教学课程资源库 更多>>

关键词： 数字图像处理   光子学   阶段性科研   学术论文   实验报告   征稿简则   创新意义   《光子学报》  

摘要： 一、征稿范围1、研究论文:以光子学、光学及其相关理论技术为主体、具有领先水平或创新意义的学术论文,具有数据详实、结果可信且有实用意义的实验报告,具有国内外先进水平的应用技术文章、阶段性科研成果的研究简报、快报等。不刊自由来稿综述及数字图像处理类的文章。

关键词： 结构面迹线   边缘检测   线分段连接   概率霍夫检测   数字图像处理   感兴趣区域  

摘要： 岩体结构面信息的准确获取和识别对于研究岩体的力学性质具有重要作用。基于数字图像处理技术，利用MATLAB软件编程对图像进行灰度化处理、图像滤波、感兴趣区域选取、边缘检测等操作，得到边缘检测图像，再通过线分段连接的方法形成结构面迹线。利用该方法对云南自走铁矿露天边坡露头结构面进行了检测，并将其与概率霍夫变换检测、人工绘制等方法进行对比，结果表明，新方法检测得到的结构面迹线的准确率为91%、误检率约为3%、漏检率约为9%,得到的迹线较为完整、连续且位置准确，与人工绘制的差距很小，从而为矿山调查结构面产状提供了一种较为便捷准确的方法。

关键词： 裂缝识别   混合效应模型   深度学习   数字图像处理  

摘要： 经过多轮大型建设,我国公路建设重点正逐渐由“以建为主”转变为“以养为主”模式。在日常养护过程中,各类路面病害的有效识别十分重要,而且裂缝是最为常见且最容易发生的病害之一。传统的路面裂缝检测主要依靠人工检查方式完成,该方法虽然相对较准确,但需耗费大量人力物力,可人工方式可能存在较大安全隐患,因此如何构建更加自动化的识别手段是公路养护实践中大家非常关注的问题。近年来,将最新基于数字图像和深度学习的识别方法用于公路养护的做法逐渐进入人们视野,该方式可有效避免上述人工检查方法的许多缺点。然而,在对公路裂缝识别及测算的过程中,机器识别及后期测算的准确度还有待提高。其主要原因是在裂缝识别过程中,容易受到一些污渍等的干扰,从而影响到对裂缝的识别以及裂缝长度及宽度的测算。而这也将影响到对道路质量的评价。鉴于此,本文将建立机器识别值与人工识别值之间的统计预测模型,以微小代价对公路路面裂缝信息准确度进一步提升。具体来说,本文将采用最新发展的自动化识别道路裂缝的系统,它使用了适合路面裂缝识别的卷积神经网络架构并被学者们命名为YOLO深度学习算法。运用此系统,可以对输入的裂缝图像,在较短时间内进行裂缝识别,并给出裂缝的类型、长度、宽度等信息。为证明模型改进方法相对于算法改进法的广泛适用性,本文将采用应用Yolov4、Yolov5算法的两套自动化识别系统,得到机器给出的两套长度和宽度的基础上利用模型的方式进行改进,从而提高对裂缝测算的精度。注意到实际情况中,面临的道路病害、光照、天气等因素的不同,因此存在子总体的情况。鉴于此,本文创新性地将混合效应模型引入到裂缝识别提升领域中。为加大数据量,本文采用了“留一法”来划分训练集和测试集。在训练集中训练模型,并在测试集中计算百分比相对误差的值,从而评估不同方法的表现。在预测模型的评估上,本文将线性混合效应模型的预测结果同机器直接识别及线性模型预测法进行对比。在建立混合效应模型时,本文采用了K-means的聚类方法。研究表明在两套数据上,基于模型的提升方法均优于机器直接识别法,同时基于线性混合效应模型的预测方法在不同程度上优于经典线性模型的预测方法。这也表明基于模型的改进方法具有广泛的适用性。同时由于基于模型的方法成本很低,因此模型改进法对于大量裂缝图片识别效果的提升具有非常重要的意义。

关键词： 煤流量检测   机器视觉测量   激光三角法   数字图像处理   光斑中心定位  

摘要： 煤炭作为我国的主要能源物质,在工业领域和促进社会发展进程中占有着举足轻重的地位。在现代化高速发展的今天,随着煤矿产业的不断发展、科学技术的日益进步,煤炭生产企业建立煤矿自感知、自决策、自实施的智能无人化生产系统的需求愈加迫切。其中自感知是自决策和自实施的前提,任何智能化控制系统都需要传感器作为“感觉器官”,实现对控制目标状态的监测。带式输送机是煤炭生产环节中的主力运输工具,有着运输距离长、装载量大等优势。但由于井下皮带的装机容量大,存在输送机空载或无法满载等情况,致使在速度恒定的情况下,输送机会消耗大量能源。因此急需一种绿色高效的输送机智能控制系统。同时考虑到煤矿井下特殊的复杂环境,传统接触式测量方式存在着耐用性、稳定性较差问题。因此,可以通过机器视觉检测方法对输送带上煤流量进行精确监测,实现井下输送带随煤流量的大小实时调节电机速度的功能。既可以减少带式输送机硬件磨损,也能够建立以低碳、安全生产为目的的井下输送机智能化控制系统。目前主流的电子皮带秤测量精度在1%左右。本文基于机器视觉测量的非接触、稳定性高、精确度好等优点,进行了基于一字线型激光扫描的井下输送机煤流量检测系统研究,并探究验证了本系统的可行性及测量准确性。本文基于散装物料检测方法和煤矿井下输送带的运行特点,选择结合单目相机与激光三角测量法作为测量原理搭建系统。先建立点深度测量模型,再进行煤流轮廓面积计算,最后实现输送带上煤流体积模型的建立。搭建了一套基于机器视觉的煤流量检测系统模拟实验平台,并对系统使用到的硬件和软件进行选型,以达到最佳测量效果。系统通过激光器扫描输送带上煤流轮廓信息,再用工业相机采集激光图像,最后使用数字图像处理技术得到煤流轮廓坐标,数据经过排列后重建三维点云图,并输出采集到的煤流体积信息,最终测得系统累计平均误差率为1.294%满足设计需求,测量方差为0.535,证明系统测量稳定性较高。在软件方面,为了降低系统测量偏差,本文利用二维标定板对系统进行标定,建立测量系统的标定矩阵同时实现相机畸变校正。为了剔除图像中的无效信息,对相机采集到的图像进行图像增强和图像修复,在保留原有图像特征的前提下消除图像噪声,突出有效信息。在激光中心定位的方式上,本文基于标准高斯光束的亮度分布曲线,剔除了一种融合高斯光束半径与Steger算法的光斑中心定位方法,利用高斯光束半径选择有效提取区域后,利用图像灰度值梯度特征提取到中心点的亚像素坐标,并根据三角测量法的盲区遮挡特点选择插值法连接光条中心线断点。本文提取方法有较高的精确度和鲁棒性。最终基于平台模型模拟实验,进行了标准试样的静态测量和多种体积的煤堆动态测量试验。在静态测量中系统平均绝对误差为0.246 mm;动态测量结果中单次测量最大绝对误差率为3.468%,最小绝对误差率为1.017%。验证了检测系统对煤流量检测的可行性,验证了通过提高系统采样间隔率从而提高测量精度的可行性。本文系统可以以较高的精度对输送带上的煤流进行实时监控,为实现井下输送带智能控制系统提供了流量数据基础,对减少带式输送机能耗以及降低设备空载磨损具有一定意义,从而能够达到在煤炭资源开采的过程当中既经济又环保的目的。

关键词： 粉尘污染   灰度均值   分形维数   数字图像处理   深度学习  

摘要： 目前矿井粉尘的监测与评价存在着诸多不足,如利用传统的取样方法进行测尘时,实施过程繁琐,无法满足工作过程实时测尘的要求。非取样方法(如压电振动法、β射线法,震荡天平法等)技术实现成本较高,抗干扰性较弱,无法得到大规模的应用,其适用面也受到诸多局限。因此,本文从计算机视觉在粉尘颗粒识别中的应用基础出发,开发了可用于井下实际工况的粉尘污染监测与评价方法。为采集粉尘图像,建立了一套模拟粉尘产生、扩散的物理实验系统。同时,针对粉尘颗粒的全局、局部图像特征,基于数字图像处理和深度学习模型,开发了可快速识别并提取粉尘特征的程序方法。总结本文所做的工作,取得的主要研究成果概括如下:(1)设计并建立了基于图像处理的粉尘污染评价实验系统,该系统可模拟实际产尘工况。将定量粉尘在实验装置中下落,通过风机与可移动门控制风速及风量,进而控制风压,最终形成粉尘扩散场景。使用高清相机进行图像采集,将采集到的粉尘图像传输至计算机程序中,对图像进行处理,并进行相关的参数运算;此外,还可改变落尘孔距离、风速、风量、粉尘种类等实验变量研究其对粉尘图像特征的影响。(2)提出了基于优化的灰度均值法和分形维数理论的粉尘污染评价方法及其数学模型,用于地下开采过程或产尘点的粉尘污染监测与评价。该方法主要依靠建立的实验系统进行连续的图像采集。通过参数运算,分别得到灰度均值和分形维数与粉尘质量的线性、指数定量关系。同时,结合数字图像中的灰度、分形特征形成了粉尘污染指数来表征粉尘污染水平,由此避免了片面单一的参数评价。实验还讨论了风速和落尘孔距离对参数计算结果的影响。结果表明,风速与灰度均值呈正相关,且与落尘点呈负相关,分形维数和粉尘污染指数则对两者的变化表现得不太明显。此外,基于所提出的数字图像处理方法,提出了一个粉尘在线监测与评价拓扑应用框架图。(3)为进一步验证粉尘污染评价方法的有效性,开展了面向露天爆破烟尘污染的方法应用。首先对无人机记录的爆破视频进行图像帧提取,然后通过一系列的图像处理,分别计算其灰度均值和分形维数,两者结果从定量的角度都揭示了烟尘的三个发展阶段:生成阶段、尘云形成阶段和扩散阶段。与分形维数相比,灰度均值在量化污染物时拟合效果更好,这体现了烟尘图像具有更丰富的全局特征。为综合图像的全局和局部特征,基于灰度均值及分形维数提出了污染指数对其进行统一表征,并最终形成了四级危害分类机制。基于此评价机制,可对烟尘的污染状况展开进一步分析。(4)在数字图像处理方法的基础上,提出了一种数字图像处理结合深度学习框架的迁移学习模型,以分析图像灰度特征和粉尘质量之间的关系,进一步地开展粉尘污染程度评价。通过粉尘扩散模拟系统获得粉尘图像,计算图像的灰度均值,并采用了肖维勒统计准则和算术平均方法消除了异常数据。按照灰度均值与粉尘质量的拟合关系式将数据集分为四类,然后通过若干数据增强方式对深度学习模型的数据集进行了扩充。同时,采用了准确率、精确度、召回率和F1值对模型性能进行评价,结果均达到了良好水平。通过应用该方法,在快速得到粉尘污染水平的同时,也充分提高了粉尘污染评价的系统容错率。此外,还提出了基于深度学习方法为主、数字图像为辅的两级粉尘污染评价,该方法充分利用了两者在特征识别和特征学习的优势,为在实际工况中对粉尘污染进行有效可行的监测评价提供了指导。图37幅,表17个,参考文献80篇

关键词： 量子神经网络   数字图像处理   量子图像处理   脉冲耦合神经网络  

摘要： 近年来随着量子技术的发展,量子图像处理受到了广泛关注。虽然已有许多量子图像处理算法被提出,但量子图像边缘检测、量子图像分割、量子图像滤波、量子神经网络等领域还待丰富,适用于图像处理的量子神经网络较少。为了进一步丰富量子图像处理,构建适用于图像处理的量子神经网络,本文的主要研究内容如下:(1)对近年来量子图像处理的相关文献进行了综述,从量子图像表示、几何变换、形态学变换、边缘检测、图像分割、图像匹配、图像保护、图像滤波和图像压缩等方面对量子图像处理的研究进展进行了梳理和总结。讨论了量子图像处理的优缺点,并指出了未来可能的研究方向。(2)在脉冲耦合神经网络(Pulse coupled neural network,PCNN)的基础上,以图像分割、图像去噪为应用背景,提出了量子脉冲耦合神经网络(Quantum pulse coupled neural network,QPCNN)。利用量子逻辑门构建如量子全加器、量子乘法器、量子比较器等的量子运算模块,利用量子全加器和邻域制备模块设计了一种适用于QPCNN的量子图像卷积运算模块。并利用这些模块来完成QPCNN所需的计算。通过仿真实验验证了QPCNN的有效性。复杂度分析表明,与PCNN相比,QPCNN的复杂度显著下降。(3)将量子计算与双通道脉冲耦合神经网络(Dual channel pulse coupled neural network,DPCNN)相结合,以图像融合为应用背景,构建了双通道量子脉冲耦合神经网络(Dual channel quantum pulse coupled neural network,DQPCNN)。通过仿真实验可知,DQPCNN在图像融合中能够达到与DPCNN相同的效果,其有效性得以验证。通过复杂度分析可知,DQPCNN具有较低的复杂度。

关键词： 多胞结构   蒙皮结构   数字图像相关法(DIC)   数字图像处理   损伤识别  

摘要： 可变形机翼的发展与应用,极大地推进了飞行器的性能提升,柔性蒙皮复合结构在主要承力部位的应用也确保机翼在飞行阶段时刻保持最佳的气动特性。通过对多胞骨架结构与蒙皮复合结构的主动设计,可以实现机翼多种变形模式。选取Ω形3D打印金属骨架结构与硅橡胶材料蒙皮组成的复合结构,结合有限元模拟与数字图像相关技术(Digital Image Correlation,DIC)分析了该结构面内变形过程中的位移场与应变场,并通过数字图像处理技术对结构缺陷进行识别与定位,为大变形复合结构的变形效能分析与损伤识别提供了参考。首先,对Ω形金属骨架结构胞元的构型进行设计,分析胞元结构的受力情况;借助激光熔融增材制造技术得到金属骨架结构,利用热压成型技术得到硅橡胶蒙皮结构,组成复合结构,通过实验测得了骨架结构的基本的力学性能与失效过程。其次,通过DIC设备拍摄记录拉伸试验过程,对比DIC表面位移场与有限元模拟结果,分析了无缺陷金属骨架结构的变形过程,验证了DIC测量系统的准确性和可靠性。在此基础上,通过在金属结构上预制缺陷,采用与无缺陷结构同样的加载条件,对比分析了缺陷位置和缺陷数量对金属结构变形效能的影响规律。结果表明了不同缺陷位置与缺陷数量都会降低结构的整体强度,且对周围胞元的位移产生影响;通过DIC技术与有限元模拟,对比分析了具有蒙皮复合结构的表面位移场与应变场,总结不同缺陷位置以及缺陷数量对蒙皮结构表面应变的影响规律,为缺陷的识别与定位提供了基础。最后,引入数字图像处理算法,通过程序语言对实验图像进行处理;利用模板匹配算法、阈值方法、NMS算法和聚类算法等实现对多胞骨架结构的关键节点识别和胞元损伤识别与定位;采用阈值算法,通过将应变云图分解为单独颜色通道进行阈值判定,实现了基于应变云图的蒙皮复合结构的损伤与定位。

关键词： 裂隙识别   数字图像处理   采样窗   岩体点云  

摘要： 经过漫长的地质活动,岩体形成形态各异和性质复杂的地质体,岩体结构面中的节理、裂隙、断层等包含各种信息,是岩体地质评价的重要基石。随着现在越来越多的工程建设,岩体的稳定性与岩体工程安全和建设有很大的联系,其中裂隙的影响尤为重要,它不仅是岩体性质的重要指标,还是岩体破损的主要原因。目前的岩体裂隙的信息提取,一般由人工进行测量,其获取效率较低且一些险峻地势难以获取。通过数字化测量技术实现岩体测量是目前的发展趋势,通过数字近景摄影、无人机、三维激光扫描技等多种手段,把测绘学与工程地质学相互融合,为岩体信息便捷高效测量开辟出新途径。在本研究中,利用了嵊州市某矿山作为研究区域,得到了岩体结构面信息,并编写了软件应用,本文获得的主要成果如下:(1)利用数字图像处理技术对岩体图像提取信息,处理过程包括预处理、边缘检测和边界拟合,以嵊州市某矿山为研究对象,所得到岩体裂隙图有较高的精度,得到了地质素描图获取的新方法。(2)为了更加直观的得到裂隙信息,利用裂隙角度对岩体图像中的裂隙分组,基于形态学算法得到裂隙数目。利用图像处理技术与采样窗方法相结合,对于岩体结构面的平均迹长和密度提取。(3)对无人机和三维激光扫描仪的工作流程以及三维点云建模过程进行阐述,对三维点云数据进行优化和产状提取,基于MATLAB软件编写了岩体图像检测系统,拓展了岩体测量新技术的应用,具有良好的发展前景和应用价值。

关键词： 自动对焦   图像处理   聚焦深度法   清晰度函数   搜索算法  

摘要： 目前在医学内窥检测领域，采用常规的人工调焦方式，外部以机械结构承载，手动旋转转轮以实现清晰成像和变倍观察。但是人工调节无法准确地定位，检测时间长，费时费力。随着自动对焦技术发展，尤其是数字图像处理自动对焦，发展迅速，应用广泛，越来越多人加入数字图像自动对焦技术研究。离焦深度法和聚焦深度法是近年来运用广泛的数字图像自动对焦策略。本文重点对聚焦深度法进行研究应用，将自动对焦算法与内窥成像系统联合以驱动步进电机调节焦距，实现了更精确、更高效的内窥镜对焦。　　加快对焦速度、提高对焦准确性，关键在于搜索窗口的选择以及优化改进清晰度评价函数和搜索算法。针对现有的清晰度评价算法时间复杂度高、对焦不准确等问题，本文提出了依据Roberts算子优化创新的Bi_Roberts函数。首先，取消平方运算并增加水平和垂直图像梯度信息的提取方向。最后结合权重因子，得到改进的清晰度函数Bi_Roberts。它不仅可以提高对焦灵敏度，提高对焦精度，还能够应对各种复杂的图像。搭建了内窥实验平台，选取各类复杂度不一的目标，证明了改进的清晰度评价算法能够适应复杂的内窥环境。在搜索算法上，选取配比式窗口，在近焦区域、远焦区域，调节步长值，减少对焦过程所需的步数。在搜索方向和峰值判断上，通过比较两次单位步长清晰度值变化量的方式确定搜索方向和峰值区间，避免方向误判以及陷入次峰。　　运用聚焦深度法数字图像对焦技术，结合计算机视觉算法跟踪场景中特定区域的清晰度，并自动调整镜头位置以保持焦点在该区域内。通过比较清晰度评价值结合优化搜索算法以及电机控制，直到捕捉到对焦清晰图像，有效改进了传统对焦算法运用在内窥成像系统上对焦准确率不高、对焦速度耗时长的不足，提高了对焦系统的稳定性。

关键词： 机器视觉   缺陷检测   数字图像处理   深度学习   亚像素检测  

摘要： 齿轮、螺钉等机械零件作为机械设备的基础组成部分,在各类机械设备中得到广泛的使用,设备在运转时,若零件本身具有疵病,极易导致零件损坏,使得整个机械设备产生故障甚至设备整体报废,严重时还会危及操作人员的生命安全。因此零件表面质量的检测在零件的加工生产过程中显得尤其重要。零件的表面缺陷检测主要问题集中在如何提高缺陷种类的判别能力、检测结果的精度、零件边缘的判别精度以及如何提高缺陷参数计算的精度,本文采用了卷积神经网络与传统数字图像处理方法相结合的方式对零件缺陷进行检测与缺陷计算。以卷积神经网络为主体,使其训练后能够对缺陷进行精确识别并确立缺陷大致范围,之后针对该区域使用数字图像处理技术单独进行缺陷参数的计算。主要内容有:零件图像的采集,数据集的制作,建立网络模型,对网络进行训练并验证。对验证后的网络模型添加数字图像处理方法用以进行缺陷参数计算。采用亚像素检测方法提高缺陷参数的计算精度。本文的工作内容主要有:(1)根据现有缺陷图像以及实际需要,制作了零件表面缺陷数据集Machine Part。(2)根据图像中缺陷的特点,对卷积神经网络进行结构更改,使其训练后的模型更贴合该检测环境。针对数据集数量与缺陷种类,进行数据集划分,并使用划分后的训练集Machine Part1对网络进行训练。(3)使用传统数字图像处理方法,针对卷积神经网络检测出的缺陷区域进行缺陷参数计算,并使用亚像素检测方法提高检测精度。经验证,该网络检测的m AP值可以达到98.1%,缺陷参数的检测精度可达到微米。