图像和机器视觉技术概述

图像和机器视觉系统是一项快速发展中的应用技术,介绍了机器视觉系统的组成和基本工作原理,及机器视觉在半导体制造领域中的应用。     

平板裂缝天线机器视觉测量系统研究及设计

机器视觉测量是用视觉传感器采集目标图像,通过对图像各种特征的分析处理,获取信息的一种测量方法。机器视觉技术的研究,大多停留在理论研究和小尺寸零件的测量上,对于平板裂缝天线等大尺寸、复杂结构件的测量研究与实现还是空白。本研究利用传动控制台的精确定位功能实现了高精度的图像拼接,解决了平板裂缝天线参数量大、特征值小、精度要求高以及三坐标机等仪器无法测量的问题。     

一种基于机器视觉的铝管缺陷检测系统

针对铝管生产过程中对准确、可量化的自动缺陷检测系统的迫切需要,本文引入一种由图像采集、缺陷检测、缺陷处理等模块组成的铝管缺陷检测系统。平板探测器获取由X光高压电源产生,穿过铝管的X射线并把所形成的数字图像通过USB端口发送至检测服务器。检测服务器使用机器视觉算法检测图像中的缺陷。当服务器检测到缺陷时,会向PCI板上指定位输出信号,报警装置接到信号后报警提醒工作人员。实验表明该系统能够自动、准确的标记出铝管中存在的缺陷,达到了系统的设计目标。     

如何搭建机器视觉系统

机器视觉系统的构成一般机器视觉系统主要包括信息探测、采集系统、图像处理、显示及智能决策等模块,涉及计算机图形学、数字图像处理、视频信息处理、模式识别、人工智能理论、智能信息处理、VLSI技术等技术,可广泛应用于工业产品自动检测、航天、航空、遥感、卫星侦察、天文观测、通讯、交通、电子、金融、医疗等图像采集、处理和决策的诸多领域。图1是机器视觉系统的结构图。嵌入式图像采集处理系统NetSightII是功能完善的嵌入式图像采集处理系统,能快速、简便地构成生产线上的机器视觉系统,解决了由PC/图像采集卡或智能摄像机构成的…     

基于机器视觉的图像一致性比对算法研究

为实现机械零部件装配过程中漏装或错装等装配质量问题的自动检测,对机器视觉的技术进行了研究,提出一种崭新的基于机器视觉的图像一致性比对的通用检测算法.采用模板匹配方法对实时图像进行校准,并与建立好的标准模板图像进行图像差分,通过Blob分析进行图像差异的量化与判断.最后进行了算法软件开发及实验验证,结果表明检测效果良好并...     

基于CMOS图像传感器的嵌入式机器视觉系统

基于CMOS图像传感器,以嵌入式微处理器S3C2410A为中心,构建了机器视觉系统的硬件平台,探讨了嵌入式多任务操作系统开发环境的建立,完成了系统的硬件和软件的设计,实现了智能化的图像采集过程.实际结果表明该方案结构简单,实时性强,体积小,运行稳定,可广泛用于各种工业场合.     

基于机器视觉的三维图像边缘特征提取

三维图像边缘特征的提取效果直接影响图像的识别效果,是图像识别的关键步骤。如何通过原始图像将有较强表示能力的边缘图像特征提取出来一直是处理三维图像的研究热点。通过对已有的提取三维图像边缘特征基本思想、特点和研究发展现状进行调查比对提出基于机器视觉的三维图像边缘特征提取方法以供参考。     

机器视觉在激光图像拼接中的应用

为高效、有效拼接低分辨率激光图像,提出基于机器视觉技术的低分辨率激光图像拼接方法。先采用机器视觉技术获取低分辨率激光图像特征亚像素,根据特征亚像素对低分辨率激光图像进行分割,判断低分辨率激光图像中前景特征位置;通过基于区域分块与SIFT特征的低分辨率激光图像拼接算法,根据归一化互相关系数分割需拼接图像间的相似范围,使用SIFT算法在重叠范围中搜索用来匹配的特征点并实现快速精确配准,实现低分辨率激光图像间无缝拼接。研究结果显示：所提方法拼接后,图像不存在明显的接缝;拼接过程中图像特征匹配速度极快,特征匹配耗时低于400 ms;特征匹配正确率高99%;拼接结果与实际图像间均方根误差较小,可在短时间内有效拼接低分辨率激光图像。     

一种基于机器视觉的颜色识别算法的研究

介绍了一种颜色识别转换算法.在机器视觉系统中,对RGB和YUV两种不同颜色空间进行研究,应用相差法进行颜色识别,并对向量表中的结果进行优化.实验结果表明,该算法在保证精确度基本不变的前提下,进一步减少了运算量,对系统处理信号的实时性有很大改善.     

一种新的基于场景的红外图像非均匀性校正算法

根据传统两点法的基本思想,提出了一种基于场景的红外焦平面阵列成像非均匀性校正算法。利用各探测器单元的增益比率与相邻单元的增益比率的相关性,迭代实现增益和偏移量的校正,从而减小其图像的非均匀性。     

机器视觉系统用图像传感器

通过让机器具有某种可视的能力,制造商们获得了一种有力的质量控制工具。机器视觉(machine vision)系统可捕获图像并可以测量一件产品的尺寸、位置和颜色、零部件的位置或者其它的关键特性,从而在无人看管的情况下提供快速“通过/未通过”判断。所有的机器视觉系统都带有一台摄像机、一个计算机和捕捉图像并进行分析的软件。所选用的系统部件必须能符合具体应用的需要。因为图像传感器确定了成像系统的速度和分辨率,故正确的图像传感器的选取对于视觉应用的成功来说具有关键性影响。下面将讨论机器视觉中所采用的不同的图像传感器架构,特别…     

内窥镜图像畸变校正的新方法

本文提出了基于全局收敛线性搜索的内窥镜图像桶形畸变的校正方法。方法假定畸变为圆对称形式,并利用多项式映射将畸变图像从畸变图像空间映射到校正图像空间。根据内窥镜成像特性以及基于全局收敛的线性搜索法来确定畸变图像中心和多项式系数。采用非线性回归对校正图像进行补偿。试验结果证实,该方法校正效果好、响应速度快、满足需要定量分析的图像处理的要求。     

机器视觉中图像匹配问题研究

随着计算机视觉技术的发展,机器视觉尤其是双目视觉被广泛应用于物体识别、虚拟现实、工业检测、机器人导航和航空航天等领域。图像匹配是机器视觉中的关键技术之一,能否有效地解决该问题严重影响着机器视觉的发展。对现有的匹配算法进行了研究的基础上,针对算法的实时性和精确度提出了改进算法。实验结果表明：误匹配像素百分比与目前常用的基于区域的匹配算法相当,而计算速度却提高了一个数量级,并且边缘特征较好,是一种有效可行的高实时性匹配算法。     

一种基于机器视觉的材质边缘检测算法

提出了一种基于机器视觉的智能的边缘检测算法,可单独识别同一图像中不同材质之间的边缘.不同材质的物体具有不同的表面光学特征,在HIS色彩空间内,其像素的H、I、S三个色彩分量的分布曲面满足不同的规律.该算法在一定的范围内计算属于该范围的像素的空间分布规律是否一致,若不一致,则该范围内存在不同材质的物体,进而计算不同材质物体的边缘.实验证明该方法简单、有效,解决了边缘检测中按材质计算边缘的问题.     

Soft Synchronization: Synchronization for Network-Connected Machine Vision Systems

Many computer vision applications require synchronization between image acquisition and external trigger events. Hardware and software triggering are widely used but have several limitations. Soft synchronization is investigated, which operates by time tagging both trigger events and images in a video stream and selecting the image corresponding to each trigger event. A stochastic model is developed for soft synchronization; and, based on the model, the uncertainty interval and confidence for correct image selection are determined, and an efficient calibration method is derived. Soft synchronization is experimentally demonstrated on a Linux image processing computer with a camera connected by the IEEE-1394 serial bus. To minimize timing variability, time tags are associated with images and events in the corresponding interrupt service routines within the operating system of the image processing computer. The model-based analysis applied to the experimental hardware shows that image/event synchronization within inter-frame interval can be achieved with 99% confidence. Experiments confirm this result.     

一种新的红外图像增强算法

针对传统红外图像增强容易丢失细节这一缺陷,采用基于分频的同态滤波与奇异值分解相结合的方法,对红外图像进行增强。在同态滤波的基础上,用高通滤波将其在频率域分成高频和低频,分别对高频和低频进行处理,高频通过线性增强,低频先经过奇异值分解,而后加入噪声处理,改变其奇异值,得到新的奇异值矩阵,最后对低频进行灰度调整再加上高频处理红的图像相加得到最后的增强后的图像。通过仿真,对比传统图像增强,该方法处理在峰值信噪比和均方值两方面均有改善。     

彩色图像数字水印新算法的研究

为了解决电子产品印刷盗版的问题,提出了基于LAB色彩空间和DWT的彩色图像数字水印算法,算法将水印置乱后嵌入到LAB色彩空间的亮度L分量的小波分解系数,实验证明,所提出的算法对常用的图像处理如JPEG压缩、加噪、剪切和滤波等攻击具有较好的鲁棒性、不可见性和安全性.     

一种基于场景的红外图像非均匀性校正算法

在分析红外焦平面非均匀产生原因的基础上,阐述了两点校正法的原理.由于各探测器与相邻单元的增益比率具有相关性的特点,利用相邻单元的增益比率,迭代实现比率和偏差的校正,从而减小其图像的非均匀性.仿真计算验证算法能有效地消除图像非均匀性噪声,增强图像的视觉效果.