1 三峡大学理学院, 湖北 宜昌 443002
2 三峡大学电气与新能源学院, 湖北 宜昌 443002
陶瓷瓦表面缺陷的自动检测是该产业升级中亟待解决的问题。陶瓷瓦表面为立体的形态结构且存在大量的花纹,这将导致陶瓷瓦表面光照不均匀,会对缺陷自动检测造成许多干扰。为此,本文提出基于多尺度Hessian矩阵滤波的陶瓷瓦表面裂纹检测算法。首先使用带通滤波抑制陶瓷瓦图像背景及噪声并突出陶瓷瓦裂纹特征;然后,利用多尺度Hessian矩阵的特征值构建陶瓷瓦裂纹相似性函数,实现陶瓷瓦裂纹特征增强;最后,采用二值化和形态学处理的方式,提取裂纹的参数信息。通过实验表明,该算法可以有效去除复杂背景的干扰,提取出完整的陶瓷瓦表面裂纹,且运算效率较高,准确率高达95%。
图像处理 陶瓷瓦 机器视觉 裂纹检测 多尺度滤波 Hessian矩阵 激光与光电子学进展
2020, 57(10): 101022
1 三峡大学理学院, 湖北 宜昌 443002
2 三峡大学电气与新能源学院, 湖北 宜昌 443002
针对具有复杂背景的陶瓷瓦表面裂纹检测困难的问题,提出了一种基于主成分分析的陶瓷瓦表面裂纹检测算法。首先,将陶瓷瓦彩色图像转换为红色通道图像进行预处理;然后,采用主成分分析的方法重构陶瓷瓦图像,将预处理图像与重构图像进行差分处理,得到具有裂纹信息的图像;最后,采用二值化和形态学处理,提取裂纹的参数信息。实验表明,该算法可以检测出具有立体形态结构和复杂背景干扰的陶瓷瓦裂纹,相比其他算法检测速度快,准确率高达96%。
陶瓷瓦 机器视觉 裂纹检测 主成分分析 二值化 激光与光电子学进展
2020, 57(8): 081004
1 三峡大学电气与新能源学院, 湖北 宜昌 443002
2 三峡大学理学院, 湖北 宜昌 443002
针对具有复杂背景干扰和立体结构的陶瓷瓦表面裂纹缺陷,提出基于滑动滤波和自动区域生长的方法对陶瓷瓦表面裂纹进行提取。首先对采集图像进行预处理,并将图像分割为瓦头和纹理两个区域;然后用自定义滑动滤波法对瓦头区域的裂纹缺陷进行检测,用自动区域生长方法检测纹理区域的裂纹;最后用形态学运算去除杂散干扰点,提取裂纹的特征参数。实验结果表明,本文方法可有效去除复杂背景干扰,能提取出立体结构的陶瓷瓦表面裂纹。
图像处理 陶瓷瓦 滑动滤波 自动区域生长 形态学运算 激光与光电子学进展
2019, 56(21): 211003
华中科技大学图像识别与人工智能研究所,图像信息处理与智能控制教育部重点实验室,湖北,武汉,430074
提出一种新的星图中星获取算法--极值点法,利用最小二乘向量机(LSSVM)对原始星图的局部区域作灰度曲面最佳拟合,在拟合曲面上求解灰度极大值的像素点,获得星的中心点的初步位置.以初步位置为基础的星图像素聚类加速了星图中星的获取过程.以模拟星图中星的精确中心位置为参考,计算在不同噪声条件下测量位置与最近参考位置的距离平方倒数和的均值,优化 LSSVM 参数.为获得最佳星获取性能,卷积核为5×5像素的高斯LSSVM参数(σ2, γ)取(17, 1.25).该极值点法与矢量法相比,效率相当,但性能更好.
星敏感器 极值点法 ?钚《讼蛄炕?曲面拟合 星图获取
1 华中科技大学,图像识别与人工智能研究所,图像信息处理与智能控制教育部重点实验室,湖北,武汉,430074
2 天津津航技术物理研究所,天津,300192
3 中国航天科工集团公司第三研究院,北京,100074
针对红外序列图像中弱小目标检测问题,提出了用最小二乘向量机对原始红外图像中每一像素的局部区域作灰度曲面最佳拟合,在拟合曲面上进行灰度极大值像素点位置估计,实现目标的粗定位.真正的目标取决于中心点的灰度是否高于其邻域的平均灰度.并以径向基核函数为例推导出了极值点估计所需的二阶方向导数算子.对模拟和实际图像进行了小目标检测的实验验证.结果表明,基于支持向量机的小目标检测算法具有较强的适应性.
小目标检测 最小二乘向量机 径向基核函数 Small target detection Least square support vector machine Radial basis function
1 华中科技大学图像识别与人工智能研究所,湖北,武汉,430074
2 图像信息处理与智能控制教育部重点实验室,湖北,武汉,430074
提出了一种新的星图识别算法,该算法根据星敏感器的观测精度,在识别前去除星三角形的观测误差,对无误差的星三角形进行编码,构造特征量.导航三角形的识别只需基于单一特征量的匹配就可完成.多三角形的组合,有效地提高了正确识别率.仿真实验表明,该算法与传统的三角形算法相比,具有更好的实时性和鲁棒性.
星敏感器 星图识别 算法 导航星库
