一种测量无规则裂缝宽度的量化模型与实现

建立了一种测量无规则裂缝宽度的量化模型,提出了一种真伪裂缝区域分割新方法.该方法通过边缘检测并利用形态学膨胀运算,在待测裂缝的两侧边缘区域选取近似等量的目标像素和背景像素后,设置门限以自适应选取最佳分割阈值,提取出裂缝区域,进而提取裂缝的走势及边缘像素,用建立的量化模型,即可实现宽度测量.该测量方法能有效克服裂缝图像的噪音较大、裂缝不规则等弊端,去除裂缝图像的伪裂缝区域,测量结果的重复准确度在0.1 mm以内.实验结果表明,该方法有效地实现了裂缝宽度的准确测量,具有较强的适应性.     

一种多像素图像边缘提取方法

提出了一种基于相邻像素间的灰度差异来提取图像多像素边缘的方法.对一幅256×256大小的图像进行边缘提取需要的时间约0.22 s,分别比Prewitt算子和Robert算子少了26%和34%.算法改进后,较完整地提取了图像的竖直边缘和水平边缘,这些边缘在Prewitt算子和Robert算子的提取结果中是不可见的.经细化算法后,得到了图像清晰、位置精确的单像素边缘图像.研究表明,本文的多像素边缘提取等诸方法具有模型简单、实时性强等特点,且便于实现.     

不确定性边缘表示与提取的认知物理学方法

图像边缘检测是图像处理的一种重要技术, 其中不确定性表示与提取是关键问题之一. 在现有模拟物理学思想的相关方法基础之上, 提出了基于认知物理学的不确定性边缘表示与提取方法. 该方法利用数据场发现图像全局灰度认知, 构建图像灰度值空间到数据场势值空间的映射关系, 从场论的角度建立了可扩展的理论框架、统一了现有相关方法; 另一方面, 构造半升云模型建立云模型确定度的变化幅度与边缘像素表示与提取的内在关联关系, 最终在认知物理学核心理论的支持下实现图像不确定性边缘表示与提取. 所提出的方法时间耗费近似与图像尺寸成线性关系. 定性和定量的实验结果及分析表明, 该方法的分割效果较好, 性能稳定, 具有合理性和有效性. 关键词： 边缘检测 图像分割 云模型 数据场     

基于点阵标定板的视觉测量系统的标定方法EI北大核心CSCD

在应用机器视觉技术进行测量时,测量系统的像素当量、系统误差和光源强度等因素均会对测量精度造成影响,因此必须对像素当量和系统误差进行标定,并分析光源强度对工件图像边缘位置的影响。提出一种基于点阵标定板的视觉测量系统综合标定方法,在提取标定圆圆心坐标的基础上,计算圆心距物理尺寸和像素尺寸的比值,得到像素当量;建立圆心实际坐标和理论坐标的二元三次误差模型,并利用最小二乘法拟合求解误差模型系数;通过确定光源强度引起的图像边缘位置误差补偿量,实现测量系统的综合标定。实验结果表明,该方法可以有效提高系统的测量精度。     

基于点阵标定板的视觉测量系统的标定方法

在应用机器视觉技术进行测量时,测量系统的像素当量、系统误差和光源强度等因素均会对测量精度造成影响,因此必须对像素当量和系统误差进行标定,并分析光源强度对工件图像边缘位置的影响。提出一种基于点阵标定板的视觉测量系统综合标定方法,在提取标定圆圆心坐标的基础上,计算圆心距物理尺寸和像素尺寸的比值,得到像素当量;建立圆心实际坐标和理论坐标的二元三次误差模型,并利用最小二乘法拟合求解误差模型系数;通过确定光源强度引起的图像边缘位置误差补偿量,实现测量系统的综合标定。实验结果表明,该方法可以有效提高系统的测量精度。     

基于曲线拟合的亚像素边缘定位方法的研究

图像的边缘定位是图像测量的关键之一,随着测量精度要求的提高,已由早期的像素级边缘定位发展到了现在的亚像素级边缘定位。根据地球在地球敏感器CCD阵面中的成像特性,提出了一种基于曲线拟合的亚像素边缘定位方法以获取地球“灼热圆盘”的边缘。该方法利用曲线拟合获得的拟合斜率以及灰度值来提取图像的边缘。仿真结果表明,采用曲线拟合亚像素边缘定位法可使图像的边缘定位精度达到百分之几个像素,具有较高的精度。     

航拍图像的路面裂缝识别EI北大核心CSCD

针对航拍沥青路面图像识别的噪声和干扰问题,提出一种应用于航拍图像的路面裂缝识别算法。根据路面区域与路旁景观区域灰度级数分布不同,采用多方向拟合的区域生长方法联合HSV颜色空间阈值进行路面区域分割,提取包含完整裂缝信息的单通道路面;再通过改进的形态学滤波剔除面积较大的干扰区域,利用结合显著性分析的边缘检测算法识别路面的裂缝片段,实现复杂裂缝与路面纹理噪声的区分;自动筛选存在裂缝的图像,针对裂缝可疑区域,结合人眼辅助观察标记并计算其长度。结果表明,该算法可有效剔除图像中的噪声和干扰,较好地识别沥青路面的裂缝,裂缝宽度的识别精度能达到9.7mm,分类识别准确率大于80.0%,长度测量准确率大于75.0%。     

基于视觉测量的齿廓图像边缘失真判别算法

针对齿轮视觉测量过程中因齿廓表面受到污染导致齿廓图像边缘出现光学失真,从而影响齿廓偏差、齿距偏差测量精度问题,提出一种基于视觉测量的齿廓图像边缘失真迭代逼近——临近度判别算法(IAPD).建立渐开线齿廓图像边缘过渡带内像素点法向偏距与像素点极径的映射关系,将复杂的二维图像边缘信号转化为容易处理的一维信号;利用小波去噪算法对信号进行处理,提取齿廓边缘的失真特征;采用变阈值迭代逼近算法分离出齿廓倾斜偏差;采用K-邻近度分类方法自动判别齿廓图像边缘失真的起止位置,为齿距、齿廓偏差测量时进行齿廓图像边缘失真修正提供定位依据.为验证本算法的可靠性,根据相邻同名齿廓真实边缘的相似性,对失真齿廓和无失真齿廓图像提取亚像素边缘,并进行相似性比较,实现基于相似性比较的齿廓图像边缘失真判别算法,以此对IAPD算法的失真区域判别精度进行校验.实验结果表明:本文提出的齿廓图像边缘失真判别算法能够快速自动识别图像失真区域,失真区域边界的径向定位精度可以达到2.5个像素(50μm),能够满足图像边缘失真修正补偿的定位精度要求,可以实现齿轮测量的实时计算.     

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。     

航拍图像的路面裂缝识别

针对航拍沥青路面图像识别的噪声和干扰问题,提出一种应用于航拍图像的路面裂缝识别算法。根据路面区域与路旁景观区域灰度级数分布不同,采用多方向拟合的区域生长方法联合HSV颜色空间阈值进行路面区域分割,提取包含完整裂缝信息的单通道路面;再通过改进的形态学滤波剔除面积较大的干扰区域,利用结合显著性分析的边缘检测算法识别路面的裂缝片段,实现复杂裂缝与路面纹理噪声的区分;自动筛选存在裂缝的图像,针对裂缝可疑区域,结合人眼辅助观察标记并计算其长度。结果表明,该算法可有效剔除图像中的噪声和干扰,较好地识别沥青路面的裂缝,裂缝宽度的识别精度能达到9.7mm,分类识别准确率大于80.0%,长度测量准确率大于75.0%。