Algorithms for Masking Pixel Defects at Low Exposure Conditions for CMOS Image Sensors

This paper introduces certain innovative algorithms to mask for pixel defects seen in image sensors. Pixel defectivity rates scale with pixel architecture and process nodes. Smaller pixel and process nodes introduce more defects in manufacturing. Brief introduction to causes for pixel defectivity at lower pixel nodes is explained. Later in the paper, popular defect correction schemes used in image processing applications are discussed. A new approach for defect correction is presented and evaluated using images captured from an 8M Bayer image sensor. Experimentation for threshold evaluation is done and presented with practical results for better optimization of proposed algorithms. Experimental data shows that proposed defect corrections preserves a lot of edge details and corrects for bright and hot pixels/clusters, which are evaluated using histogram analysis.

基于像素标记法的复合材料异型构件均匀性表征

纤维增强陶瓷基复合材料由孔隙缺陷引起的结构不均匀会严重影响构件的宏观力学性能,而整体孔隙率无法有效表征均匀性。针对此问题,提出了一种基于像素标记的空间区块划分方法,实现对异型构件CT扫描体数据的自动分块。在计算出每个区块体孔隙率值的基础上,以孔隙率均值与标准差的乘积为指标,对构件结构均匀性进行定量表征。采用光线投射法对孔隙率进行三维映射,对孔隙率分布进行直观的可视化表征。结果表明:该方法能有效定量表征出异型构件整体及局部均匀性,并从三维角度给出构件局部孔隙率的大小、空间位置信息,为进一步优化制造工艺参数、提高构件服役的可靠性提供了有力依据。

金属薄片零件微小变形缺陷视觉检测方法与应用

金属薄片零件常见于新能源汽车电池、精密电子产品装配中的端子连接件,其外形尺寸是否符合要求对成品组装质量至关重要。针对金属薄片零件存在微小变形,影响组装成品质量的问题,以金属薄片装配分析和缺陷检测要求为切入点,研究金属薄片零件微小变形缺陷视觉检测方法,在基于Canny边缘检测的基础上,引入改进的Devernay亚像素边缘技术,实现金属薄片零件边缘关键特征检测,结合并行处理方式进行边缘特征拟合,得到金属薄片零件变形评估数据,最后研发了金属薄片零件微小变形缺陷检测算法,有效提高金属薄片零件检测精度和检测速度。实验结果表明,所提算法的检测精度达到0.01mm,检测平均误差在0.03mm以内,检测平均时间为327ms,满足实际生产过程检测精度的要求。

短波红外星图的噪声抑制算法

为了满足星敏感器在近地空间全天时观测的需求,基于短波红外探测器的星敏感器得到了广泛的应用。然而,短波红外星图中存在着条纹非均匀性噪声和缺陷像素等噪点,这些噪声的存在会降低星图的质量。为了抑制上述噪声的影响,本文针对短波红外星图提出了一种噪声抑制算法。首先,通过两点法对每列像素做初步的非均匀性校正,降低同列像素间的非均匀度。然后,通过改进的列向Top-hat算法去除条纹非均匀性噪声的影响。最后,通过中心点扩散连通域算法提取星点。实验结果表明,在两等星内,本文算法能够很好地去除噪声影响,星点的提取误差能够保持在0.3像素即2"内,并且算法针对单帧图像,便于实现,能够满足实时处理的要求。

基于亚像素边缘搜索的气门几何参数检测

气门几何参数检测问题是汽车、船舶、航空以及柴油发动机等工业缺陷检测领域的热点难题,其本质是气门边缘关键点的检测问题,目前应用在工业气门产业的成果较少。本文针对气门边缘关键点难以精准检测问题,设计了基于亚像素边缘搜索算法,该算法基于Zernike矩和亚像素边缘检测对气门边缘进行矫正,并结合图像投影和逐像素边缘搜索精确定位边缘关键点对其拟合,得到气门几何参数检测结果。为了验证所提算法的有效性,对不同尺寸的工件进行检测分析,结果表明该算法检测气门杆径的最大绝对值误差和最大极差分别低于0.0093 mm和0.0363 mm,在检测精度和稳定性上均达到了工业要求,满足实际工业生产现场的检测需求。

活塞表面缺陷图像的亚像素边缘检测技术研究

针对活塞图像对比度低、缺陷区域小、缺陷种类多、人工检测效率低等问题,提出一种结合区域生长法和亚像素边缘提取的活塞表面缺陷检测方法。利用图像处理软件采集活塞图像,分析活塞表面图像中缺陷区域与正常区域灰度值的差异。使用区域生长法进行图像分割,结合Canny算子对活塞表面缺陷边缘进行初步定位。通过定位感兴趣区域的位置,进行亚像素级别提取,并平缓感兴趣区域边缘。实验表明,所提算法比传统的边缘提取方法得到的缺陷区域更精确、平滑。

基于邻接自适应谱聚类的木材表面缺陷分割算法

针对人工分割木材表面缺陷的烦琐性和阈值分割算法对缺陷像素信息衡量的不稳定性,提出了一种基于邻接自适应谱聚类的木材表面缺陷分割算法。算法以简单线性迭代超像素(simple linear iterative cluster, SLIC)为基础,对缺陷图像进行预处理,融合木材缺陷的纹理特性和超像素块间的距离尺度,并采用邻接自适应谱聚类进行分割;缺陷分割初步完成后,通过变异系数衡量缺陷块中像素信息的离散程度进行再次分割,克服初次分割结果的过分割问题;考虑木材表面缺陷形态学上的封闭性,将2次分割图像进行合并,继而用邻接扫描法对次分割图形进行填充,最终对木材表面缺陷进行分割界定。考虑木材表面缺陷种类的多样性,选取了虫眼、死节、活节等缺陷图像进行分割对比试验,相较于OTSU阈值分割算法,本研究算法在单个和多个木材表面缺陷分割方面,类别平均像素准确度(mean pixel accuaracy, MPA)分别提升4.69%,14.23%,平均交并比(mean intersection over union, mIoU)分别提升33.27%,33.43%。本研究算法能够更加准确地将木材表面缺陷从复杂背景中分割出来,缺陷边缘轮廓的构建更接近于理想分割情况,且运行时间较短,对木材表面缺陷的分割具备较强的精确性与可行性。

基于FEF-DeepLabV3+的电力金具锈蚀分割方法

金具锈蚀在输电线路航拍图像中细节丰富且分布不规律,为克服分割检测过程中局部信息丢失、精度低和速度慢等问题,提出基于DeepLabV3+的金具锈蚀语义分割模型。替换其主干网络为轻量化改进MobileNetV3网络加快运算速度,并提出自适应特征金字塔(adaptive feature pyramid,AFP)结构融合多尺度。结合FRN层提出特征融合空洞空间金字塔池化(feature fusion atrous spatial pyramid pooling,FEF-ASPP)结构,能够在加强像素间联系的同时不降低分辨率。最后优化损失函数,提高算子的有效性。实验表明,mIoU和mPA分别达到了87.15%、96.64%,相较于原模型提高了3.09%、4.29%。参数量仅为原模型的48%,推理时间仅为15.94 ms,降低了对设备算力的要求,实现高效高精度、轻量化的输电设备锈蚀缺陷分割检测。

基于轻量化MU-Net网络的混凝土缺陷分割

为了提高混凝土缺陷分割准确率和效率,提出一种轻量化MU-Net(Modified U-Net)像素级分割网络。编码部分使用深度可分离卷积减少网络参数,结合反残差结构和注意力机制,在充分提取特征的同时突出目标特征;解码部分同样引入深度可分离卷积和注意力机制,通过融合深浅层信息提升目标位置还原的准确性。为广泛评估该网络的有效性,构建了一个包括多类混凝土缺陷的数据集作为实验数据,涵盖裂缝、孔洞、破损、露筋四类缺陷。五折交叉验证结果表明,相较其它先进的语义分割网络,所提出的MU-Net网络表现出更优越的性能。

高精度异形插件视觉定位与检测算法

针对控制器生产过程中异形元器件插装存在劳动强度大、自动化程度低等问题,提出一种高精度的视觉定位与检测算法。通过图像形状特征及提取要求,引入高曝光图像引脚粗精定位融合算法,实现引脚的高精度定位;通过对元器件针脚与电路板针孔位置进行拟合与插装判断,解决插装准确率低及元器件插装检测问题;通过实验室机器人进行重复定位精度与4000次重复性测试统计,定位精度对视觉像素坐标与实际坐标进行转换得来,插件定位精度<±0.1 mm,准确率达到99.7%以上。

线阵红外焦平面成像系统中失效元检测及补偿的计算机模拟研究

通过对线阵焦平面成像系统失效元产生及影响的分析 ,说明失效元补偿的意义 ;在借鉴国外技术的基础上 ,提出相应的自动检测及补偿方法 ,并通过计算机模拟对实际的热图像进行验证 ,结果证明该方法简洁可靠 。

红外焦平面阵列失效元动态检测与校正算法

为克服失效元造成的图像固定噪声,改善红外焦平面阵列的成像质量,提出了一种基于场景的红外焦平面阵列图像传感器的失效元动态检测与校正算法。通过分析图像传感器正常像元和失效元的表现特征,并根据红外焦平面测试验收国家标准的规定,确定了区别正常像元和失效元的灰度阈值电平,并用双向线性外推的方法判定具体的失效元在一帧图像中的位置,根据失效元的判定算子和新型校正算法实现了对检测出失效元的实时校正。实验证明该算法简单可靠,易于硬件实现。

基于超像素的木材表面缺陷图像分割算法

使用SLIC(简单线性迭代聚类)超像素图像分割方法将木材表面缺陷图像预分割,并从提高算法速度和自适应阈值2方面对超像素合并算法进行改进;分析了DBSCAN(具有噪声的基于密度的聚类方法)聚类用于该类超像素合并中算法的复杂度,提出了自适应阈值的快速DBSCAN超像素合并算法来取得缺陷分割图像。结果表明:改进后的算法对于3类缺陷都能很好的分割,并且算法复杂度低;分割及合并的总时间为0.35 s左右,能满足在线分选的要求。

基于Halcon的硒鼓缺陷检测与一维尺寸测量

为实现硒鼓表面缺陷检测和尺寸测量的自动化，运用图像处理算法中的数学形态学算子对硒鼓表面点缺陷和线缺陷进行精确检测与分类，并根据亚像素测量方法对硒鼓尺寸进行精确测量，通过机器视觉专用软件Halcon和。 NET开发了硒鼓缺陷自动检测与尺寸测量系统。测试结果表明，该方法与应用像素级测量法相比，其精度提高1-2个像素，具有精度高、稳定性强等优点。

基于图像像素级分割与标记映射的工件表面微小缺陷检测算法

为了解决当前工件表面微小缺陷在边缘模糊和特征不明显的情况下,导致其检测不准确的问题,文章提出了基于图像像素级分割与标记映射的工件表面微小缺陷检测算法。首先,利用工业显微镜采集工件图像,获取显微缺陷图;根据高效原则,以整数代替浮点运算,位移代替乘法运算,设计位移亮度滤波算子,进行平台数据转换,基于像素亮度阈值的标记映射,获取显微图像的像素亮度分布的二值图像。然后,耦合高斯平滑滤波与形状滤波,增强图像边缘轮廓特征,进行连通区域标记,准确识别与定位微小缺陷。最后,对缺陷目标进行特征计算和标注显示,完成微小缺陷的自动检测和定量计算。实验测试结果显示:与当前工件表面缺陷检测算法相比,文中检测技术拥有更高的识别精度。

基于频带增强和像素能量的纸病检测

采用频带增强和像素能量算法以提高纸病检测的效果。首先非下采样Contourlet变换把彩色纸划分为不同频带,采用不同方法增强低频子带、高频子带;然后建立彩色纸纹理检测窗口与纹理在经度、纬度方向上的自相关函数关系,低频子带需要大的检测窗口以获得图像的轮廓,高频子带需要小的检测窗口以获得图像的细节信息;然后通过纹理像素在水平分量、垂直分量、对角线分量的能量异常获得纸病,纸病的分割阈值为各个方向分量最大值的均方值;最后给出了算法流程。结果表明,该算法对彩色纸表面的纸病检测清晰,混合纸病检测准确率评价指标高于其他算法。

基于HSV颜色特征的苹果病斑点检测系统设计与实现

为提高苹果表面质量检测的效率,降低劳动强度,设计了苹果表面病斑点程度自动化检测软件系统,主要包括样本图像采集等预处理、HSV颜色过滤、苹果整体定位、整体像素统计、病斑点区定位、病斑点区像素统计等多种功能.以C#2005为开发平台,综合利用数字图像处理中的多种方法,通过对大量的数据样本进行测试,实验表明能够有效地对苹果图像进行精确检测.

基于颜色特征的苹果表面质量检测系统设计与实现

为提高苹果表面质量检测的效率,降低劳动成本的投入,设计了苹果表面质量自动化检测系统,其主要包括用户登录、样本图像采集、颜色过滤、苹果定位,完好区像素、缺陷区定位、缺陷区像素、数据处理和人工学习等多种功能。以VS.net2005为开发平台,综合利用数字图像处理中的各种方法,通过对大量的数据样本进行测试,能够有效地对苹果图像进行精确检测,具有更为广泛的推广价值。

利用上下文视觉显著性检测色织物的疵点

利用上下文视觉显著性,探讨了格子、星形和点状色织物瑕疵检测的方法。针对色织物织物背景和瑕疵的对比度和分布特点,提出一种融合主成分分析法和上下文视觉显著性的色织物瑕疵检测算法。针对几种不同图案和纹理的色织物以及5种不同类型的瑕疵进行检测验证。试验结果表明:该算法能够较好地抑制不同类型织物花纹背景,疵点平均检测准确率达92.2%。认为:本文所采用的算法在色织物瑕疵的自动检测应用上具有一定可行性。

基于智能视觉的船体焊接坏点识别方法

传统的船体焊接坏点识别方法会受周围因素的影响,无法得出准确的识别结果,为了解决这个问题,提出基于智能视觉的船体焊接坏点识别方法。利用智能视觉技术采集船体焊接图像,并对图像进行二值化处理,得到经过去燥处理的船体焊接图像,在完成上述步骤后,利用智能视觉船体焊接坏点识别模型对船体焊接坏点结构进行故障识别,为确保识别结果的准确性,应用映射计算法对其进行进一步处理。由此,完成基于智能视觉的船体焊接坏点识别方法的设计。在实验中,随机选取800张船体焊接坏点结构图像,分别对这2种方法进行实验分析,实验结果表明,所提方法的准确性更高,更适合推广使用。