基于不变矩的制动开关图像匹配方法

针对TFDS检测系统中制动开关定位耗时较长的缺点,提出一种基于Hu不变矩的变步长匹配方法。该方法由粗匹配和精匹配组成,并根据制动开关形状设计了横向匹配的变步长计算公式。首先通过Hu不变矩计算模板图像与检测图像中模板窗口的匹配值,根据匹配值的权重来选择对应步长,并把匹配值大于设定阈值的点作为初级预选点;然后获取每个预选点邻域内的最佳匹配点,将其保存到极大值序列以搜索最大值,最终锁定制动开关所在区域。实验结果表明,该算法对尺度变换、平移以及旋转具有一定的不变性,且匹配速度大大提高,取得了良好的匹配效果。

基于灰度共生矩阵与反向投影的织物疵点检测

针对织物疵点检测,将灰度共生矩阵(Gray-level Co-occurrence Matrix,GLCM)与反向投影结合起来,提出了一种基于GLCM的反向投影方法(GLCM-BP);首先介绍了GLCM-BP的原理,然后给出了织物疵点检测流程,分析并优化了GLCM的距离d与灰度级N等参数,选择了相应的滤波与自适应阈值分割方法以检测疵点,同时给出了7种常见疵点的检测结果;最后将本文方法与GLCM方法作了检出率的比较;结果表明,提出的方法具有良好的疵点分割效果,可显著提高疵点检出率。

基于灰度直方图反向投影的织物疵点图像分割

针对织物的周期性纹理,提出了基于灰度直方图反向投影的疵点图像分割算法。该方法具有纹理屏蔽性,因而可以较好地分割疵点。首先介绍了灰度直方图反向投影的原理及其改进形式,然后对算法流程进行了分析并给出了几种疵点的检测结果。最后与Gabor滤波方法和灰度共生矩阵方法进行了用时比较。实验结果表明基于灰度直方图反向投影的织物疵点图像分割算法不仅效果好,而且用时短。

基于高度函数的旋转机械轴心轨迹识别方法

针对旋转机械轴心轨迹的识别准确率低、识别速度慢等问题,结合BP神经网络,提出基于高度函数的旋转机械轴心轨迹识别算法。该算法首先利用小波滤波对旋转机械不同故障的轴心轨迹进行预处理,其次采用高度函数描述子提取预处理后的轴心轨迹图像特征,然后使用部分图像的特征训练BP神经网络,最后将训练好的BP神经网络用于剩余图像的识别。实验结果表明:在自建的模拟轴心轨迹数据库中,该算法识别率最高,达94.2%,单个样本识别耗时0.006 ms,满足实时性要求;对于实际测量的转子不平衡故障检测准确率也达91.6%,有较高的实用价值。