共查询到10条相似文献,搜索用时 62 毫秒
1.
《企业导报》2015,(12)
机器视觉最主要是使用计算机再现和人们视觉相关相近的某些智能行为,首先提取出事物对应图像的信息,然后进行分析,最后实现对事物的检测和控制。工业或者制造业机器视觉检测系统主要是由工业相机,镜头,光源(彩色光,单色光),输入和输出设备和图像处理软件所构成的。然而,种子填充是机器视觉中图像处理必不可少的部分,该算法的优点是不必关心填充区域的形状和位置,只要得到图像区域内任意一个或多个像素点,就能够进行填充了,本方法使用方便并且效率高,因此很适合工业应用。本论文研究使用Visual C++6.0软件对该软件进行代码编写,根据在实验室的测试结果,本系统能够很好地契合工业或者制造业中的需要。 相似文献
2.
3.
4.
针对图像在动态阈值选取难的问题,通过比较全局阈值和局部阈值优缺点,选用贝叶斯阈值估计和迭代加权的方法对图像进行二值化分割,建立基于贝叶斯线性回归模型对检测到的阈值进行分析,通过图像增强,建立目标与非目标区域,分别计算各个区域的先验概率,使用贝叶斯估计模型求得似然函数的极小值即为后验概率,通过此模型对125组阈值样本进行分类,对异常阈值的判断率为14.4%,选取后的阈值更为精确。本文方法,既能有效的提取目标特征,较好的去除背景,又能够保留目标图像的细节。 相似文献
5.
6.
7.
针对移动机器人同步定位与地图构建(SLAM)的闭环检测问题,提出改进闭环检测准确率的特征空间全排列向量匹配方法。使用ORB(Oriented FAST and Rotated BRIEF)方法提取图像特征点,创建基于视觉字典树的词袋,初步筛选出候选闭环图像。将图像分成4块大小均匀的区域,计算各区域视觉单词向量并全排列,作为特征空间信息。比较特征空间信息方法和词袋方法计算出的图像间距离值,选取最小值对应的图像对作为最佳闭环。相比词袋方法,特征空间信息方法可有效地改善图像特征匹配的感知混淆问题,在保证较高效率的同时,提高了闭环检测的准确率。 相似文献
8.
9.