一、一种基于边缘与分区的棒材端面图像的分割方法（论文文献综述）
张付祥,郭旺,黄永建,王春梅,黄风山[1]（2021）在《成捆特钢棒材端面字符识别算法研究》文中认为为实现特钢棒材生产信息的全流程可追溯,分析特钢棒材生产环境及形状特点,采用基于双标志点的标记方案进行标记并利用机器视觉技术实现成捆特钢端面字符的识别。首先,采用Hough变换将成捆特钢棒材端面图像分割成单根;其次,采用基于小波变换的图像增强算法完成单根特钢棒材端面图像的增强;再次,将MSER算法和边缘检测算法相结合完成单根特钢棒材字符区域的检测,并基于投影法完成字符的分割;最后,通过创建和训练SVM分类器完成每一根特钢棒材端面字符识别,并将成捆特钢棒材端面字符识别结果输出保存。结果表明,新算法可以满足成捆特钢棒材生产过程中字符识别要求,字符识别准确率可达到97.35%。新算法将Hough变换、基于小波变换的图像增强算法、MSER算法、边缘检测算法、投影法及SVM分类器等算法融合到特钢棒材端面字符识别过程中,为特钢棒材生产过程中的信息获取、信息传递及信息追溯的技术实现提供了参考。
李道伟[2]（2021）在《基于机器视觉的三极管外观缺陷检测系统研究》文中提出当今的中国不仅是半导体分立器件的生产制造大国,同样也是消费大国,占据着全球近一半的半导体分立器件市场。三极管作为半导体分立器件中的重要组成部分之一,同样也是电子电路的核心元件,因此三极管的产品质量直接影响电子产品的稳定性和使用寿命。目前,国内对于三极管外观缺陷的检测方式主要是人工抽检,但是这种方式因受到人眼在时间、空间上的分辨率以及主观因素的限制,检测效率低,不仅检测精度达不到要求,而且有些缺陷人工很难检测甚至检测不了,严重制约了三极管产品的产量与出货质量。随着机器视觉领域的研究不断深入,非接触式的视觉检测技术在外观质量检测领域的应用也日趋成熟,但是针对放在料管中的三极管进行缺陷检测的相关研究还很少。因此,研发出一套针对料管内三极管的外观缺陷检测系统,具有良好的理论研究价值和市场应用前景。本文以放在料管中的三极管为研究对象,设计了基于机器视觉的三极管外观缺陷检测系统,主要研究工作如下:（1）三极管外观缺陷检测系统总体方案设计。分析本文的研究对象及其外观缺陷检测技术要求,并在此基础上完成了视觉检测模块的硬件选型和布局设计,以及缺陷检测总体流程设计;在进行软件结构设计时,利用多线程技术实现各工位同时进行图像采集与处理,以提高系统检测效率;最后,根据三极管的图像特点与缺陷检测要求,完成了图像处理算法流程设计。（2）基于局部特征融合的ROI（Region Of Interest,感兴趣区域）定位与分区算法。针对三极管在料管内定位不足并受到料管凹槽干扰的问题,采用局部特征进行初步匹配定位;针对引脚根部边缘不连续且存在其他边缘干扰的问题,提出了基于RANSAC（RANdom SAmple Consensus,随机抽样一致性）的改进直线检测算法,有效提取出图像中的目标边缘直线,再通过最小二乘法拟合直线得到三极管的旋转角度,并基于仿射变换矫正三极管的旋转姿态以实现三极管的旋转匹配,最后将旋转匹配定位坐标还原至原始图像坐标系中,完成三极管各检测ROI的定位与分区。（3）基于K-Means的封装区域缺陷检测算法。针对料管表面存在的划痕干扰问题,提出了基于K-Means的改进图像分割算法,有效解决了料管划痕对缺陷检测的干扰;针对实际生产中存在的混料问题,通过对局部差异特征进行提取分析,实现混料检测;针对三极管封装区域的表面缺陷,利用标准掩模图像提取待测区域图像;针对全包三极管圆孔与射口区域的缺陷,则将标准掩模图像反转颜色后再提取待测区域图像;最后,使用图像差分法得到差异图像,并通过形态学处理与连通域特征分析的方法,进一步去除图像中的小面积斑块干扰,再根据缺陷判定标准筛选连通域,实现封装区域的缺陷检测。（4）基于多视图的引脚缺陷检测算法。针对引脚表面图像无法有效检测引脚翘起的问题,提出了基于多视图的引脚缺陷检测算法,并利用等腰直角三棱镜实现了引脚端面图像的采集。根据引脚翘起缺陷的检测要求以及端面图像的特点,提出了基于Canny的基准定位方法,对Canny检测到的边缘进行遍历搜索与统计判定以提取料管边缘,再利用最小二乘法得到料管边缘的拟合直线,并将其作为引脚端面位置检测基准;然后基于连通域搜索定位引脚端面的中心坐标,通过计算引脚端面中心与边缘基准在水平方向上的距离,同时对引脚之间的相对位置进行统计分析,实现更为鲁棒的引脚翘起检测。针对细引脚轮廓不定而无法使用标准掩模的问题,提出了自适应掩模生成方法,能够实现不同轮廓外形的细引脚掩模图像生成,并通过引脚弯曲角度、引脚长度以及缺陷尺寸大小的多特征组合,实现引脚表面缺陷的检测。综上所述,本文根据三极管外观缺陷检测的技术要求,设计了三极管视觉检测模块与缺陷检测总体流程,研究了三极管ROI定位与分区算法以及三极管封装区域与引脚的外观缺陷检测算法,最后基于Visual Studio 2015软件平台和模块化程序设计的思想,开发了基于机器视觉的三极管外观缺陷检测系统软件,其中包括用户登陆模块、检测参数配置模块、在线检测模块、数据管理模块以及Mapping显示模块。经过一定规模的现场生产测试验证,本文设计研发的基于机器视觉的三极管外观缺陷检测系统能够在150ms以内完成一个三极管的外观缺陷检测,满足实际生产要求的工作节拍;同时,缺陷检测系统的平均过检率与漏检率分别为1.14%和0.08%,缺陷检测准确率在97.87%以上,能够满足实际生产要求的准确性与稳定性。
郭旺[3]（2021）在《特钢棒材端面标识关键技术研究》文中研究表明产品标记与机器视觉技术在工业领域的应用日益广泛,工业产品的质量、可靠性以及生产效率都得到了极大的提升。钢铁产品生产厂商为了实现产品生产信息的全程监管,首先在产品表面进行信息标记,然后将标记进行识别并通过生产信息数据库查询产品信息。目前,生产厂商在特钢棒材生产信息的全程监管中只能实现成捆特钢棒材生产信息的查询,引入机器视觉技术可以在提升生产效率的同时实现单根特钢棒材生产信息的查询。根据特钢棒材的自身形状特点及复杂的生产环境,设计了一种基于竖直双标志点的棒材端面标记方案,通过方形和圆形标志点限制字符方向,并对角度随机的信息标记图像进行旋转矫正;针对通过图像采集系统采集到的低对比度特钢棒材端面图像,结合小波变换、Gamma校正及中值滤波算法,提出了一种基于小波变换的图像增强算法,增强字符与背景之间的对比度并去除图像中的噪声;采用MSER和Canny边缘检测相结合的方法对字符区域进行检测与定位,在此基础上基于投影法将双标志点去除并将字符区域分割为单个字符;针对字符识别问题,创建SVM分类器,并采用大量字符图像对SVM进行训练,使字符识别有较高的准确率;针对成捆特钢棒材端面图像,基于Hough变换将成捆特钢棒材端面图像分割成单根特钢棒材端面图像,并结合所提出的图像增强、字符检测、字符分割和字符识别相关算法实现成捆特钢棒材端面字符的识别。本文根据特钢棒材生产信息管理方式以及产品端面标记的工程实际,设计了特钢棒材信息标记方案,提出了针对特钢棒材低对比度端面图像的增强算法,对单根特钢棒材端面图像中字符进行检测、分割及识别,并完成了成捆特钢棒材端面图像的分割及字符识别,为实现单根特钢棒材生产信息全流程可追溯奠定技术基础。
朱立瑶[4]（2020）在《基于机器学习的棒材计数方法研究》文中研究表明本文针对捆装棒材的计数问题,对现有的一些计数方法进行分析,运用机器学习相关方法实现棒材计数,对不同的计数方法得出的结果进行对比分析,主要工作包括以下三个方面:针对图像中棒材端面灰度存在差异的问题,本文提出一种多阈值的模板匹配方法,将一幅灰度图进行阈值分割成多幅二值图,与标准的二值图模板进行匹配,根据匹配结果进行棒材计数,实验结果表明,本文提出的多阈值模板匹配方法较单阈值和自适应阈值模板匹配方法更适用于棒材端面灰度存在差异的情况。针对传统计数方法存在一定局限性的问题,本文提出一种基于SVM的方法来解决棒材计数问题,该方法提取检测窗口的HOG特征并构造特征向量;采用具有高斯核的SVM作为分类器模型;手工标注棒材端面中心得到标准标记图,根据标准标记图构造训练样本集,并利用模板匹配的结果从中选择训练样本加入样本集中,对SVM分类器进行训练;应用获得的分类器判别每个检测窗口内是否包含圆棒材端面;通过在结果图上进行连通区搜索统计棒材中心点区域的个数实现棒材计数。实验结果表明,与模板匹配方法的计数结果相比,采用高斯核的SVM分类器计数精度有所提高。充分且全面的样本数据对于分类器的性能存在较大影响,针对参与训练的样本不典型的问题,本文提出采用迭代训练的方法对SVM分类器进行多次训练,将分类错误的样本用于构造下一次的训练样本集,在训练图像库和测试图像库上进行计数,实验结果表明,本文提出的迭代训练分类器的方法在训练图像库和测试图像库上的正确率较高,该方法的正确率较常规方法有很大的提升,并且具有较好的鲁棒性。综上所述,本文对捆装棒材计数方法进行了有益的研究,所提出的方法对提升计数的准确性有一定的参考价值。
孙凡[5]（2019）在《堆叠棒材端面图像的自动分割算法与识别标定系统研究》文中研究说明随着工业的快速发展,我国对各类棒材的需求量都有明显提升,此时对棒材数量的监控与统计的意义也愈发重大。目前,大部分的棒材计数还依赖于人工计数。这种方法会增大员工的劳动强度,并且工作效率很低,准确性也会比较差,所以,目前急需迫一些准确度较高的棒材自动计数方法。基于机器视觉的方法,我们可以对图像进行分析,使用模式识别技术来检测棒材,这是实现棒材自动计数的可行方法。通常,人工拍摄的棒材端面图像中,可能会包含较多噪声,并且由于棒材摆放不规整,端面参差不齐,从而产生遮挡,这就会导致分割后的二值图像中,粘连较为严重。另外,对于一些钢材,其端面会被氧化,光学特性发生改变,导致出现颜色不均匀的现象,以上的原因都会降低自动计数的准确率。鉴于此,本文从图像中的端面提取、中心标定计数这两方面入手,实现了棒材端面图像的自动识别计数功能。本文的研究内容主要包括如下几个部分:第一,提出一种基于云模型的棒材端面图像前背景分离方法。在堆叠棒材端面图像中,端面区域的颜色接近,且这些像素分布较为集中。在基于云模型的彩色图像分割算法中,保留了像素间的不确定性关系,且其分割过程易于控制,适合当前端面提取场景,因此本文以基于云模型的彩色图像分割方法为基础,针对当前应用场景提出了改进算法,得到基于云模型的棒材端面图像前背景分离算法。该方法在现有的非均匀量化方法上,融合了一种新的交叉量化方式,根据其统计直方图设计了一种新的合并与归类准则,并且改进了现有的概念提取规则,实现了对图像的适当分割。通过与改进前的算法进行比较,实验结果表明了该方法对彩色图像分割的有效性,同时更适合当前棒材端面分割场景,测试图的平均误分率为5.2%。第二,提出一种基于支持向量回归的棒材图像前景区域提取方法。本方法对前景背景分割结果进行筛选,对面积较大的连通域进行参数提取,其中包含面积、中心位置,并且设计了一个像素聚集度参数,并且根据认知标定回归结果,训练回归模型,根据回归结果选择保留的连通域,以此作为待计数的堆叠棒材端面区域,同时去除其他图像区域（背景部分）。结果表明该方法在绝大多数情况下可以有效去除背景,保留端面区域图像。第三,提出一种基于双边缘模板匹配的类圆颗粒检测算法。由于标准圆形检测的硬判断方法对生活中的棒材图像的实际效果并不理想,因此,受到Sobel边缘检测方法和模糊论的启发,本文设计了一组新的模板进行模板匹配,以增强实用性和鲁棒性,解决不规则圆形检测中出现的问题。针对端面区域图像进行一系列预处理（灰度化、滤波、自适应阈值二值化）得到待计数的二值图像,以此作为研究对象。对于其中的尺寸接近的类圆堆叠颗粒,利用粒度测量方法得到类圆颗粒的估计半径,则无需棒材大小的先验知识。通过此半径构造了一组边缘模板,同时使用Sobel算子将待检测的二值图像分别在两个方向上检测边缘,最后使用构造的边缘模板对边缘进行匹配,并通过设计限制条件得到中心标记结果。实验表明,此方法可以有效检测此类颗粒,并且可以解决轻度堆叠、孔洞缺陷等影响。对中度堆叠的类圆颗粒的检测准确率达到94.9%。本文的研究成果有助于城市建设者对于各类棒材的管理,自动化处理的引入,解决了人工计数的各种问题,提高了工作效率。另外,本文提出的堆叠颗粒检测方法可以在其他领域（如细胞分割等）应用,可以提供一定的参考价值。
李良[6]（2017）在《基于图像处理的石油套管计数系统研究》文中研究说明石油套管是用于支撑油、气井井壁的钢管。每一口井根据不同的钻井深度和地质情况,要使用几层套管,且不可重复使用,导致套管的消耗量很大,而人工盘点套管劳动强度大、效率偏低、容易出错,尤其是难以匹配自动化生产及管理方式。本文针对人工盘点套管效率和准确率低的问题,论证了三种基于图像处理的自动检测计数方法。首先是基于灰度阈值化及边缘检测的方法,但其结果很大程度上依赖于图像二值化的质量,抗干扰能力差。其次是基于模板匹配的方法用于辨识套管端面,虽然石油套管的端面由于噪声和摆放位置等在二值图像中形成的重合影像对计数准确度的不利因素可以被模板法忽略,但是需要将模板向各个方向平移,耗时较长,实时性差。最后,考虑到套管端面的颜色信息明显,充分利用HSV颜色特征分割的准确性和对光照的抗干扰能力,通过HSV空间色度通道的高低阈值进行分割得到目标区域,然后引入数学形态学操作处理区域中的空洞粘连等干扰,为后面的计数提供清晰的轮廓。该方法可以解决精确检测出套管区域的边缘这一难点,所以更易于实现准确计数。通过在VS2010配置OpenCV2.4.4的编译环境下对现场采集的图片用提出的三种方法进行实验,验证基于HSV空间与形态学的石油套管计数方法得到了准确的识别计数结果,并满足实时性要求。并且在S3C2440开发板和嵌入式Linux操作系统上搭建了手持式石油套管计数器的软硬件开发环境,并在Qt中设计了简易的计数系统的应用程序,初步实现了石油套管自动计数的功能。
方红萍[7]（2015）在《类圆形堆叠颗粒分割问题研究》文中研究指明类圆形颗粒图像分析是当前图像处理、计算机视觉领域的一个备受关注的研究课题，在医学细胞分析、工业工件粒度测量、农业果实品质分析等各种应用领域都有广泛的应用前景。颗粒分割是其中一个尤为关键的核心问题，分割性能的好坏直接影响颗粒分析结果的准确度。然而，当类圆形颗粒图像中的大量颗粒同时存在形状尺寸不规则、排列紧密堆叠，相互之间纹理、灰度相似等因素时，将堆叠形成的大量复杂颗粒组合结构准确分离成独立的颗粒个体，并有效提取各个颗粒的完整轮廓将变得异常困难，这也给经典的图像分割方法提出了新的挑战。本论文选取形状尺寸不规则，相互之间纹理、灰度相似且存在堆叠的大量类圆形颗粒图像作为研究对象，围绕颗粒分割问题中的两大难点问题即颗粒分离和完整轮廓提取展开研究和探讨。具体的研究工作如下：针对本论文研究对象中一类相互尺寸接近、并且标准尺寸已知的类圆形堆叠颗粒，提出了基于模糊梯度卷积核的分水岭分割算法。该算法首先定义一个隶属函数宽度为2*r的模糊梯度卷积核OFSC，有效描述各颗粒目标的不规则形状、尺寸先验知识；然后通过卷积操作使各颗粒的目标边缘点针对其偏离标准圆环的程度，对真实颗粒中心进行软投票，对应生成形状呈现单峰、且峰值差异较小的中心标记增强结果；在此基础上基于标记控制分水岭分割框架，给出了颗粒中心标记提取、梯度图灰度分布重构等关键步骤，实现了堆叠颗粒的有效分割。仿真实验结果证明：针对各种堆叠程度不同的真实堆叠颗粒图像，该算法均能有效抑制原有算法存在的中心增强峰值扩散问题，提高中心标记提取准确性，有效减少传统分水岭分割方法存在的严重过分割现象。针对工业领域中最为典型的一种标准尺寸已知堆叠类圆形颗粒目标——棒材端面颗粒，将模糊梯度卷积核方法应用到某在线棒材计数系统开发中，实现了对在线棒材端面中心的有效识别、准确定位，并能满足系统实时性要求。针对本论文研究对象中一类相互尺寸差异较大，且先验尺寸未知的类圆形堆叠颗粒，提出了自适应h minima变换的改进分水岭分割算法。该算法首先利用不同h值h minima变换抑制传统分水岭初始分割产生的种子噪声；并以对应候选种子为中心，分别采用改进K-均值算法合并初始分割区域，产生候选分割结果；然后，基于颗粒形状先验定义了一个新的圆度度量指标FuzzyR,并将堆叠颗粒平均圆度最大作为优化目标，将各堆叠区域最优h值的提取问题转换为改进K-均值算法的聚类类别数目的优化问题来解决，自适应地为各个堆叠区域选择了最优h值，实现了各堆叠区域的最优分割；仿真实验结果证明：针对人工合成和各种真实类圆形颗粒图像，本算法均能有效抑制过分割、减少欠分割，分割性能显着提高。针对本论文研究对象的颗粒轮廓提取问题，提出了一种基于可选形状约束耦合Snake模型的两阶段堆叠颗粒轮廓重构算法。该算法在粗分割阶段采用上述两种改进分水岭算法实现堆叠颗粒分离，有效获取各颗粒的非遮挡证据边缘，并构建合适的椭圆形状先验模型；在局部拟合重构阶段，将椭圆形状约束力以可选方式式引入耦合Snake模型能量函数中，让各个堆叠颗粒轮廓在同步迭代演化过程中，椭圆形状约束力只针对各个颗粒堆叠区域的边缘轮廓进行约束，保证在重构被遮挡轮廓边缘的同时，非堆叠区域轮廓能更加真实地拟合实际颗粒目标边缘。仿真实验结果证明：针对各种人工合成和真实堆叠颗粒图像，本算法能有效重构相互堆叠颗粒的完整轮廓，相较于其它方法，提取的轮廓在Dice和Jaccard等性能指标上均有提高。
薛彦冰[8]（2014）在《基于机器视觉的棒材计数系统研究与实现》文中指出在生产过程中实时监测棒材数量具有重要意义。生产车间环境嘈杂,员工劳动强度大,依靠人工计数,工作效率低,准确性差,迫切需要开发高精度的自动计数设备。以机器视觉为基础,通过图像分析和模式识别技术来检测棒材,是实现棒材自动计数的有效途径。棒材生产环境恶劣,原始图像噪声较多；棒材端面参差不齐、相互遮挡易造成分割后的二值图像严重粘连；另外,轧钢过程中的机械应力使钢材截面变形,且棒材端面氧化,光学特性发生改变,吸收掉大部分有色光,导致部分区域曝光不足,反映在二值图像中,有些棒材的端面面积过小,以上原因造成棒材自动计数准确率较低。鉴于此,本文从图像采集、图像预处理和棒材计数识别算法三个方面入手,进行了如下研究工作：首先,探讨了棒材计数系统的硬件实现方案,用亮度均匀的强光照亮棒材端面,通过相机采集棒材端面原始图像。根据研究对象的实际特点,选择千兆网面阵CCD工业相机,并配置焦距可调的镜头；根据单个LED灯珠的光照模型设计了环形结构的均匀光光源,并做了相关测试,验证了光照强度的均匀性。最后,给出了棒材计数系统的整体布置方案,采用同轴光照明,在明域成像的模式采集图像,相机镜头和光源置于棒材生产流水线上称重设备的对面,计算机和显示器等设备置于控制室内,图像数据通过专用千兆网络实时传输给计算机进行处理分析。其次,研究了棒材端面图像的预处理技术。将棒材端面原始彩色图像进行灰度化处理,在确保反映棒材特征的情况下,减少数据量。接着,对图像进行了基于顶帽变换的亮度均衡化处理,减少光照不均对识别算法的影响。然后,研究了图像滤波算法,分别在空域、频域和小波域进行对比研究,基于小波变换的图像滤波算法综合空域滤波和频域滤波的优势,能够有效的去除图像在采集、数字化和传输过程中的噪声。进而,探讨了图像锐化算法,LoG算子抗干扰能力强,在锐化图像边缘细节信息的同时,能平滑原有的尖锐边缘或者拐角,对处理棒材端面图像非常有利。之后,研究了图像分割算法,局部阈值分割能够同时兼顾图像中的过亮区域和曝光不足区域,选择动态阈值进行自适应分割,取得了良好的效果。最后,分析了棒材端面二值图像的特点,运用形态学算法进一步提升二值图像的质量,通过凸壳运算和孔洞填充,去除棒材端面内部的细小孔洞和狭窄沟壑,通过腐蚀运算和开运算,去除棒材之间的粘连,平滑棒材端面边界。再次,研究了棒材计数识别算法。讨论了棒材端面区域的特征提取,运用区域生长算法提取棒材端面连通分量,通过进一步计算获得连通域的面积特征和半径特征,采用Canny算子提取连通分量的边界并用最小多边形逼近该边界,以最小多边形的一阶矩作为连通分量的重心,接着运用逐次逼近法求得整个图像中连通分量的平均面积特征和平均半径。接下来详细阐述了三种棒材计数识别算法,相对面积计数法根据相对面积对连通分量进行分类,检测出曝光不足区域和重度粘连区域,对曝光不足区域进行二次图像预处理,设定较低分割阈值,获取正常的连通分量；对重度粘连区域用极限腐蚀和条件膨胀算法进行分离,然后通过预设准则完成数量统计；基于二维局部极值的模板匹配算法根据平均半径特征构造自适应匹配模板,逐点扫描图像进行匹配,计算相关度系数矩阵,求取二维局部极大值,然后根据欧氏距离进行次优点过滤,确定最优匹配位置,得出计数识别结果；在此基础之上,本文提出结合两种算法各自优点的综合计数算法,对经过预处理的棒材端面图像,先采用基于二维局部极值的模板匹配算法进行识别,确保无形状畸变的棒材得到准确计数,然后,消隐已准确识别的区域,重新设计二次图像预处理算法,得到新的二值图像,采用相对面积法进行计数识别,实验测试准确率达到99.5%。最后,对棒材自动计数系统进行了应用软件开发和现场测试。软件系统的整体框架主要包括图像采集模块、图像预处理模块、识别计数模块、人工干预模块、结果显示和数据保存模块。介绍了基于OpenCV的应用软件开发,并以VC6.0为开发平台,完成了应用软件的开发。进而,进行现场试验,根据现场环境,确定系统布置方案,调试软件,对整个棒材自动计数系统进行在线测试,平均准确率达到99.11%。
张红[9]（2014）在《基于机器视觉的棒材实时识别系统研究》文中研究说明为了确保棒材的标准化包装，在线计数成为生产线上一道重要的工序。目前，棒材计数主要是靠人力完成的，这种方法容易使工人疲劳，特别是容易产生错误计数，不能保证包装数量的要求，且与自动化轧钢生产线的高装备水平极不相称。针对上述问题，本文对棒材自动计数系统进行开发，以实现连续图像的棒材跟踪计数。其处理过程包括四个部分：通过CCD摄像机采集生产线上运动的棒材序列图像、进行滤波以及分割的图像预处理、单帧图像的棒材识别计数、运动目标跟踪实现连续图像棒材的实时计数。图像预处理过程包括图像滤波以及图像分割：比较均值滤波法和中值滤波法的优缺点后，本文选用了中值滤波的算法，既消除了图像的噪声又保护图像边缘处的信息；提出一种新的OTSU算法的推广算法，使用多种阈值分割方法对图像进行分割，本系统选用了分割效果较好的推广方法对图像进行阈值分割以产生二值图像。本文采用一种新的边缘检测、中心聚集、聚类识别的方法对单帧图像的棒材进行识别。首先将Sobel边缘检测算子的模板由两个增加到八个，提取八方向的边缘信息，包括边缘强度及其梯度方向，计算时利用绝对值相等的原理，只做四个方向模板的卷积运算，该新算法在有效提取边缘信息的同时大大减少了计算量。利用得到的方向信息，将边缘向中心集聚实现目标中心增强。然后通过聚类方法初步识别目标区域的中心位置。最后对候选目标进行团块特征判定，去除噪声或其他因素可能导致的中心区域团块信息，从而识别出单帧图像中的棒材数目。由于本文用摄像头采集连续的棒材图像，所以为实现前后帧图像的跟踪计数就需要对序列图像的棒材进行跟踪对位。选用基于特征的目标跟踪算法，得到连续两帧图像中对应棒材的水平位移，并判断图像中哪些棒材已经计数，哪些棒材尚未计数。然后采用容错算法去除误识别和漏识别的棒材，当匹配次数达到设定值时，才对棒材进行计数。该系统的硬件系统的组成为：Balser工业相机、工控机以及蓝白相间的LED光源，它们能够适应现场恶劣的生产环境并满足图像处理算法的要求。软件部分使用VisualStudio2010开发应用程序，并使用微软基础类库MFC开发方便简洁的操作界面。本文通过实验验证所采取的图像处理算法的有效性，结果表明，该系统对单帧图像中的棒材识别计数的精度可达96%，而且其处理速度能够满足在线实时性要求，具有良好的市场前景和较高的实用价值。
程思铭[10]（2013）在《多类圆形物体图像的中心定位算法研究》文中认为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，该方法对重叠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。
二、一种基于边缘与分区的棒材端面图像的分割方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种基于边缘与分区的棒材端面图像的分割方法（论文提纲范文）
（1）成捆特钢棒材端面字符识别算法研究（论文提纲范文）
| 1 图像采集系统及字符识别算法流程 |
| 1.1 成捆特钢棒材端面字符图像采集系统 |
| 1.2 成捆特钢棒材端面字符识别算法流程 |
| 2 成捆特钢棒材端面图像分割 |
| 3 单根棒材字符图像处理 |
| 3.1 棒材端面图像增强 |
| 3.1.1 图像小波分解 |
| 3.1.2 Gamma校正 |
| 3.1.3 中值滤波 |
| 3.1.4 图像重构与二次中值滤波 |
| 3.1.5 图像增强结果评价 |
| 1)主观评价 |
| 2)客观评价 |
| 3.2 棒材端面字符检测与分割 |
| 3.2.1 基于MSER算法的字符检测 |
| 1)字符区域初次检测 |
| 2)字符区域二次筛选 |
| 3)字符区域获取 |
| 3.2.2 基于投影法字符分割 |
| 3.3 棒材端面字符识别 |
| 3.3.1 SVM理论 |
| 3.3.2 SVM分类器的创建和训练 |
| 3.3.3 SVM分类器参数选择 |
| 3.3.4 试验结果与评价 |
| 4 结 语 |
（2）基于机器视觉的三极管外观缺陷检测系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 外观缺陷检测技术应用与研究现状 |
| 1.2.1 外观缺陷检测技术应用现状 |
| 1.2.2 外观缺陷检测技术研究现状 |
| 1.3 主要研究内容 |
| 第二章 三极管外观缺陷检测系统总体方案设计 |
| 2.1 课题检测要求 |
| 2.1.1 检测对象介绍 |
| 2.1.2 技术指标要求 |
| 2.2 课题检测要求分析 |
| 2.3 缺陷检测系统总体方案设计 |
| 2.3.1 硬件系统设计 |
| 2.3.2 检测系统标定 |
| 2.3.3 软件系统设计 |
| 2.4 本章小结 |
| 第三章 基于局部特征融合的ROI定位与分区算法 |
| 3.1 三极管图像分析 |
| 3.2 图像预处理方法 |
| 3.2.1 ROI粗划分 |
| 3.2.2 图像分割 |
| 3.3 基于局部特征融合的快速旋转匹配算法 |
| 3.3.1 局部圆弧特征匹配定位 |
| 3.3.2 局部引脚特征匹配定位 |
| 3.3.3 基于RANSAC的改进直线检测算法 |
| 3.3.4 基于仿射变换的旋转匹配 |
| 3.4 ROI定位与分区 |
| 3.4.1 旋转匹配定位坐标转换 |
| 3.4.2 ROI分区 |
| 3.5 试验结果与分析 |
| 3.5.1 试验条件介绍 |
| 3.5.2 直线检测算法精度对比试验 |
| 3.5.3 旋转匹配定位算法实时性对比试验 |
| 3.6 本章小结 |
| 第四章 基于K-Means的封装区域缺陷检测算法 |
| 4.1 封装区域图像分析 |
| 4.1.1 封装区域图像问题描述 |
| 4.1.2 封装区域缺陷检测算法流程 |
| 4.2 基于K-Means的改进图像分割算法 |
| 4.2.1 K-Means聚类 |
| 4.2.2 基于改进策略的K-Means初始聚类中心选取 |
| 4.2.3 图像分割 |
| 4.3 封装区域缺陷检测 |
| 4.3.1 混料检测 |
| 4.3.2 图像掩模操作 |
| 4.3.3 图像差分法 |
| 4.3.4 半包三极管缺陷检测 |
| 4.3.5 全包三极管缺陷检测 |
| 4.4 试验结果与分析 |
| 4.4.1 试验条件介绍 |
| 4.4.2 图像分割算法实时性对比试验 |
| 4.4.3 缺陷检测算法验证试验 |
| 4.5 本章小结 |
| 第五章 基于多视图的引脚缺陷检测算法 |
| 5.1 引脚图像分析 |
| 5.1.1 引脚图像问题描述 |
| 5.1.2 引脚缺陷检测算法流程 |
| 5.2 图像预处理方法 |
| 5.2.1 引脚端面ROI图像粗划分 |
| 5.2.2 图像滤波 |
| 5.2.3 图像分割 |
| 5.3 基于边缘基准的引脚端面位置检测算法 |
| 5.3.1 基于Canny的基准定位方法 |
| 5.3.2 引脚端面相对位置检测 |
| 5.4 基于自适应掩模的引脚表面缺陷检测算法 |
| 5.4.1 自适应掩模生成方法 |
| 5.4.2 多特征组合的缺陷检测 |
| 5.5 试验结果与分析 |
| 5.5.1 试验条件介绍 |
| 5.5.2 引脚端面位置检测算法验证试验 |
| 5.5.3 引脚表面缺陷检测算法验证试验 |
| 5.6 本章小结 |
| 第六章 缺陷检测系统软件设计与试验分析 |
| 6.1 缺陷检测系统软件设计 |
| 6.1.1 检测参数配置模块设计 |
| 6.1.2 在线检测模块设计 |
| 6.1.3 数据管理模块设计 |
| 6.1.4 Mapping显示模块设计 |
| 6.2 缺陷检测系统试验分析 |
| 6.2.1 缺陷检测系统算法实现过程验证 |
| 6.2.2 缺陷检测系统算法时间效率分析 |
| 6.2.3 缺陷检测系统准确率试验 |
| 6.2.4 误差分析 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 致谢 |
| 参考文献 |
| 附录:攻读硕士学位期间获得的科研结果 |
（3）特钢棒材端面标识关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 信息标记 |
| 1.2.2 图像增强 |
| 1.2.3 字符检测 |
| 1.2.4 字符分割 |
| 1.2.5 字符识别 |
| 1.3 课题来源及研究内容 |
| 第2章 特钢棒材信息标记方案 |
| 2.1 引言 |
| 2.2 信息标记方案分析 |
| 2.2.1 条码标记 |
| 2.2.2 文字及特殊符号标记 |
| 2.3 水平双标志点棒材端面标记方案及图像矫正 |
| 2.3.1 水平双标志点棒材端面标记方案 |
| 2.3.2 标记图像矫正原理 |
| 2.4 竖直双标志点棒材端面标记方案及图像矫正 |
| 2.4.1 竖直双标志点棒材端面标记方案 |
| 2.4.2 标记图像裁剪与矫正原理 |
| 2.5 标记方案比较与选择 |
| 2.6 本章小结 |
| 第3章 特钢棒材端面图像增强 |
| 3.1 引言 |
| 3.2 图像增强算法分析 |
| 3.2.1 基于直方图均衡化图像增强 |
| 3.2.2 基于同态滤波图像增强 |
| 3.2.3 基于Retinex图像增强 |
| 3.3 基于小波变换的图像增强 |
| 3.3.1 图像小波分解 |
| 3.3.2 Gamma校正 |
| 3.3.3 中值滤波 |
| 3.3.4 图像重构 |
| 3.4 实验结果分析与评价 |
| 3.4.1 主观评价 |
| 3.4.2 客观评价 |
| 3.5 本章小结 |
| 第4章 特钢棒材端面字符检测与分割 |
| 4.1 引言 |
| 4.2 字符检测 |
| 4.2.1 字符检测方法的选择 |
| 4.2.2 基于MSER算法的字符检测 |
| 4.3 字符分割 |
| 4.3.1 字符图像矫正 |
| 4.3.2 基于投影法的字符分割 |
| 4.4 本章小结 |
| 第5章 特钢棒材端面字符识别 |
| 5.1 引言 |
| 5.2 单根特钢棒材端面字符识别 |
| 5.2.1 SVM理论 |
| 5.2.2 SVM分类器的创建和训练 |
| 5.2.3 SVM分类器参数选择 |
| 5.2.4 字符识别 |
| 5.3 成捆特钢棒材端面字符识别 |
| 5.4 试验 |
| 5.4.1 图像采集系统 |
| 5.4.2 结果与评价 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间所发表的成果 |
| 致谢 |
（4）基于机器学习的棒材计数方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状和存在问题 |
| 1.3 本文主要研究内容及结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 第2章 传统计数方法研究 |
| 2.1 棒材端面图像采集和预处理 |
| 2.1.1 棒材端面图像采集 |
| 2.1.2 边缘检测 |
| 2.1.3 归一化处理 |
| 2.2 传统计数方法研究 |
| 2.2.1 模板匹配方法计数研究 |
| 2.2.2 改进的模板匹配方法计数研究 |
| 2.3 实验结果及分析 |
| 第3章 SVM方法进行棒材计数研究 |
| 3.1 SVM方法 |
| 3.1.1 SVM分类器应用简介 |
| 3.1.2 SVM方法原理 |
| 3.2 构造样本集 |
| 3.3 HOG特征提取 |
| 3.4 SVM分类器 |
| 3.5 计数方法研究 |
| 3.5.1 SVM分类器对棒材端面进行判别 |
| 3.5.2 结合图像处理的方法进行计数 |
| 3.6 实验结果及分析 |
| 第4章 改进计数方法研究 |
| 4.1 结合模板匹配失败样例的SVM分类器训练 |
| 4.2 SVM分类器迭代训练方法 |
| 4.2.1 SVM分类器迭代训练 |
| 4.2.2 迭代训练方法结果及分析 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和获得的科研成果 |
| 致谢 |
（5）堆叠棒材端面图像的自动分割算法与识别标定系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 彩色图像的前背景分离 |
| 1.2.2 支持向量机理论 |
| 1.2.3 类圆颗粒检测 |
| 1.3 论文主要内容 |
| 1.4 论文结构安排 |
| 第2章 基于云模型的前背景分割与圆检测的基础 |
| 2.1 云模型的原理 |
| 2.1.1 云模型的定义及性质 |
| 2.1.2 云模型的数值特征 |
| 2.1.3 云模型的“3En”规则 |
| 2.2 标准圆检测 |
| 2.3 基本方法的缺点分析 |
| 2.3.1 堆叠棒材图像的端面区域提取 |
| 2.3.2 类圆颗粒检测 |
| 2.4 本章小结 |
| 第3章 基于云模型的棒材端面图像前背景分离算法 |
| 3.1 本章核心思想及流程设计 |
| 3.2 基于云模型的彩色图像分割流程 |
| 3.2.1 颜色空间的选择与量化 |
| 3.2.2 概念提取过程 |
| 3.2.3 云综合 |
| 3.3 针对棒材端面图像的改进自动分割方法 |
| 3.3.1 交叉量化直方图 |
| 3.3.2 改进的概念提取方法 |
| 3.3.3 正态云的归类 |
| 3.3.4 前景背景像素分离方法 |
| 3.4 前背景分离效果评估 |
| 3.5 本章小结 |
| 第4章 基于支持向量回归的棒材端面区域提取 |
| 4.1 本章核心思想及设计流程 |
| 4.2 支持向量回归理论 |
| 4.2.1 支持向量回归原理 |
| 4.2.2 核函数 |
| 4.3 基于支持向量回归的端面区域提取设计方法 |
| 4.3.1 分割图像的参数提取 |
| 4.3.2 支持向量机的训练 |
| 4.4 检测方法与提取效果评估 |
| 4.5 本章小结 |
| 第5章 基于双边缘模板匹配的类圆颗粒检测 |
| 5.1 本章核心思想及流程设计 |
| 5.2 图像的预处理及粒度检测 |
| 5.3 基于双边缘模板匹配的类圆颗粒检测与计数 |
| 5.4 含缺陷与堆叠的标记效果评估 |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术论文 |
| 致谢 |
（6）基于图像处理的石油套管计数系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题目的和意义 |
| 1.2 国内外研究动态 |
| 1.2.1 类圆物体图像计数的应用现状 |
| 1.2.2 棒材计数的研究动态 |
| 1.3 本文主要研究内容 |
| 第二章 空间域图像增强 |
| 2.1 空间域滤波及邻域处理 |
| 2.2 线性滤波器 |
| 2.2.1 算数均值滤波 |
| 2.2.2 高斯平滑 |
| 2.3 改进的滤波方法 |
| 2.3.1 中值滤波器 |
| 2.3.2 自适应中值滤波器 |
| 2.4 算法实现与结果比较 |
| 2.4.1 算法实现 |
| 2.4.2 结果比较 |
| 2.5 本章小结 |
| 第三章 基于边缘改进阈值处理的识别计数方法 |
| 3.1 阈值处理 |
| 3.1.1 灰度变换 |
| 3.1.2 灰度直方图 |
| 3.1.3 固定阈值化 |
| 3.1.4 基于局部统计的可变阈值处理 |
| 3.2 使用边缘改进的阈值处理 |
| 3.2.1 边缘检测 |
| 3.2.2 基本边缘检测算子 |
| 3.2.3 边缘改进的阈值处理 |
| 3.3 霍夫圆检测对套管计数 |
| 3.3.1 检测直线 |
| 3.3.2 石油套管圆形端面检测 |
| 3.3.3 计数结果分析 |
| 3.4 本章小结 |
| 第四章 基于模板匹配的识别计数方法 |
| 4.1 实现模板匹配的方法 |
| 4.2 使用标准相关匹配算法进行套管识别计数 |
| 4.3 计数结果分析 |
| 4.4 本章小结 |
| 第五章 基于HSV颜色空间与形态学的识别计数方法 |
| 5.1 套管计数流程 |
| 5.2 套管计数算法 |
| 5.2.1 图像分割 |
| 5.2.2 形态学处理 |
| 5.2.3 识别校正 |
| 5.3 算法实现 |
| 5.3.1 HSV颜色空间阈值提取 |
| 5.3.2 套管端面识别与计数 |
| 5.3.3 计数结果分析 |
| 5.4 本章小结 |
| 第六章 嵌入式石油套管计数系统设计 |
| 6.1 系统总体方案设计 |
| 6.2 搭建开发环境 |
| 6.2.1 硬件环境构建 |
| 6.2.2 软件环境构建 |
| 6.3 核心模块控制器的设置与驱动的设计 |
| 6.3.1 存储控制器的设置与驱动的设计 |
| 6.3.2 LCD控制器的设置与驱动的设计 |
| 6.3.3 OV7740摄像头控制器的设置及其驱动的设计 |
| 6.4 计数系统应用程序的设计 |
| 6.5 本章小节 |
| 第七章 总结 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文 |
（7）类圆形堆叠颗粒分割问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 课题研究现状与分析 |
| 1.2.1 堆叠颗粒分离现有算法分析 |
| 1.2.2 堆叠颗粒轮廓重构现有算法分析 |
| 1.3 论文主要研究内容 |
| 1.4 论文的结构安排 |
| 第2章 预备知识 |
| 2.1 图像分割技术概述 |
| 2.1.1 传统图像分割方法 |
| 2.1.2 结合特定理论的图像分割方法 |
| 2.2 分水岭图像分割方法 |
| 2.2.1 传统分水岭方法 |
| 2.2.2 标记控制的分水岭方法 |
| 2.2.3 常用标记提取方法实验结果分析 |
| 2.3 Snake 主动轮廓模型图像分割方法 |
| 2.3.1 Snake 模型 |
| 2.3.2 气球 Snake 模型 |
| 2.3.3 GVF Snake 模型 |
| 2.3.4 实验结果与分析 |
| 2.4 本章小结 |
| 第3章 基于模糊梯度卷积核的分水岭堆叠颗粒分割 |
| 3.1 引言 |
| 3.2 模糊梯度卷积核OO FSC |
| 3.2.1 标准 CHT 方法 |
| 3.2.2 模糊集理论 |
| 3.2.3 模糊梯度卷积核的定义 |
| 3.3 提出的方法 |
| 3.3.1 类圆形颗粒目标粒度测量 |
| 3.3.2 基于OO FSC的中心标记增强 |
| 3.3.3 类圆形堆叠颗粒中心标记提取 |
| 3.3.4 基于标记控制分水岭算法的堆叠颗粒分割 |
| 3.4 实验结果与分析 |
| 3.4.1 中心标记的增强效果对比与分析 |
| 3.4.2 中心标记提取和颗粒分割效果对比分析 |
| 3.4.3 不同堆叠程度颗粒目标分割性能对比分析 |
| 3.5 本章算法的工业现场实际应用 |
| 3.5.1 在线棒材计数系统应用背景介绍 |
| 3.5.2 图像采集硬件平台设计 |
| 3.5.3 在线棒材端面中心识别结果分析 |
| 3.5.4 在线棒材计数系统设计实现 |
| 3.6 本章小结 |
| 第4章 自适应 h-minima的改进分水岭堆叠颗粒分割 |
| 4.1 引言 |
| 4.2 h-minima变换 |
| 4.3 圆度度量指标 FuzzyR |
| 4.4 提出的方法 |
| 4.5 实验结果与分析 |
| 4.5.1 圆度度量指标比较与分析 |
| 4.5.2 堆叠颗粒分割效果比较与分析 |
| 4.6 本章小结 |
| 第5章 可选形状约束耦合 Snake 模型的颗粒轮廓重构 |
| 5.1 引言 |
| 5.2 可选形状约束耦合 Snake 模型 |
| 5.2.1 能量函数定义 |
| 5.2.2 数值化实现 |
| 5.3 堆叠颗粒轮廓重构 |
| 5.4 实验结果与分析 |
| 5.4.1 可选形状约束耦合 Snake 模型有效性分析 |
| 5.4.2 几种轮廓重构方法比较 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文所做工作的总结 |
| 6.2 进一步的工作展望 |
| 致谢 |
| 参考文献 |
| 附录 1 攻读博士学位期间发表的论文 |
| 附录 2 攻读博士学位期间参加的科研项目 |
（8）基于机器视觉的棒材计数系统研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与目的意义 |
| 1.1.1 课题背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 机器视觉研究现状 |
| 1.2.2 类圆物体识别研究现状 |
| 1.3 棒材计数识别研究难点 |
| 1.4 研究内容和组织结构 |
| 1.4.1 研究内容 |
| 1.4.2 组织结构 |
| 1.5 创新点 |
| 第2章 基于均匀光的图像采集系统 |
| 2.1 相机选择 |
| 2.1.1 类型选择 |
| 2.1.2 相机性能 |
| 2.2 镜头选型 |
| 2.2.1 参数计算 |
| 2.2.2 滤光片选择 |
| 2.3 光照模式和光源选择 |
| 2.3.1 光照模式选择 |
| 2.3.2 均匀光设计 |
| 2.3.3 阵列LED均匀光源测试 |
| 2.4 系统整体结构 |
| 2.4.1 整体结构 |
| 2.4.2 工作原理 |
| 2.5 本章小结 |
| 第3章 棒材端面图像预处理 |
| 3.1 灰度化和均衡化 |
| 3.1.1 图像灰度化 |
| 3.1.2 顶帽变换 |
| 3.2 图像去噪 |
| 3.2.1 图像噪声分析 |
| 3.2.2 空域滤波算法 |
| 3.2.3 频域滤波算法 |
| 3.2.4 小波域滤波算法 |
| 3.3 图像锐化 |
| 3.3.1 梯度算子图像锐化 |
| 3.3.2 拉普拉斯算子图像锐化 |
| 3.3.3 LoG算子图像锐化 |
| 3.4 图像分割 |
| 3.4.1 迭代法自适应阈值图像分割 |
| 3.4.2 基于文化算法的二维阈值分割 |
| 3.4.3 分水岭分割算法 |
| 3.4.4 局部阈值图像分割 |
| 3.5 形态学运算 |
| 3.5.1 孔洞填充和凸壳运算 |
| 3.5.2 膨胀和腐蚀运算 |
| 3.5.3 闭运算和开运算 |
| 3.6 本章小结 |
| 第4章 棒材计数识别算法研究 |
| 4.1 特征提取 |
| 4.1.1 连通分量提取 |
| 4.1.2 几何特征 |
| 4.1.3 平均特征 |
| 4.2 相对面积计数识别算法 |
| 4.2.1 曝光不足区域处理 |
| 4.2.2 粘连区域处理 |
| 4.2.3 棒材数量计数统计 |
| 4.2.4 算法测试 |
| 4.3 基于二维极值的模板匹配计数识别算法 |
| 4.3.1 自适应模板构造 |
| 4.3.2 模板匹配 |
| 4.3.3 二维局部极值 |
| 4.3.4 基于欧式距离的次优点过滤 |
| 4.3.5 算法测试 |
| 4.4 模板匹配和相对面积结合的计数识别算法 |
| 4.4.1 算法原理 |
| 4.4.2 算法测试 |
| 4.5 本章小结 |
| 第5章 棒材计数系统现场试验 |
| 5.1 棒材计数软件系统 |
| 5.1.1 软件系统框架 |
| 5.1.2 软件功能介绍 |
| 5.2 棒材计数应用软件开发 |
| 5.2.1 基于OpenCV的程序开发 |
| 5.2.2 棒材计数系统应用软件 |
| 5.3 现场试验 |
| 5.3.1 现场布置与安装调试 |
| 5.3.2 软件测试 |
| 5.4 试验结果及分析讨论 |
| 5.4.1 试验结果 |
| 5.4.2 分析讨论 |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（9）基于机器视觉的棒材实时识别系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 机器视觉技术的定义 |
| 1.2.2 国内外研究历史与现状 |
| 1.3 课题研究内容和目的 |
| 第二章 棒材实时识别系统的组成 |
| 2.1 系统结构设计 |
| 2.2 系统硬件设计 |
| 2.2.1 工控机 |
| 2.2.2 工业摄像机 |
| 2.2.3 照明系统 |
| 2.3 系统软件设计 |
| 2.3.1 软件界面设计 |
| 2.3.2 软件流程介绍 |
| 2.4 本章小结 |
| 第三章 图像采集及图像预处理 |
| 3.1 数字图像采集 |
| 3.2 图像平滑 |
| 3.2.1 线性平滑 |
| 3.2.2 非线性平滑 |
| 3.3 图像分割 |
| 3.3.1 几种阈值分割方法 |
| 3.3.2 一种最大类间方差法的推广方法 |
| 3.3.3 阈值分割效果比较 |
| 3.4 本章小结 |
| 第四章 棒材图像目标识别 |
| 4.1 边缘信息提取 |
| 4.1.1 边缘检测算子 |
| 4.1.2 改进的 Sobel 算子 |
| 4.1.3 边缘细化 |
| 4.2 边缘分离与集聚 |
| 4.2.1 边缘中心集聚原理 |
| 4.2.2 中心集聚 |
| 4.3 目标聚类识别 |
| 4.3.1 聚类方法分析 |
| 4.3.2 桶聚类 |
| 4.4 团块性状判别 |
| 4.5 单帧图像实验结果 |
| 4.6 本章小结 |
| 第五章 目标跟踪计数算法 |
| 5.1 运动目标跟踪 |
| 5.2 基于特征的棒材目标跟踪 |
| 5.2.1 整体移动量检测 |
| 5.2.2 目标跟踪匹配 |
| 5.3 算法实验 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（10）多类圆形物体图像的中心定位算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 类圆形物体计数的国内外研究现状 |
| 1.3 本文的主要研究内容 |
| 1.4 论文章节安排 |
| 第二章 图像预处理算法研究 |
| 2.1 棒材端面图像分析 |
| 2.2 图像预处理技术 |
| 2.2.1 图像灰度化 |
| 2.2.2 感兴趣区域提取 |
| 2.2.3 图像平滑 |
| 2.2.4 图像二值化 |
| 2.3 小结 |
| 第三章 重叠粘连类圆形物体的分离算法 |
| 3.1 基于数学形态学的算法 |
| 3.1.1 腐蚀膨胀法 |
| 3.1.2 分水岭变换法 |
| 3.2 基于凹点的算法 |
| 3.3 基于边缘检测的算法 |
| 3.4 小结 |
| 第四章 圆 Hough 变换的理论基础 |
| 4.1 直线 Hough 变换 |
| 4.2 标准圆 Hough 变换 |
| 4.3 小结 |
| 第五章 基于圆 Hough 变换的棒材图像中心定位 |
| 5.1 算法原理 |
| 5.2 基于梯度信息的圆 Hough 变换 |
| 5.3 重叠粘连棒材的中心定位 |
| 5.4 小结 |
| 第六章 系统设计与试验分析 |
| 6.1 算法流程图 |
| 6.2 系统运行环境 |
| 6.3 实验结果 |
| 6.4 小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士期间发表论文情况 |
| 致谢 |
四、一种基于边缘与分区的棒材端面图像的分割方法（论文参考文献）
- [1]成捆特钢棒材端面字符识别算法研究[J]. 张付祥,郭旺,黄永建,王春梅,黄风山. 河北科技大学学报, 2021(05)
- [2]基于机器视觉的三极管外观缺陷检测系统研究[D]. 李道伟. 江南大学, 2021(01)
- [3]特钢棒材端面标识关键技术研究[D]. 郭旺. 河北科技大学, 2021
- [4]基于机器学习的棒材计数方法研究[D]. 朱立瑶. 沈阳理工大学, 2020(08)
- [5]堆叠棒材端面图像的自动分割算法与识别标定系统研究[D]. 孙凡. 北京工业大学, 2019(03)
- [6]基于图像处理的石油套管计数系统研究[D]. 李良. 太原理工大学, 2017(12)
- [7]类圆形堆叠颗粒分割问题研究[D]. 方红萍. 武汉科技大学, 2015(07)
- [8]基于机器视觉的棒材计数系统研究与实现[D]. 薛彦冰. 山东大学, 2014(10)
- [9]基于机器视觉的棒材实时识别系统研究[D]. 张红. 济南大学, 2014(01)
- [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(04)