基于数学形态学模型的图像缺陷改善研究

为了提高原稿图像质量,保证其在印刷品上准确再现,本研究采用数学形态学模型的机理和运算法则,对图像缺陷进行改善。实验通过数学形态学中膨胀、腐蚀以及开闭运算模型对缺陷图像进行运算处理,并对计算结果进行比较分析。结果证明该模型对图像缺陷有明显的改善作用,可以有效地运用在印刷复制工艺中。     

基于卷筒纸胶印的印品在线缺陷检测系统

本文详细介绍了一种视觉系统,该系统可以实现对卷筒纸胶印过程中产生的印品缺陷进行检测和定位。具体来说,该系统能够对高速卷筒纸印刷进行实时监控,并且可在印刷过程中出现任何影响印品质量的故障（如结构缺陷、色彩偏差、漏字、墨点、墨杠等）时向操作人员发出警报。本文还介绍了机器视觉系统的硬件部分和用于彩色图像扫描及印品缺陷检测定位的图像处理算法。从本质上讲,该系统采用高速扫描算法检测图像的边缘和边界,利用线性和非线性的滤波器对动态大小、阈值和转换信息做进一步的分析。除了在实验室内进行实验以外,还建立了系统模型,系统模型可应用在卷筒纸印刷中,在真实条件下对模型的功能进行评价。将该系统安装在凹印机上进行实验,结果表明该机器视觉系统同样可以成功地对缺陷进行监控和检测。     

基于卷积神经网络的图像分类研究与应用

通过阐述神经网络模型原理,并使用卷积神经网络对图像分类进行了模型和算法上的研究,最后对基于深度学习的图像分类应用进行了探讨。     

胶印质量自动检测中图像配准的研究

胶印质量自动检测系统中,图像的配准是整个系统的关键技术。本实验提出使用SUSAN角点定位和模板匹配相结合的方法解决胶印质量自动检测中图像配准的问题。该方法首先利用SUSAN算法检测到图像角点,然后对图像进行平移和旋转,再在特定图像区域内,利用模板匹配的方法,进行精确配准。这种新方法与传统算法相比,能在提高定位精度的前提下,有效节省运算时间。实验结果表明新算法是有效且可行的。     

基于OCR技术的烟包出库信息比对系统开发

设计一套基于深度学习的文本检测比对系统,采用工业相机采集原产地烟包标签和物流入库条码标签的图像数据,利用OpenCV对图像进行预处理,提取标签位置并进行正畸和放大,利用PP-OCR超轻量级OCR系统对标签中的文字进行自动识别,并结合深度学习算法进行样本训练和逻辑匹配,实时检测出标签信息不符合的烟包,并触发剔除指令,将问题烟包移送至待检区。测试结果显示,该模型对烟包文本图像具有良好的识别效果,准确率达99.85%。在实际应用中,信息的实时识别准确率能保持99.97%,实现数据标签检查的自动化,降低检测人员的劳动强度,提高了生产线的自动化水平。     

基于图像处理的苹果大小分级研究

为了实现苹果的智能分拣,在GB/T 10651-2008《鲜苹果》的标准下,采用图像处理方法对分拣系统中的苹果大小进行分级。首先,针对同一种类的苹果,对摄取到的苹果表面图像进行图像预处理,得到平滑且无噪声影响的苹果二值图;然后,通过寻找每个苹果5幅表面图像中最小外接矩形长宽比最接近1的苹果图像,依此作为获取苹果最大横截面直径的重要依据;最后,通过寻找苹果图像质心,将质心与目标像素点的最大距离作为半径,用最小外接圆的方法得到苹果的最大横截面直径。实验研究表明:选取的30个红富士苹果,最终得到系统分级正确率为93.3%,系统的平均分级时间在1.5 s以内,满足实际苹果分级的需要。所提出的方法可为按照行业标准对苹果进行大小分级提供参考。     

CMYKIR红外防伪图像技术

印刷油墨在近红外波长区域的响应是不同的,不能用CIELAB、sRGB或HSB这些基于可见光颜色理论建立的色彩系统参数来描述。用来描述人眼接收图像的RGB加色呈色系统与可以覆盖几乎全部可见光谱内印刷品的C0M0Y0色料减色呈色系统相对应。加入对红外波谱有着极佳响应的黑色油墨,配上CMY减色油墨,就可以使每一种色调有着无数种配比方法。CMYK印刷油墨的特性是得到独立图像两种外观表现响应算法的基础,一种是日光下的图像外观,一种是红外光下的图像外观。预设算法基于两个图像,即原始图像X0和在蒙版F基础上生成的印刷图像X。此举的目的是通过对红外图像检测实现文件防伪。在仪器帮助下,700～1000nm波长范围内的图像元素为可见,使只用原色油墨印刷图像进行信息选择成为可能。每个原色油墨的特性用于向为生成红外图像而进行的RGB/CMYK图像分离过程中引入新的标准。这种图像分离称为CMYKIR图像分离,并用其来设计红外响应图像的油墨用量,这种红外响应包括IR效果的产生和消除。CMYKIR印刷的目的在于,引入可见光谱下无法观察到的红外图像。     

“小巧手”自动收纳机器人抓取分析及评测

“小巧手”自动收纳机器人搭建在Jetson TX2主板的嵌入式平台下,在传统的机械手中安装双目摄像机,通过视觉系统架构设计实现目标抓取。双目摄像机对空间布局进行扫描,视觉检测系统平台和线结构光扫描测量平台在像素坐标系、图像坐标系、摄像机坐标系、世界坐标系等特有坐标系下完成路径规划。立足卷积神经网络（CNN）进行视觉分类,基于SSD模型进行训练、校验和部署,实现CNN框架下的物体识别。开展系统电路及机构设计,机构底盘搭载了防跌落、红外测距等多种传感器,通过爪力感知系统对抓取物体操作进行抓取力的调节,最后将物体放置于指定地点完成收纳。     

基于CenterNet的跑步姿态鉴别系统的设计

为了改善目前大众跑步姿势普遍不规范的现状,提出了一种基于CenterNet的跑步姿态鉴别系统。首先,通过截图、拍照的方式自制数据集,并对数据集进行清洗、标注和分析,消除数据无关信息与简化数据。其次,引入多尺度通道注意力机制与添加十字星变形卷积2种方式改进CenterNet算法模型,将动作图像转化为数字信息和特征向量,并以此为基础,利用KNN（K-nearest neighbors）算法对跑步姿态类型进行分类。最后,与经典模型方案进行对比,验证改进CenterNet算法鉴别系统的有效性。结果表明：改进的CenterNet模型的精确率与召回率都有所提升,其参数量与计算量降低。所提算法模型能够对大多数不良姿势作出及时、准确反馈,有效帮助跑步爱好者发现问题,从而改善跑步姿态、提高运动效率、预防伤病。     

基于人脸识别的门禁系统设计

设计了一种基于人脸识别的门禁系统。该系统从前端摄像头获取人脸图像,在PC机上完成识别,然后给单片机发送命令来控制门禁系统。软件上首先利用小波变换对人脸图像进行2次小波分解,然后对低频分量进行离散余弦变换(DCT)提取特征值,最后利用欧氏距离和最近邻分类器进行识别。结果表明该系统构建简单、方便,识别速度快且准确率较高。     

地图图像的彩色分割算法及其实现

地图是表现地理空间信息的图像,其中的彩色符号代表着不同的地理实体。对彩色地图图像的专色分色和提取,被广泛应用于地图的数字化采集以及对地理现象的智能化分析。本文探讨了地图扫描图像自动分色的原理和过程,在分色中首先利用图像处理技术,如图像的增强、滤波、去噪、锐化等方法进行采样样本的优化,然后再应用直方图的磨光、阈值分割、模糊约束聚类等算法模型,实现彩色扫描图像自动分割,得到比较满意的专色分色结果。论文还对分色结果存在的问题进行了讨论,提出了改进意见。     

机器视觉技术在包装印刷质量检测中的应用

机器视觉就是利用机器代替人眼进行测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算，抽取目标特征，进而根据判别结果控制设备动作。机器视觉系统的特点是提高生产的柔性和自动化程度，尤其是在一些不适合人工作业的危险工作环境或人工视觉难以     

明察秋毫的机器视觉

机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。     

利用虚光蒙版提高图像清晰度及其评价方法研究

图像的清晰度包含锐度、反差两个方面。在印前系统中,对图像反差的调整是图像处理的重要环节。本研究采用创建虚光蒙版的方法增大局部反差,使图像清晰度提高,并在图像不失真的前提下对其进行锐化,增强反差效果。此外,研究了基于MT F的图像清晰度评价方法,在Matlah中编程绘制出多种情况下的MTF曲线,并以MTF曲线和坐标轴所围面积为数据,对图像清晰度提高程度进行量化,比较它们相对原稿的提高幅度;结合主观评价实验,验证了此方法的准确性。结果表明,面积越大图像清晰度越高。此研究结果对印前数字图像处理有一定的指导性。     

基于深度学习的电成像测井裂缝自动识别方法初探

电成像测井技术将井剖面地质情况直观、细致地呈现出来,是我们深入了解地下情况的最有效测井资料之一。近年来,深度学习在图像分类等方面大放异彩,将其引入到电成像测井裂缝自动识别中来,意义非凡。文章先通过数值模拟生成电成像测井裂缝的图像,之后在DIGITS可视化深度学习框架下,利用AlexNet网络进行裂缝自动识别模型的训练,定性地对电成像测井裂缝的图像进行分类。通过对识别结果的分析,得出该模型对斜交裂缝和高角度缝的识别效果很好,对水平缝和低角度缝的识别效果较好,对实际的电成像测井裂缝也具有一定的识别能力。     

基于图像阶调与人眼视觉模型的彩色误差扩散网目调方法

在彩色误差扩散网目调处理过程中，各色通道不同的误差滤波器设计将直接影响彩色网目调图像的质量。本文对基于阶调的误差扩散方法以及人眼视觉特性进行了分析研究，应用亮度和色度人眼视觉模型对误差扩散过程中的滤波器系数和阈值进行优化，实现了基于图像阶调与人眼视觉模型的彩色误差扩散网目调方法。实验结果表明，该方法能够有效地减少彩色网目调图像的人工纹理，并显著提高再现彩色图像的色彩还原精度。     

齿轮箱系统特性分析

利用时间序列ARMA模型求出单级齿轮箱系统的传递函数，然后求出系统正常工作、齿轮断齿、轴承滚柱磨损、轴卺守圈和外圈裂纹5种情况下系统稳态和瞬态的Bode图。齿轮箱系统特性只与本身结构有关，5种情况下同种故障的系统稳态和瞬态Boide图图像特征一致，说明可以用它来分析瞬态信号。通过图形比较，可以简单、有效地判断故障状态。     

基于机器视觉的铁路信号灯检测技术

为解决铁路安全运输问题,对基于机器视觉的铁路信号灯检测方法进行仿真图像和视频检测实验研究。阐述了铁路信号灯图像在不同颜色空间下的特性及其对铁路信号灯识别的影响,将其由RGB颜色空间转换为HSV颜色空间。通过Canny算子、腐蚀膨胀以及开闭运算等技术提取铁路信号灯图像的几何特征,通过Hough检测,对图像中铁路信号灯进行定位。对定位的信号灯进行颜色提取,从而识别出信号灯的类别。根据多种天气情况下的铁路信号灯图像进行仿真实验分析,进一步对采集的列车行驶视频进行实验分析,优化检测方法。研究结果表明,提出的铁路信号灯检测模型,能够支持复杂背景下的铁路信号灯类别的有效识别。通过机器视觉技术实现铁路信号灯的检测和识别,是提高铁路运输安全性的一种有效方法。     

多投影拼接显示系统颜色调整技术比较研究

多投影拼接显示系统越来越广泛地应用于科学计算可视化、工业设计、虚拟仿真等领域。该系统要解决的一个关键问题就是颜色匹配,导致颜色不匹配的主要原因可以归结为投影仪自身颜色特性的变化和投影环境与投影设备的不同两个方面。国内外提出了多种颜色调整技术,根据调整原理和实现路径的不同,可分为：基于光学系统的硬件调整技术、基于投影仪颜色属性测量的反馈调整技术、基于模型和算法的图像预处理调整技术。本文针对这三种类型的调整方案进行比较分析,并对该技术的发展进行展望。     

基于FPGA的实时图像边缘提取系统

现场可编程门阵列(Field Programmable Gate Array,FPGA)的并行处理能力能够极大提升数字图像处理效率。通过FPGA编程,在硬件层面提出一种实时图像边缘提取系统。对摄像头采集的视频图像实施灰度转化、高斯滤波、二值化等预处理操作,再利用Sobel算子进行边缘检测,提取图像边缘信息,最终经过VGA显示器实时输出。创新性地提出通过线性移位寄存器级联的方式实现矩阵边界填充,解决了部分边界值的不可用性;利用双RAM乒乓操作输出图像数据,解决了模块间速率不匹配问题;设计人为可调节阈值,过滤不同光照强度带来的噪声影响,边缘相关系数由0.63提高至0.91。系统实时性好,资源占用率仅为可用资源的0.67%～23.70%,在与大型FPGA图像处理工程对接中具有应用潜力。