中北大学信息与通信工程学院, 山西 太原 030051
复杂结构件内部零件装配正确性检测是工业产品检测必不可少的流程之一,但目前仍缺少一种系统稳健性较高的检测方法以完善整个检测流程。针对这个问题,综合计算机断层扫描(CT)检测技术与卷积神经网络分类识别算法,改变以往以连通区域为特征的检测方法,自动识别图像中的感兴趣区域,使合格品的判断标准由区域特征变为个体特征。将CT系统采集的投影数据序列输入卷积神经网络,对工件内部零件进行精确定位并分类,以产品内部零件分类结果作为零件漏装检测的判断标准,以标准工件投影匹配检测工件投影,通过对比完成零件位移检测。通过实验验证可得,所提方法在模拟工件产品和实际产品检测中可完成对工件内部零件漏缺和换位的识别,整个系统对工件内部零件的相互遮挡等因素具有一定的稳健性。
图像处理 激光技术 无损检测 装配检测 卷积神经网络 分类识别 角度匹配 激光与光电子学进展
2018, 55(4): 041012
提出了一种基于扩展数学形态学和光谱角度匹配相结合的高光谱亚像元目标检测算法。在目标与背景未知的情况下，同时利用光谱和空间信息实现目标的定位与检测，实现高光谱亚像元目标的检测识别。通过扩展的形态学膨胀和腐蚀运算实现端元提取，采用光谱角度匹配算法进行感兴趣目标的检测识别。算法性能通过AVIRIS数据进行评价，与仅利用光谱角度匹配的算法和RX异常检测算法进行比较。实验证明，所提出的算法性能优于其他两种算法，具有低虚警率的亚像元目标检测结果。
扩展数学形态学 光谱角度匹配 高光谱图像 端元提取 亚像元目标检测 extended mathematical morphology spectral angle mapping hyperspectral image endmember extraction subpixel target detection 红外与激光工程
2015, 44(10): 3141
1 中国科学院上海技术物理研究所,上海,200083
2 上海海洋气象遥感中心,上海,200030
在大量实测的城市地物光谱数据的基础上,对3种有代表性的光谱匹配模型,即最小距离、光谱角度匹配(SAM),光谱相似度匹配进行了深入计算和分析,在这3种模型中,以SAM表现程度较好,但都不是最理想,区分程度不是很高.为增强区别程度,本文引入了导数对光谱匹配模型进行了重新计算,分析结果表明,一阶导数能明显增加3种光谱匹配模型的区分度,尤其是最小距离法增加非常明显.
高光谱遥感 地物光谱 最小距离 光谱角度匹配 光谱相似度匹配 导数 hyperspectral remote sensing spectral match model minimums distance SAM SCF derivative
