抽象为目标物的识别与提取。因为目标物的视觉特征,往往很难采用单一的数字模型准确描述,所以通常采用的方法是,采用多种描述来实现对目标逐步准确的识别。重点结合几个实例,讨论了图像处理与分析的方法。     

基于机器视觉的离散傅里叶变换目标识别方法

提出了一种基于机器视觉与离散傅里叶变换的目标特征识别方法。利用计算机图像技术采集和处理图像信号;利用离散的傅里叶变换对图像数据提取特征,能够更好的辨别数据细节,从而可通过图像的比对来实现目标的识别。该方法在对实际的静止图像进行处理与计算后,能够很好的对图像的细节变化进行识别。     

机器人头部的视觉跟踪系统研究

对运动目标进行识别和跟踪是机器人视觉的一项关键技术。提出了一种可以快速跟踪运动目标的系统设计方案,采用了双计算机处理和Memolink通信方式的机器人控制结构,以图像处理为基础,在图像经过校正之后,通过区域分割和目标识别两个步骤来确定目标的位置,并控制机器人对目标进行跟踪。实验表明,该方法具有较高的速度和准确性。     

挖掘机器人视觉目标定位

为实现挖掘机器人的自动挖掘,在挖掘机实验模型基础上进行了电路改造,构建了以单片机为核心的控制电路,通过无线蓝牙与上位机进行通讯,实现对挖掘机操作装置的控制。通过视觉传感器采集挖掘机铲斗、目标物的实时图像,经图像处理后,对目标物中心及铲斗标记中心进行提取、定位,计算出二者之间的实时距离,进而控制挖掘机铲斗对目标物进行挖掘。     

基于人眼视觉皮层系统的SAR图像目标识别

人眼的视觉系统是已知最复杂最精确的目标识别系统;针对现有浅层学习模型提取SAR图像目标特征效果不理想、普适性不强及目标识别精度不高等问题,参考人眼视觉系统的分层特征提取机制提出了一种深层特征提取目标识别算法;算法首先提出一种针对SAR图像的预处理方法,在特征提取阶段应用多层稀疏自动编码器,通过逐层减少神经元数目使编码器学习得到输入数据的压缩表示,从而提取得到更抽象更鲁棒的目标特征;采用MSTAR数据库3个目标进行实验,试验结果表明,算法能很好地对MSTAR目标进行特征提取和识别,类比原有的方法有较高的识别准确率,达到96.7%。具有较强的实用性。     

桥吊摆绳摆角的视觉检测

桥吊摆角的准确测量是实现吊车防摇控制的前提条件。文中将视觉识别技术引入到吊车防摆控制中来,提出了基于局部梯度变化和标准差的图像自适应增强处理算法,解决了不同背光条件下吊绳摆动位置信息获取问题,有效地实现了桥吊负载摆绳图像特征的提取。同时,采用两次下采样和梯度法相结合的圆心的识别算法,解决了圆检测的实时性问题,从而成功识别出目标及其所在的空间位置,并用几何方法准确地测量出负载钢丝绳的摆角。最后,实验结果证实了该方法的有效性。     

基于机器视觉的ROV水下管线自动跟踪方法

针对混浊水下管线检测过程中由于光学图像成像不清而难以实现自动跟踪的问题,提出一种基于机器视觉和声纳图像处理的水下管线自动跟踪方法。鉴于声纳图像噪声大的问题,该方法采用Gabor滤波器增强管线特征,然后通过二值化,以及Canny边缘提取管线轮廓,最后通过霍夫变换得到管线的几何特征。为了提高管线提取的效率,采用卡尔曼滤波对管线走向和位置进行预测。通过ROV实验,结果表明,该方法能够减少图像搜索的面积,减少处理时间,成功地提取出管线特征。该方法应用于混浊水下管线跟踪是可行的、有效的。     

机器视觉精密测量系统研究

微小孔系的精密测量用传统的手段是难以实现的。以机器视觉为基础,结合计算机图像处理技术可完成这类测量任务。介绍了基于机器视觉的孔系精密测量系统的硬件组成和图像处理算法。以所提出的识别弦端点来确定图像圆心坐标的算法对500根弦的中点坐标进行滤波处理,可使识别误差达到亚像素级。圆心坐标在X和Y方向的标准差均小于4μm,孔系间角度测量标准差小于3″。     

基于机器视觉的西林瓶尺寸检测

在西林瓶生产过程中,尺寸是一项重要的产品质量判断标准,与传统的西林瓶尺寸人工检测方法相比,基于机器视觉的自动检测具有巨大优越性。为实现西林瓶尺寸的检测,提出了一种基于机器视觉的西林瓶尺寸检测方案,设计了系统的图像采集和背光源照明方案,通过中值滤波对图像进行去噪,利用对图像像素点的运算算法,对图像的灰度进行了校正变换,增强图像的对比度,采用Canny算子成功提取西林瓶边缘,在HALCON平台下实现了西林瓶尺寸测量。设定系统标定方法并选取15个2mL样品西林瓶进行测试,结果表明,该方法对西林瓶尺寸检测快速准确,边缘量化精度达到了亚像素级别,检测精度为0.02mm,满足西林瓶生产的参数测量精度要求,为工业生产产品尺寸的自动检测提供了一种有效的新途径。     

基于视觉注意的彩色图像检索方法

基于视觉注意模型提取的特征能够反映图像高层语义的新特征,将视觉注意机制引入到图像分析领域能有效地减小语义鸿沟,获得高效的图像检索性能.根据视觉感知的特点,对Itti视觉注意模型进行了改进.采用主分量图表示亮度图,将纹理粗糙度信息融入视觉注意模型,进而提出了一种基于视觉注意空间分布特征的图像检索算法.首先由改进视觉注意模型将图像分解得到38个视觉特征图,然后采用网格平分法提取视觉特征图的空间分布信息,组成特征矢量来多层次地对图像特征进行描述,用于图像检索.实验结果表明,该算法利用基于改进注意力模型方法来提取图像空间分布特征进行图像检索,能获得较高的检索率.