机器视觉中照明技术的研究进展

本文综述了机器视觉应用中光学测量技术的最新理论与实验研究结果。着重对光源类型、照明方式以及光源颜色的选择和光源位置的控制在机器视觉成像系统的作用做了深入细致的描述。在此基础上展望了光学技术在机器视觉中的应用前景,并指出了目前研究中有待解决的问题。

基于时空信息融合的视频显著性区域检测算法

针对目前显著性区域检测算法处理存在背景扰动的视频时鲁棒性较差的问题,本文提出一种基于时空信息自适应融合的视频显著性区域检测算法。在时间上,利用光流法提取运动矢量场,综合像素点在连续多帧的运动熵以及与邻域点的方向一致性值表征时间显著性;在空间上,通过区域间的颜色对比度计算空间显著性值,以保证显著性区域的空间完整;最后,提出时、空显著图的自适应动态融合方法,以适应不同情形视频的显著性检测要求。实验结果表明:本文算法能够较为准确地检测出视频中的显著性区域,在精确度和鲁棒性等方面均具有较好的效果。

基于支持向量机分类策略的多晶硅电池片色差检测

针对复杂颜色和纹理特征条件下,多晶硅电池片上的色差检测问题,提出了一种基于支持向量机分类策略的多晶硅电池片色差检测方法。首先对预处理后电池片图像进行颜色模型转换和通道分离,利用Otsu方法对单通道图像进行阈值分割处理,并计算各阈值图像的区域对比度,然后根据区域对比度情况选择合适的阈值图像,利用阈值图像所提供的信息提取图像特征;最后使用支持向量机分类器来判别电池片是否存在色差缺陷。实验结果表明提出的色差检测算法可以实现多晶硅电池片色差高效检测,色差缺陷检测的准确度、误检率和检测时间分别达到96.88%,5%和109 ms。

基于空时域特征的视觉显著图生成算法

提出了一种新的计算图像空时域显著图的方法,该算法首先用lucas-kanade金字塔算法求绝对运动矢量,用8参数透视模型计算背景运动矢量,再用二者的差值求时域显著图;然后利用颜色对比度和纹理信息计算空域显著图;最后,融合空时域并设置阈值得到总的图像显著图。实验结果表明,新算法能比已有算法更有效地提取视频图像的显著性区域。