焊接激光束致熔池中心计算方法研究

根据激光焊接过程中焊缝位置形成熔池温度高、辐射光线强的特点,利用带通滤光片滤除熔池辐射光线及飞溅物辐射光线后拍摄的焊缝图像,对焊接过程中激光致熔池的提取方法进行了研究.首先根据熔池图像的灰度值初步确定熔池中心,由该中心向设定方向搜索得到熔池的像素级边缘;然后由像素级边缘点附近一定区域内的像素灰度求亚像素边缘点的位置;最后将亚像素边缘点拟合为圆,拟合圆的圆心即为熔池中心.试验表明,所提出的方法能利用拍摄的熔池图像识别熔池中心.     

热态重轨图像光照不均校正方法

为抑制重轨弧面强反射场引起的局部亮度过大,同时保留足够多的原始图像信息.研究了线像素灰度处理方法,计算列像素均值,去均值化处理实现纵向光照不均校正;选取上边缘的n个离散点,三次B样条边缘拟合,y方向像素对齐实现边缘矫直,然后对每一行的像素进行叠加,将灰度均值作为基准,根据每一行像素灰度和基准的比值进行线性拉伸,实现横向光照不均校正.引入信息熵、均方误差、峰值信噪比、通用图像质量指数量化比较不同方法的处理效果.对比实验表明,文中方法得到的图像总体灰度值分布最均匀,图像质量评价参数最高.该方法校正了图像亮度的不均匀性,同时能保留足够多的原始图像信息.     

基于LoG-Zernike矩算子的钢轨激光图像提取识别

采用激光摄像技术进行钢轨轮廓测量,图像中钢轨激光光条中心提取精度及效率,是决定钢轨轮廓测量是否可行的关键因素.提出采用LoG-Zernike矩算子进行钢轨激光光条中心提取,先利用LoG算子进行钢轨激光光条边缘粗定位,在粗定位图像边缘邻域内,再采用Zernike矩算子进行激光光条中心精确定位.详细论述了LoGZernike矩算子进行图像亚像素提取原理、过程,给出了LoG-Zernike矩算子详细计算步骤.试验结果表明,LoGZernike矩算子提取的钢轨轮廓曲线较细,连续性较好.     

路基表面沉降视觉检测系统光斑中心定位方法研究

激光光斑中心精确定位是铁路路基表面沉降视觉测量系统的关键技术,关系沉降测量的精度.分析了铁路路基表面沉降视觉测量的基本原理,结合激光光斑图像的特点,在以光斑轮廓邻域的灰度分布进行曲面建模的基础上提出基于曲面拟合的光斑亚像素中心定位方法,并通过实验验证了该方法光斑中心定位精度优于常用的基于重心灰度分布曲线拟合法,定位精度高且鲁棒性好,达到了铁路路基沉降观测精度的要求.     

基于边缘检测的焊缝图像自动识别算法

提出一种基于边缘检测的焊缝图像识别方法,即通过对螺旋钢管焊缝图像的实时采集、处理、分析,一旦发现焊枪偏离焊缝中心则及时对焊枪走向加以调整.该方法运用在实际螺旋钢管焊接中,具有检测时间短、误差小、工作稳定可靠、抗干扰能力强等特点.     

O形密封圈尺寸视觉精密测量技术

针对现有O形密封圈尺寸测量方法的局限性,设计基于主动视觉的精密检测方法,并对快速自动调焦、亚像素边缘检测、边缘点拟合技术进行了研究。将快速自动调焦过程分为3个阶段,使用大步长和方差函数,结合灰度切割对比度增强与中值滤波,完成粗调焦;使用小步长和Tenengrad函数,完成细调焦;采用Brenner函数和微步距完成高灵敏度调焦.用Zernike矩算法对边缘点进行亚像素定位,并采用面积最小误差法拟合边缘点,求取O形密封圈的内径、外径.实验结果表明:本文方法经过16步搜索,在15 s内可自动完成调焦;与传统方法相比,通过亚像素提取,能将内外径测量结果达到微米级,满足O形密封圈测量需求.      

日间高速公路侧后方车辆识别方法

为帮助驾驶员发现目标车道侧后方车辆尤其是视野盲区内车辆,从而避免或减少换道过程中发生的交通事故,提出了日间在高速公路上识别侧后方车辆的新方法.根据路面灰度值,将日间图像分为正常光照和弱光照两类.由于车辆阴影的灰度小于路面平均灰度,根据两侧车道区域内存在的灰度突变确定出侧后方车辆的可能存在区域.对确定的区域采用相应的阈值分割方法进行图像分割.在对分割后的二值化图像去噪、边缘提取和细化,以及提取车辆直线水平边缘基础上,根据系列车辆统计获得的先验知识(车辆前车窗的大小及比例等)验证车辆的真实存在.试验结果表明,该算法具有较好的可靠性和鲁棒性.     

小波分析在弧焊机器人视觉检测中的应用

针对弧焊机器人薄板对接、搭接焊缝的自动焊接问题,将小波分析应用在CCD直接获取的焊缝图像的处理中,用来提取焊缝轨迹.根据薄板的对接和搭接焊缝图像的特点,建立了斜坡型及梯形小波分析模型,通过对模型的多尺度小波变换和李氏指数的分析,可以区分焊缝的边缘类型,从而增强了焊缝轨迹提取方法的抗干扰性和适应性,也为弧焊机器人的自动化和智能化焊接提供一定的技术参考.     

一种简单的灰度图像边缘检测算法

提出了一种新的基于平行方向上像素点灰度值平均值求差的边缘检测算法.根据像素点及其八邻域的灰度值,在尽量保证图像信息完整的基础上,选择合适的阈值提取出尽可能合适数量的边缘点,并利用边缘的连续性原理对结果中的噪声点进行筛选,以达到边缘提取的目的,提高图像边缘检测效果.实验表明:此算法对灰度图像是一种简单、有效的边缘检测算法.     

基于边缘检测的焊缝图像自动识别算法

提出一种基于边缘检测的焊缝图像识别方法,即通过对螺旋钢管焊缝图像的实时采集、处理、分析,一旦发现焊枪偏离焊缝中心则及时对焊枪走向加以调整。该方法运用在实际螺旋钢管焊接中,具有检测时间短、误差小、工作稳定可靠、抗干扰能力强等特点。     

基于激光摄影测量方法的地铁限界检测系统研究*

限界检测系统主要采用激光摄影测量方法快速实现地铁限界非接触式检测,检测系统采用激光摄像式传感器实时采集隧道断面图像,通过对激光摄像式传感器非线性模型进行标定从而建立空间物体与摄像机图像像素之间映射关系,实现隧道断面上待测目标点的距离测量。针对系统中激光光条图像的处理,先后采用图像预处理算法提高图像处理效率,Sobel算子提取激光光条边缘,利用 Sobel算子提供的光条梯度信息经脊线跟踪法实现光条中心亚像素提取,提高检测系统精度。利用研制出的地铁限界检测系统进行现场试验和精度验证。试验表明,地铁限界检测系统能够满足地铁限界高精度检测需求,能够为地铁安全运行发挥重要作用。     

细胞图像自动分割方法研究

提出一种细胞图像的自动分割与定位方法.首先将直方图分割所得二值图像的距离变换作为边缘提取的指导知识,进行细胞图像的精确分割;然后利用分割边缘点的梯度方向和几何知识确定细胞的中心.该方法既能对非重叠细胞也能对重叠细胞进行细胞的分割与定位.     

基于灰度变化率的低对比度CT图像分割研究

整幅工业CT图像具有部分区域对比度低,灰度范围狭窄,灰度变化不明显等特点,针对传统的缺陷分割方法无法对低对比度区域的缺陷进行精确分割的问题,提出一种基于灰度变化率的缺陷分割方法.通过提取图像中某点的灰度值并计算该点与其周围邻域内点的平均灰度值的变化率、差值以及方差,选取符合图像分割条件范围内的点作为边界点,从而提取工业CT图像中低对比度区域缺陷的边界并进行分割.仿真实验表明,本文方法分割CT图像的缺陷准确率可达到95%,能够快速确定缺陷区域,并准确、有效地分割提取缺陷.     

基于分形特征的医用图像边缘增强和检测

由曼德勃罗特（BenoitB.Mandelbrot）的分形理论可知,建立在分形布朗运动模型之上的医用图像总可以计算得到一分形维数。本文在建立于分形布朗运动模型之上的分形维数的估算进行了讨论。通过将整个医用图像中每个像素的分形值,转化为相应象素的灰度值,得到了边缘增强和检测图。结果显示,基于分形的医用图像转化算法较之传统的图像边缘增强算法有利于减少噪声。     

细胞图像自动分割方法研究

提出一种细胞图像的自动分割与定位方法．首先将直方图分割所得二值图像的距离变换作为边缘提取的指导知识，进行细胞图像的精确分割；然后利用分割边缘点的梯度方向和几何知识确定细胞的中心．该方法既能对非重叠细胞也能对重叠细胞进行细胞的分割与定位．     

一种基于模糊增强的多尺度边缘检测算法

图像的边缘检测技术是图像处理中最重要的内容之一,且已在图像分析和识别领域得到了广泛的应用.本文提出一种基于模糊增强的多尺度边缘检测算法.该算法首先用模糊增强算子对原始图像进行预处理,加大边缘两侧灰度的差异,然后利用多尺度边缘检测算法提取图像的边缘.最后,将该算法与经典的Sobel算子和Canny算子进行比较.实验结果表明,这种方法较好地解决了图像边缘的提取精度与图像噪声的抑制能力之间的矛盾.     

基于边缘检测及数学形态学的快速汽车车牌定位

车牌定位是汽车牌照识别系统的重要环节,定位的准确性直接影响车牌识别的准确率.文章研究了利用图像边缘及数学形态学的快速汽车车牌定位方法,首先将彩色图像灰度化,并利用Sobel算子进行图像边缘提取,然后运用数学形态学算法对二值图像进行处理,得到几个车牌候选区域,最后利用连通区域的长宽比,面积比及车牌字符水平分布特征等来准确定位车牌.实验表明,这一方法能快速准确地实现车牌定位.     

基于Radon变换的钢轨表面快速提取

针对已有的提取钢轨表面方法在提取钢轨表面时存在过提取和欠提取的缺点,提出了一种基于Radon变换的快速钢轨表面提取方法.首先,根据钢轨表面区域向非钢轨表面区域进行过渡时像素点的灰度值会产生突变,用Radon变换生成原图像的灰度投影曲线及其投影曲线的平均值;然后,以投影曲线与其平均值的交点来确定积分的初始位置和结束位置.由于钢轨表面的宽度是确定不变的,因此从初始位置开始且以钢轨表面的宽度为区间对投影曲线进行灰度积分,直到结束位置,在此区间所得到的最大积分区间为要提取的钢轨的表面区域.将仿真结果与其它方法相比较表明:该方法抗噪能力强,而且还能准确、快速的提取钢轨表面区域.     

模糊航空图像中的道路自动检测方法

为了在模糊航空图像中精确地检测道路,通过分析图像中道路特性,提出了一种道路自动检测方法。通过多尺度Retinex算法增强模糊图像,用改进的Canny边缘检测算法检测图像中的主要路段,使用交叉熵理论和贝叶斯决策理论自动获取梯度图像中的高低阈值,从而将灰度图像转化为二值图像,并将图像中所有线性目标进行骨架提取。根据线性目标的形状与尺寸参数进行噪声滤除,并根据端点的方向与端点间的距离进行道路间隙缝合,并结合边缘和原始图像信息调节和修正已检测出的道路。将道路自动检测方法与几种常用的图像分割算法进行比较,包括大津阈值分割算法,Canny边缘检测算法与图论最小割算法,并使用道路自动检测方法对模糊图像中的单条道路、交叉道路和多条道路进行检测。检测结果表明:对模糊或光照不均的航空道路图像,Retinex算法增强图像后可以清晰显示主干道路,而常规的图像分割算法无法将主干道提取出来,使用改进的Canny边缘检测算法并附以图像后处理功能较好地提取主干道路。使用道路自动检测方法能够清晰地检测模糊航空图像中单条道路、交叉道路和多条道路,与人工识别的效果接近。     

基于像素-亚像素级形态分析的路面三维图像裂缝自动识别算法

为了准确有效地检测路面裂缝,为路面性能评估、路面养护管理、路面结构和材料设计提供数据支撑,针对1 mm/像素路面三维图像提出了基于像素-亚像素级形态分析的裂缝自动识别算法。首先,应用Canny算法和区域生长算法检测候选裂缝目标并进行融合处理,得到融合分割图像;然后,提取并重构像素级与亚像素级图像骨架;最后,融合像素-亚像素级骨架图像,综合利用形态学算子和轮廓长度、圆度、扁平率等连通域形态特征提取裂缝目标。基于150张路面三维图像(992像素×992像素)对笔者算法和另外5种既有算法进行测试,结果显示,笔者算法获得了较高的准确率(均值90.45%)和召回率(均值96.49%),F均值由高至低分别为:笔者算法(90.72%)、种子并行生长算法(39.65%)、GAVILáN算法(33.46%)、各向异性测度算法(30.32%)、Canny检测(25.85%)和OTSU分割法(5.85%)。算法适用性分析表明,笔者算法较适用于细小裂缝图像识别,种子并行生长算法、GAVILáN算法和各向异性测度算法有利于宽而明显的裂缝识别,而Canny和OTSU通常可作为裂缝识别算法中的一个图像处理环节。