基于直线边缘特征匹配的扩展目标跟踪方法

为了稳定而精确地跟踪扩展目标,提取相邻两帧图像中扩展日标的所有直线边缘征,计算两帧中所有直线的相对斜率、相对倾角和相对截距进行匹配来确定跟踪化置.通过计算相邻帧之间交点描述子的欧氏距离找到最佳匹配,计算出所有交点的重点作为跟踪位置来实现扩展目标跟踪.实验中该方法在扩展目标的跟踪中有非常好的表现.其结果表明在不发生太大变形的情况下.都可以比普通的模板匹配跟踪有更好的稳定性和更精确的跟踪位置.     

一种改进的场景锁定算法

介绍了一种能对场景进行稳定锁定的算法,该算法在传统场景锁定算法的基础上进行了改进。当目标进入红外（电视）摄像机视场时,首先对视频图像进行角点检测,提取出具有特征的角点,根据角点间的距离关系,对相邻两场图像的角点进行匹配得至4角点对。然后根据角点对间的对应关系解算出相邻两场图像间的全局运动参数,把此参数输入到控制系统,让...     

基于轮廓匹配的夜晚环境下猫眼目标识别方法

为了解决“猫眼”目标在夜晚环境下难识别的问题,提出了一种基于归一化中心矩的轮廓匹配“猫眼”目标识别方法。首先利用中值滤波对图像进行去噪,采用固定阈值分割完成了对图像的分割,使得“猫眼”目标与部分背景分离,使用Roberts边缘检测提取出了所有物体的边缘,最后采取了基于归一化中心矩的轮廓匹配算法,该算法不受平移和放缩的影响,提取出了图像中的所有圆形目标,并利用面积判别识别了真实目标,对识别出的目标绘制最小外接圆,利用圆心坐标对其定位。通过对不同光照强度下的“猫眼”图像进行实验与对比,验证了该方法的可行性,并通过目标识别评价指标验证了该方法的有效性。实验结果表明,该方法的全局准确率可达92.1%,可以在夜晚环境不同光照强度下成功地对“猫眼”目标进行识别。     

贴片电阻表面缺陷自动识别方法

贴片电阻生产过程中的缺陷主要依靠人工在显微镜下检测,速度慢、长期成本高、误检率高.针对贴片电阻单元具有排列整齐、结构简单、图像灰度级少的特点,在贴片电阻图像二值化、边缘提取、直线检测基础上,以相邻电阻单元的相关系数作为电阻缺陷判别依据,提出基于子图投影匹配的快速缺陷检测方法.采用主分量分析法压缩图像数据量,提取缺陷特征,以基于支持向量机对贴片电阻缺陷进行分类并建立实验系统.缺陷检测及识别实验表明,缺陷检测正确率为92.5oo,算法的快速性和识别准确度满足系统快速高精的要求.     

基于改进模板匹配及图像差分法的PCB板缺陷多级检测方法

针对目前应用于PCB缺陷检测系统的模板匹配方法及缺陷检测方法存在准确性不足的问题，提出一种基于改进模板匹配及图像差分法的PCB缺陷多级检测方法。提出基于多方向Sobel算子的改进模板匹配方法实现待测图像与模板图像的匹配，针对PCB板漏件缺陷，提出基于图像差分法的多级二值化检测法实现PCB图像的缺陷检测。结合实验平台测试发现，该方法能够准确地提取出缺陷区域。与现有方法相比，该方法的误检率仅5%，具有更好的稳定性以及更高的准确性。     

一种基于工业CT图像的岩心孔隙率计算方法

针对目前基于工业CT图像的岩心孔隙计算中都采用局部自定义区域数据的问题,提出了一种基于岩心图像全部数据的孔隙率计算方法。其中,岩心目标的准确提取是该方法的关键。研究了图像中岩心目标与周边噪音的结构和位置关系,并以此为依据提出了一种工业CT图像的岩心目标提取算法。然后以CT图像中的岩心目标为数据源,通过目标内的孔隙像素与目标像素之比来计算单张图像的岩心孔隙率。而针对岩心的序列CT图像,则通过计算每张图像的孔隙率均值来获得该岩心的孔隙率。最后,以一岩心样本的CT序列图像为例,说明所提方法的准确性和有效性。     

利用匹配区域的纹理特征改善重构三维图像的视觉质量

研究了计算机重构三维图像时分辨率低的问题,提出一种改善3D计算机全景重构图像的视觉质量的方法,该方法利用3D空间的物体部分在每个元素图像中形成的匹配区域的纹理特征,从两个相邻的元素图像中的匹配区域提取出多个像素,经过加权计算重构出相应的图像区域.该方法与传统的计算机重构方法相比,提高了图像分辨率,同时也消除了从每个元素图像中提取多个像素直接重构图像时存在的"像素块"效应,改善了重构图像的视觉质量.     

工业CT切片图像直接生成快速原型层片数据

为了将工业CT与快速原型直接集成,提出了一种由工业CT切片图像直接生成快速原型层片数据的方法。首先对工业CT切片图像进行边缘提取、去噪、细化、连接和轮廓跟踪,获取样件的内外结构轮廓点数据;然后在相邻断层间建立轮廓匹配点对,线性插值层间轮廓数据,以满足快速原型加工对层片厚度的要求,并用三次B样条曲线对所有轮廓进行拟合;最后经过轮廓数据点采样和内外轮廓判断后,生成通用层接口文件输入快速原型系统。试验验证了该方法的有效性与正确性。     

基于双目序列图像的测距定位与自车速度估计

为了确定车辆在行驶过程中的相对位置与速度,提出一种基于双目序列图像的实时测距定位及自车速度估计方法。该方法利用车载双目视觉传感器采集周围环境的序列图像,并对同一时刻的左右图像进行基于SURF(speeded up robust features)特征的立体匹配,以获取环境特征点的景深,实现车辆测距定位;同时又对相邻两帧图像进行基于SURF特征的跟踪匹配,并通过对应匹配点在相邻两帧摄像机坐标系下的三维坐标,计算出摄像机坐标系在车辆运动前后的变换参数,根据变换参数估算出车辆的行驶速度。模拟实验表明,该方法具有良好的可行性,速度计算结果比较稳定,平均误差均在6%以内。     

基于特征融合的手背静脉识别

图像平移和旋转会降低手背静脉识别的准确性,针对该问题,本文提出了一种特征融合的手背静脉识别法.该方法充分考虑图像的细节特征和全局特征,首先选取图像中的交叉点和端点作为特征点,再从特征点中提取出图像匹配的基准点,计算基准点至特征点间的相对距离及基准点与特征点连线间相邻连线产生的夹角作为细节特征;然后利用不变矩方法提取图像特征作为全局特征;最后将两种图像特征融合,进行手背静脉识别.实验模拟结果表明,该方法可快速有效地实现手背静脉识别.     

基于锥束CT序列图像的三维缺陷检测方法

根据锥束CT序列图像各向同性及缺陷实体在序列图像层间位移和变化较小的特点,提出了一种适合锥束CT序列图像的三维缺陷检测方法。首先结合多目标跟踪思想,利用三维连通区域标记算法提取三维缺陷实体,并建立缺陷对应关系哈希表,以解决缺陷检测中目标轨迹的分叉;然后根据噪声目标的固有特性,对虚假缺陷信息进行有效删除,最终可获得真实缺陷目标实体,缺陷提取精度可达到像素。通过对空心涡轮叶片蜡模锥束CT图像进行实验,结果表明。该方法能准确地提取有较强噪声影响的序列图像的三维缺陷。     

Automatic defect recognition of TFT array process using gray level co-occurrence matrix

This study proposed an automatic optical inspection (AOI) system for detection of thin-film transistor (TFT) array defects. gray level co-occurrence matrix (GLCM) and MATLAB regionprops function were used to calculate 53 TFT array defect features, which were inputted into the neural network to train the defect classifier. The images to be inspected were compared with a standard image first, in order to judge whether the TFT array samples have defects. For defective images of a TFT array, the proposed defect classifier can successfully recognize five kinds of defects in the process. According to the experimental results, the defect recognition rate of proposed system is verified to be 83.3%, which can replace manual inspection and reduce the risks of false inspections due to long duration manual work. Moreover, the proposed AOI system can improve testing efficiency and reduce manufacturing costs.     

带钢表面质量在线检测系统研究与设计

为了提高现有带钢表面质量检测技术在缺陷检测精度与识别率上存在的问题,设计了基于机器视觉技术的带钢表面质量自动检测系统,从系统整体构成、视觉传感系统、软件开发及检测与分类算法等方面进行了深入地研究,实现了包括图像的采集、传输、缺陷的实时检测和定位,缺陷的分类以及缺陷的存储与报警等功能。实验结果表明,本系统可以对带钢表面常见的边裂、氧化、结疤等几十种不同类型的缺陷进行精确地检测。与现有的缺陷检测技术相比,本系统中设计的算法在检测精度和实时吞吐量上都具有很大优势。     

基于高分辨力CCD的大口径光学元件疵病检测

 介绍了一种利用高分辨力CCD快速检测大口径光学元件表面和体内疵病的方法。利用侧照明方式对大口径光学元件进行均匀掠射照明,表面和体内疵病因为散射在暗室成像过程中影像被放大。对比研究了疵病示踪尺寸和真实尺寸,得出近似数学关系,利用高分辨力CCD,通过一次性成像获得光学元件疵病尺寸近似值、2维空间位置等定量描述表面特征的信息。     

Effective defect detection in thin film transistor liquid crystal display images using adaptive multi-level defect detection and probability density function

A new automated inspection algorithm is proposed for detecting critical defects based on adaptive multi-level defect detection and probability density function in thin film transistor liquid crystal display (TFT-LCD) images containing a background region’s non-uniform and random noises. To improve the detecting capability for a critical-defect-detecting algorithm, the background region’s non-uniformity is eliminated using statistical values such as the mean and standard deviation of a test image. For the defect detection, the candidate defects are collected on each detection level and used to find a probability density function based on Parzen-window technique. Through simulation it was verified that the proposed method has superior capability for detecting critical defects which results in smaller brightness difference between a defect and its neighbors.     

一种提高光学相关模式识别准确性的后处理方法

将基于绝对差算法的最小距离离度量方法用于光学相关器产生的相关结果灰度图像的相假性度量,并以此为依据给出待识别图像与参考图像之间的相似性结论,避免了传统的以相关联峰取阈为判决依据引起误判现象,提高了判决准确率,甚至可以对由灰度图像直接做光学相关得到的低质量相关结果给出准确判断,从而避免了对灰度图像做二值化及编码处理等烦琐的预处理工作,采用非相干相关器为光学实现硬件并给出了实验结果。     

骨自动分割及基于轮廓一致性的分割验证

利用序列CT图像对骨组织做自动分割是计算机辅助骨科的重要技术。由于骨结构的不一致性、病理改变以及CT数据内在的模糊性,完全做到自动分割目前还面临着很大的困难。提供了一种有效的解决框架,既避免了传统分割中大量的人力介入,又避免了自动分割造成的错误。具体步骤是:设计合适的自动分割算法对序列CT图像中骨组织做自动分割;利用相邻CT图像上骨轮廓是渐进变化的特性,通过比较轮廓形状的一致性来自动验证分割的结果;对一致性较差的结果引入决策判别机制。     

基于K-L变换的虹膜识别方法

提出了一种基于K-L变换和最近邻分类器的虹膜识别方法。该方法采用K-L变换得到一组虹膜图像基,并利用这组基图像构造一子空间,将待识别图像在这个空间上的投影系数作为待识别图像的特征向量。采用最近邻分类器进行了分类。基于CASIA虹膜数据库的试验表明,将K-L变换应用在虹膜特征提取上可以取得较高的识别率。     

小波图像融合在太赫兹无损检测中的应用

玻璃纤维增强复合材料被广泛应用于航天、航空及其他军民各领域,它在制备和使用过程中通常会出现多个缺陷。太赫兹时域光谱成像技术有望成为玻璃纤维增强复合材料无损检测的有力补充手段。在太赫兹时域光谱成像过程中,可以选取时域或频域波形中的不同参数来进行成像。对于不同的缺陷,能够有效地对其进行检测的参数是不一样的。采用基于小波分解的图像融合方法将多幅不同参数获取的太赫兹反射图像结合起来,得到一幅包含所有缺陷信息的新图像。研究表明,基于小波分解的图像融合方法在太赫兹无损检测中的应用,能够获取单一参数成像无法检测的缺陷信息,为复合材料太赫兹图像后期处理提供了新的技术方法。     

基于小波变换的红外热波无损检测融合算法

在红外热波无损检测中获取的热像序列存在着背景噪声大、缺陷边缘模糊、对比度低等特点。为了提高由红外热像序列重构的数字图像的缺陷显示能力,以小波变换为热像处理工具,采用基于像素级和特征级的图像融合算法对热像序列进行了处理,并采用基于统计学的图像评估标准对处理效果作了定量评价。通过对铝合金试件的检测实验说明该方法可用于材料内部缺陷的红外热波无损检测。研究结果表明,此种图像融合算法可对不同深度缺陷所对应的两幅最佳热像进行有效地融合,在一幅融合图像中直观地反映出全部缺陷,并能有效地减少加热不均和背景噪声对缺陷识别的不利影响。