针对液晶显示屏(LCD)显示缺陷检测中待测图像出现的平移和旋转导致误检率过高, 传统人工检测效率低、漏检率高, 以及图像配准精度对缺陷检测准确率的影响等问题, 提出一种基于Fourier-Mellin变换的LCD显示缺陷检测方法。基本原理是利用Fourier-Mellin变换对标准图像和待测图像进行粗配准, 通过加速稳健特征/尺度不变特征变换(SURF/SIFT)算法进行细配准, 对标准图像和配准后的图像进行加权平均融合得到最终的配准图, 最后利用局部自适应阈值分割和差影法检测缺陷, 并标注缺陷的位置及信息。实验结果表明, 提出的方法对平移和旋转的稳健性好, 能够有效地检测出LCD显示缺陷, 检测准确率达到98.667%。

动车组运行故障动态图像检测系统(TEDS), 通过在轨边安装布置高速线阵采集相机, 实现对运行中列车的全方位监控。利用获得的高质量图像, 通过机器学习和模式识别, 实现列车故障的自动化诊断和检测。但是线阵相机拍摄的图像易受动车速度的影响, 在图像水平方向上存在几何变形, 给后续目标的自动识别和检测带来了困难。为了解决这个问题, 设定一组基准图像, 对其他时间段所获得的目标图像分别按照对应的基准图像进行配准和重分割, 尽量减小列车速度对成像变形的影响。结合TEDS, 利用多分辨率下的图像快速配准方法, 实现了后续目标图像的快速分割与对齐。提出了一种改进的图像差影技术, 通过将对齐之后的目标图像与历史标准图像进行比对分析, 快速实现动车故障区域的自动定位和检测。