基于显著性和最大熵的输送带撕裂检测

针对带式输送机在运行过程中输送带易撕裂的背景,根据人眼视觉系统特点和信息论相关理论,提出了一种基于视觉显著性和一维最大熵的输送带撕裂故障检测算法.首先在频域提取图像的显著性区域,然后计算显著图的最大信息熵,进而分割图像.实验结果表明,该方法具有较强的稳定性和适应性.

一种改进快速Hough变换的车道线检测算法

目的研究智能交通系统中车道线快速检测算法。方法首先将车道线图像灰度化,采用中值滤波去除图像噪声;然后用索贝尔算子将灰度图像二值化处理;再次,根据车道线图像的特点并且结合霍夫变换的需求,设置感兴趣区域;最后,在感兴趣区域内用霍夫变换提取车道线,用最小二乘法进行直线拟合,舍弃干扰虚假线,并对多段车道线图像进行检测。结果与结论相对于经典霍夫变换算法,基于改进快速霍夫变换的车道线检测算法运算时间更短,而且使算法的鲁棒性得到了很大提高。

基于改进PCNN与矢量法的输送带边缘检测

为解决带式输送机输送带边缘难以提取的问题,提出了一种改进脉冲耦合神经网络(PCNN,Pulse Coupled Neural Network)与数学矢量相结合的输送带边缘检测算法.针对PCNN模型参数较多,各个参数不易自动选取的缺点,改进了模型结构,减少了待定参数;在此基础上利用矢量法寻找输送带边缘.实验结果表明,算法具有较强的准确性和有效性.

基于PCNN和FCM的钢带表面缺陷检测

针对目前还没有较好的方法正确的检测金属钢带表面缺陷,提出一种结合耦合神经网络(PCNN)和模糊C-均值(FCM)的钢带表面缺陷检测算法,首先通过有效性指数求得聚类中心,其次用PCNN最短路径法确定目标函数极小值,最后通过改进的FCM分割目标。通过对比实验表明,该算法能够快速的分割出缺陷目标,正确率在95%以上。

基于NSCT与PCNN的自适应输送带表面裂纹检测

目前输送带表面裂纹检测主要由人工完成,费时费力、容易漏检,传统缺陷检测算法不能很好地提取颜色暗、对比度低的输送带裂纹目标。本文提出一种非下采样Contourlet域变换(NSCT)与脉冲神经网络(PCNN)融合的自适应输送带表面裂纹检测算法,该算法通过NSCT将图像分解成低频子带和多层高频子带,对低频子带图像提出一种邻域连接PCNN算法分割出裂纹的大致位置,对高频子带图像提出一种结合快速连接PCNN和点火频率图自适应算法分割,最后利用形态学方法融合,提取裂纹目标。实验结果表明,文中方法对于输送带表面裂纹目标正确率在95%以上。

输送带跑偏故障的机器视觉检测技术

针对矿用输送机运行过程中易发生跑偏的工程背景,研究了基于机器视觉的输送带跑偏故障检测.采用线阵CCD相机实时采集输送带图像,经二值化处理后,从二值图像中提取故障特征来识别跑偏故障.着重分析了输送带图像的快速处理和故障识别方法,提出了一种灰度平均法用于输送带与背景的快速分割;通过将二值图像映射为一维故障特征函数,设计了由跑偏角和偏移量构成的跑偏特征向量用于跑偏检测.开发了一个输送带跑偏故障视觉在线检测系统,实验室测试结果验证了该监测系统的有效性.

利用对抗生成网络的视觉显著性预测研究

针对目前视觉显著性预测网络模型训练时损失函数单一不能全面反映模型优劣,亦或网络模型非常复杂的情况,提出一种基于生成对抗网络(GAN)框架的自驱动显著性预测网络模型。其由两部分组成:生成器提取输入的原始图像特征生成显著性预测图;判别器用来分辨前一个部分生成的显著图和真实显著图的区分度。通过这种螺旋上升的对抗过程,期望能够生成与真实显著图相差无几的结果。实验表明,本网络模型在SALICON测试数据集上常规性能指标上可以获得不错的成绩,其中CC指标比对比方法提高近一个百分点。

基于局部边缘特征水平集演化的主动脉CT图像分割

腹腔主动脉所处环境复杂,不可避免的造成弱边缘和边缘不均匀等问题.提出一种基于局部边缘特征的水平集演化算法,根据其所处水平集内部与外部相邻区域的相关性赋值加权因子,使得能量函数最小化.实验结果表明,本算法在实验精度和稳定性方面取得了良好的效果.

浅析图像处理在物联网智能家居方向的应用

物联网智能家居主要由传感器、射频网络以及智能网关等部分组成,其中运动目标识别与跟踪是当今物联网智能家居研究与应用的热点。基于此,针对目前物联网智能家居的要求,在简要介绍物联网概念及发展现状的基础上,提出一种提取移动目标的图像处理算法,并进行了可行性分析。

基于机器视觉的矿用输送带在线监测技术

在带式输送机运行过程中,输送带容易出现划伤、撕裂和跑偏等故障。机器视觉技术应用于矿用输送带的在线监测,可以提高故障检测效率和精度,受到了广泛关注。研究了基于机器视觉的矿用输送带监测技术的发展现状;分析了输送带视觉监测系统的构成;详细综述了基于机器视觉的输送带纵向撕裂、跑偏和表面损伤等故障检测技术的研究进展;指出了输送带机器视觉监测技术的发展方向,以供读者参考。