朱翠萍[1]2008年在《捆扎线材图像识别的研究》文中认为随着工业的发展,线材数量的识别在木材加工业和钢铁工业生产中得到了广泛的应用。但是目前对线材数量的识别只是局限在对类圆形状的识别,因此,如何针对线材截面不规则时,实现线材自动计数的研究显得迫不及待。目前,线材自动识别研究成为该领域的一个研究热点,具有实用价值和广泛的应用前景。本文研究的重点是针对光线不均匀或者不规则时线材数量识别的实现。文中首先介绍线材识别的发展动态,对模板匹配,叁点法等进行比较,并就文中方案的选择进行论证。然后,对线材进行预处理的研究,在研究图像处理基础和数学形态学理论的基础上,应用规格化对图像进行增强;紧接着实现图像的二值化;在此基础上对图像进行分割,在比较腐蚀和分水岭分割去除线材之间的粘贴优越性后,提出了一种分水岭分割去除粘贴的方案。在对滤除水线深入研究的基础上,提出了利用模板分解滤除水线的方法,这也是本文中的一个创新点;最后,采用改进的OPTA保留模板,对线材截面进行细化处理,其作用主要是在不影响最后识别数量的基础上,减少线材截面的像素个数,以提高识别速度。本文研究的重点是线材数量自动识别方法,针对目前数量识别的方法对处理后线材截面形状要求较严格方面的不足,本文提出了两种线材识别的方法,一种是针对生产中线材的截面的图像采集时光线不均匀、线材截面模糊的情况,采用模块识别线材数量的方法,该方法先使用点方向图的方法把线材截面分割成若干块,然后通过识别模块的数量来得到线材的数量;另一种是利用双链表实现线材个数识别的算法,该算法通过一次扫描来产生双链表,根据其值确定线材的个数和确定线材截面的中心位置,达到对线材定位的目的。在上述基础上,就提出的识别方法在PC机上利用VC++平台进行实验,给出了相关的实验数据并与其它的识别方案进行对比分析,实验表明:文中的识别方法对线材数量的识别率较高。最后对所做的工作进行了总结,对下一步工作进行展望。
陈浩[2]2004年在《捆扎线材图像处理的识别方法研究》文中提出目前，国内大多数钢材生产厂家都采用人工方法来计量捆扎线材的根数，效率低下，劳动强度高，计数误差大，而引进全自动生产线，成本较高，因此，他们迫切需要低廉的自动计数仪。从上世纪90年代初，国内开始从事应用计算机视觉的方法进行线材的在线自动计数研究，取得了一定的成果，但还处于理论研究阶段，没有出现成熟的产品。本课题是北方工业大学承担的北京市教育委员会科学基金的捆扎线材图像测量计数仪的子课题。该计数仪的研制不仅具有一定的理论意义，同时还有良好的市场前景。 课题仍然采用计算机视觉的方法来尝试线材的在线计数，主要研究内容是系统的软件部分，包括图像的采集、预处理、物体的分割和识别并且计数。根据所处理图像的实际特点，文中提出了一种新的基于类圆的粘连体分割方法和基于统计模式识别的类圆识别方法，由于该算法主要的运算为加法、减法和逻辑运算，从而保证了算法的实时性。对一幅大小为640~*480的图像，整个处理耗时小于1秒，完全能满足实际生产要求。该算法对图像的二值化效果要求较高，当物体间的缝隙在二值化后能部分或全部判定为背景，即粘连的物体在二值化后能有明显的凹陷时，识别率很高，误差几乎可以为零。反之，则误差会上升，一种可行的改进方案是利用物体的边缘信息，文中也进行了这方面的尝试，受时间限制，只进行了简单的试验。虽然引入边缘信息能减少可能的误差，但是如果物体内部灰度不均匀，则要考虑由此而造成的伪边缘信息对分割的影响，同时，结合边缘信息后，处理速度也将会有所降低。 文中的研究大部分时间是针对用数码相机在施工现场采集的图像设计的，仅在末期用了较少的几根钢筋进行在线测试，因此，仅就算法而言，还有许多具体的研究、工作去调试、完善和改进，如果再进一步结合嵌入式硬件和生产管理的需要，形成一个较成型的产品，则需要做更多、更深入的研究。 文中除对算法进行了描述外，也给出了算法的应用效果，并且简要地讨论了引起误差的几个因素。 本文在查阅大量的文献基础上(限于作者查找的资料范围，没有见到国外有关这方面的文献)，提出了一种适合线材计数的分割和识别方法，并就进一步的改进进行了一些有益的探索，为日后的计数仪研制打下了坚实的基础。
张素文, 朱翠萍[3]2008年在《捆扎线材图像识别的研究》文中研究表明根据图像处理与识别的方法,文章在不考虑线材由于油污造成的孔洞和线材区域间的粘贴的情况下,利用方向图的方法,成功的实现了线材的分块,然后利用所分模块的特征,实现标准化打捆包装要求和棒材在线快速计数。试验结果验证:这种方法的可行性和有效性。
王艳芳[4]2006年在《类圆识别技术的研究》文中研究说明在现实生活中,不规则类圆形物体普遍存在,通常对这些物体进行的识别研究称为类圆识别,类圆识别是计算机识别的一项重要内容。通过计算机技术对类圆形物体进行检测,可以减轻劳动强度、提高工作效率和准确度。基于这些优点,国内外很多学者对类圆物体展开了研究,并取得了一定的成果。但由于类圆物体本身的特点和现实环境的复杂多变,目前还没有一种统一的方法对类圆图像进行检测和识别,而且识别的实时性和精确度距理想的程度还有一定的距离和不足。 本课题采用数字图像模式识别的理论对类圆进行识别,主要研究内容包括图像的预处理、图像分割和图像识别。本文对类圆分割和类圆识别的常用方法进行了讨论,根据类圆图像的实际特点,提出了一种基于分水岭分割的类圆识别方法。该算法首先根据分水岭变换对类圆物体进行分割,然后结合聚类分析和模糊识别理论设计类圆识别的分类决策,采用多级分类器,由粗到细,逐层分类,实现类圆物体的识别。由于该算法主要运用算术运算和逻辑运算,因而对一幅大小为640*480的图像的识别时间小于1秒,保证了识别的实时性。文中采用灰度加权阈值法对图像进行二值化,根据图像的明亮度和类圆物体的腐蚀程度,选用不同的权重系数,提高图像二值化的质量,从而在一定程度上避免了分水岭算法的过分割现象。本文对基于扫描中点的类圆识别算法作了改进,并将改进的算法与基于分水岭的分割算法结合在一起,提出一种基于分水岭——扫描中点的类圆识别方法,使类圆识别的精确度和效率都得到了提高。 在实验部分,用本文提出的两种类圆识别方法对捆扎钢筋和圆木端面图像进行了识别;根据实验结果,对算法进行了比较和误差统计,本文提出的两种识别方法的相对误差均小于3%。
邓凯[5]2006年在《针对钢筋计数系统的图像处理方法研究》文中进行了进一步梳理本论文主要围绕“基于图像处理方法的钢筋计数系统”的设计和实现方法进行图像处理方法的研究。论文包括叁部分内容:介绍了钢筋计数系统的组成;通过对钢筋图像的处理方法研究,分别提出了改进的图像分割方法和将均值技术应用于二值图像形态学处理的方法;钢筋图像目标标记与计数的方法研究。论文介绍了使用MicroSoft提供的VFW库函数,通过USB摄像头将钢筋端面图像采集到计算机存储系统的方法和图像处理、目标识别与计数的软件流程。论文研究了图像分割算法、图像形态学处理方法在钢筋计数系统软件开发中的应用与改进。分析研究了基于最大类间方差阈值算法的二维阈值分割方法和多阈值分割方法。二维阈值分割方法同时利用图像的点灰度信息和区域灰度信息,并结合这两个灰度级变化的原因,改进图像分割的判据,提高图像的分割质量;多阈值分割方法将图像分为多个子图像分别进行分割,该方法适用于图像灰度分布虽然不均匀但按照子区域具有一定分布规律的情况,能够针对不同区域的情况分别得到相应的分割结果,达到更好的分割结果。根据所处理图像中钢筋端面的形态学特征和计算机对二值图像的表示特点,论文提出了一种将均值滤波原理引入形态学处理而衍生的图像形态学处理方法——均值形态学处理。该算法可以同时对目标物体进行具有选择性的腐蚀和膨胀操作,对目标的边缘区域进行腐蚀,同时对目标中因为过分割产生孔的目标区域进行膨胀。该方法能够基于不同形态特征控制目标图像的形态学处理方向和速度。仿真实验表明,在钢筋计数系统中应用论文中提出的方法进行数目统计具有一定的实时性和准确性,有较好的应用价值。
韩庆大, 辛颖[6]2007年在《基于数字图像处理的棒线材计数方法》文中研究表明棒线材自动计数是一个一直没有得到很好解决的问题,为解决此问题,提出了一种基于距离变换技术的图像识别方案。该方法先利用CCD摄像机采集棒线材的端面图像;然后采用中值滤波法、二值化分割、腐蚀及膨胀运算实现棒线材图像的预处理;最后根据距离变换的思想,采用距离变换图中搜索种子点的方法实现棒线材的计数。通过对现场采集到的图像进行的试验结果表明,该方法不仅不受棒线材种类及端面形态影响,而且对端头不齐、捆扎散乱的棒线材也有较好识别效果,具有一定的推广和应用价值。
冯爱平[7]2008年在《棒材自动计数在线图像处理方法应用研究》文中研究说明钢厂棒材的定量打包仍停留在比较低的水平上。棒材的计数靠人工进行,这项工作机械单调,误差难免,给产品销售带来麻烦。研制自动化程度较高的计数打包系统成了钢厂的现实需要。鉴于现场情况复杂特殊,采用光电传感器和重量传感器检测的计数方案都无法满足要求,本文提出了基于数字图像处理技术的自动计数方案。该方案是在打包之前对传送带上的棒材计数,这对棒材生产线的自动化及生产与销售的便利化更具意义。为了实现棒材自动计数这个目标,我东北大学设备诊断工程中心与抚顺新钢铁有限责任公司对“棒材自动计数系统”进行了联合开发,本论文主要围绕“基于图像处理方法的棒材计数系统”实现方法进行图像处理方法的研究。论文包括叁部分内容：简要介绍了棒材计数软件编程的基础；重点是通过对棒材图像的处理方法研究,分别提出了图像分割方法和二值图像形态学处理的方法；棒材图像目标标记与计数的方法研究。在对现场图像处理的算法研究与实现上,现场图像因为工艺的不同分两类。一类是棒材端面较亮(发白)的图像,对这类图像采取灰度阈值分割的策略得到了二值图；另一类是棒材端面普遍发蓝或发黄的亮度较暗图像,本文对这类图像采用伪彩色编码实现了灰度图像到彩色图像的转化,进而获得到较好的灰度转化图,最后得到了比较理想的二值图像,达到准确计数。本文主要研究即包括图像的预处理、图像分割和图像识别。在图像的预处理部分,本文重点研究了图像的二值变换算法。在图像分割部分,本文采用了基于Roberts算子,Sobel算子,Prewitt算子,Krisch算子,Canny算子等边缘检测算法,其中重点是Canny算子的应用。对于图像的识别计数,本文使用了种子搜索法和面积法,重点是种子搜索法的应用,先对处理好的二值图像进行距离变换,得到各个区域的核心点,再对这些核心点进行搜索,进而实现对棒材的计数。
李学华[8]2005年在《基于图像识别的圆形钢管计数方法研究》文中进行了进一步梳理本文通过对圆形钢管端面图像的识别实现了钢管的自动计数。 针对钢管之间存在的粘连现象,采用基于数学形态学的腐蚀运算是一种有效的处理方法。经腐蚀运算后,不仅对钢管的内径圆进行了分割,而且还可以将预处理中的噪声进一步消除。利用二值图像数学形态学的边缘检测方法检测出二值钢管内径圆的边缘。 本文基于椭圆和圆的对称性,对传统的哈夫变换检测曲线方法进行改进,提出分叁步快速检测椭圆和圆的方法。实验表明,该方法有效地降低了哈夫变换参数空间的大小和运算时间,提高了检测精度,实现了椭圆的快速提取,从而实现了钢管的准确快速计数。 本文把Hu不变矩应用于类圆的检测中,提高了识别的准确性,速度也较快。 针对经过多次腐蚀的二值钢管图像的内径圆渐成小区域的情况,本文提出了一种先对钢管内径连通区域进行八邻域边缘跟踪,再对连通区域内部进行像素填充的标号计数方法,提高了识别速度,实现了钢管的自动计数。
陈燕红[9]2009年在《复杂工况下类圆物体计数系统的研究与实现》文中认为钢管、棒材等类圆物体点支计数处于钢材生产工艺的最后阶段。目前,棒材生产企业均普遍采用人工计数方法,劳动强度大、工作效率低、导致系统生产能力有限且准确性难以保证。针对这种情况,本文研究与开发能够对棒材进行自动计数的检测系统,以有效提高劳动生产率,使棒材生产线的计数环节实现自动化操作。本论文综合计算机视觉、图像处理及模式识别等技术研发一种复杂工况下类圆物体计数系统,包括了系统方案的选择、计数算法研究、软硬件设计等方面。论文主要内容将包括:(1)介绍了数字图像处理技术涉及到的相关领域,以及具体在类圆物体计数中的应用。在分析现有的类圆计数算法优缺点的基础上,提出了本文的改进方案。(2)针对棒材生产线周边环境特点,设计了计数系统的总体结构,对系统的硬件部分提出了具体解决方案,包括照明系统、摄像系统、图像采集卡及工控机的具体配置。(3)开发了基于VC和OpenCV的计数系统的图像处理软件平台,包括图像预处理、自动分割和计数叁个模块。对现场实时采集的棒材横截面图像进行灰度化、ROI提取、平滑和二值化的预处理,在查阅大量文献基础上,提出了一种结合改进的粘连棒材自动分割算法、基于区域增长法和线标记法的类圆物体计数的新方法,使类圆物体计数的精确度和效率都得到了提高。(4)利用本文提出的类圆物体计数方法,实际搭建了原型系统,并对棒材端面图像进行识别。经过测试仿真,结果表明该系统计数准确、效果良好。
程思铭[10]2013年在《多类圆形物体图像的中心定位算法研究》文中进行了进一步梳理随着计算机技术和机器视觉的不断发展，采用数字图像处理技术进行目标统计的应用越来越广泛，其中类圆物体的计数问题已经成为目前图像处理领域的热点之一。通过计算机技术对物体进行自动计数，可以减轻人的劳动强度，提高工作效率和计数准确度，具有很大的研究意义。本文以捆扎棒材的端面图像为研究目标，改进了一种类圆物体的中心定位算法，目的即是为了根据检测出的中心点个数来统计物体的数量。本文首先详细分析了棒材端面图像的特征，利用目标边缘在各个方向上具有对称性而背景边缘分布没有规律可循的特点，采用一种基于方向滤波和方向检测的感兴趣区域提取与阈值化相结合的图像分割方法，并对本文所设计中心定位系统中所采用的图像预处理技术进行了阐述。其次，本文对几种常用的类圆形图像的粘连分割方法进行了研究和分析。根据类圆图像的实际特点，改进了一种基于圆Hough变换的棒材图像目标分割与中心定位识别算法。该算法首先采用边缘检测算子获取目标边缘点的梯度信息，然后对圆Hough变换的算法进行改进，该方法对重迭粘连类圆物体的分离取得了很好的效果。在中心点的判定过程中，本文设计了一种中心点判断准则，利用中心区域亮度值较大的特点和目标半径范围内只有一个中心的特点，去除虚伪的中心点。该方法实现简单，效果良好。最后，利用本文提出的类圆形物体的中心定位方法，基于Visual Studio2010和OPENCV设计了图像处理软件，并用棒材端面图像进行试验，试验结果表明该方法定位准确，相对于基于圆环的改进Hough变换的算法，计数准确率有所提高。
参考文献：
[1]. 捆扎线材图像识别的研究[D]. 朱翠萍. 武汉理工大学. 2008
[2]. 捆扎线材图像处理的识别方法研究[D]. 陈浩. 北方工业大学. 2004
[3]. 捆扎线材图像识别的研究[J]. 张素文, 朱翠萍. 仪表技术. 2008
[4]. 类圆识别技术的研究[D]. 王艳芳. 北方工业大学. 2006
[5]. 针对钢筋计数系统的图像处理方法研究[D]. 邓凯. 东南大学. 2006
[6]. 基于数字图像处理的棒线材计数方法[J]. 韩庆大, 辛颖. 中国图象图形学报. 2007
[7]. 棒材自动计数在线图像处理方法应用研究[D]. 冯爱平. 东北大学. 2008
[8]. 基于图像识别的圆形钢管计数方法研究[D]. 李学华. 山东科技大学. 2005
[9]. 复杂工况下类圆物体计数系统的研究与实现[D]. 陈燕红. 湖南师范大学. 2009
[10]. 多类圆形物体图像的中心定位算法研究[D]. 程思铭. 武汉科技大学. 2013
标签：计算机软件及计算机应用论文; 图像处理论文; 图像分割论文; 二值化论文;