胡亮
,
段发阶
,
丁克勤
,
叶声华
钢铁
介绍了将计算机视觉技术应用于钢板表面缺陷的检测过程,系统根据高速线阵CCD扫描检测的原理,分别设计并优化了高强度光源照明模块、CCD成像模块、信号采集预处理模块、图像处理缺陷分类模块和人机接口模块,对钢板的主要缺陷(气泡、夹杂、结疤、划伤和压痕等)进行在线无损检测,模块化设计方便系统在硬件和软件上的扩展.整个系统若加以升级扩展,并进行生产应用试验,则可满足钢板表面缺陷的在线检测.
关键词:
计算机视觉
,
表面缺陷
,
线阵CCD
,
缺陷分类
张来刚
,
魏仲慧
,
何昕
,
孙群
液晶与显示
doi:10.3788/YJYXS20132804.0608
为了提高大视场三维测量精度,克服传统束调整算法对大视场图像校正不理想(控制点集中在视场中心)的缺点,提出了基于多约束融合算法的多摄像机三维测量方法,其基本思想为:将空间控制点的三维坐标与其对应像素点坐标之间的共线方程作为约束条件,利用已知的距离、三点共线和四点共面等信息,建立测量视场中控制点与像点坐标间的约束关系,从而完成三维坐标测量,同时实现了系统参数的在线标定.实验中,通过RMS误差和测距相对精度对测量精度进行了定量分析,测距相对精度达到了1∶7 000～1∶15 000,相对传统的束调整算法,该算法测量精度提高了一个数量级,是一种可靠的高精度视觉测量方法.
关键词:
计算机视觉
,
束调整算法
,
条件约束
,
相机标定
,
三维测量
王莹
,
王延杰
,
周渝人
,
李静宇
,
姚志军
液晶与显示
doi:10.3788/YJYXS20142905.0818
针对经典约束纹理映射算法在保持纹理有效性的同时算法复杂度高的问题,提出了根据评估值自适应选取目标函数的约束纹理映射方法.结合模型的参数化平面,计算模型特征点三角化后每一个三角块内部所有顶点的评估值,根据与给定阈值比较后的结果自适应选择目标函数.对于不能直接应用两种目标函数的三角块进行迭代三角化并计算下一级三角块的评估值.针对局部特征点映射不精确的问题采取局部邻域调整方法,只需调整一阶或者二阶领域的顶点位置即可.实验表明本文算法相较于经典算法时间复杂度平均提高75％以上.将本文算法映射后的模型加载到高帧频实时渲染系统中,实验表明本文算法具有很好的鲁棒性,重复实验表明本文算法可以保持纹理的有效性.
关键词:
计算机视觉
,
参数平面
,
评估函数
,
约束纹理映射
黄小乔
,
石俊生
,
邰永航
液晶与显示
doi:10.3788/YJYXS20163102.0222
最小可觉差是人眼视觉重要特性之一,随着计算机显示器的普及,显示器环境下的亮度最小可觉差对图像细节有重要的应用价值.利用10 bit图像显示卡和液晶显示器方便、精确控制亮度刺激,在显示器显示亮度范围内产生27个不同亮度背景,采样心理物理学亮度视觉匹配实验测得亮度最小可觉差.实验结果表明,在背景亮度为11.89～142.3cd/m2中等亮度下人眼最小可觉差与背景亮度的比值约为0.017,并遵守韦伯定律;在背景亮度为o.38～9.36 cd/m2的弱亮度情况下,人眼最小可觉差与背景亮度的比值随亮度的增加呈单调递减趋势.在显示器上测量的中等亮度下人眼亮度最小可觉差与Koenig and Brodhun采用传统光学方法得到的实验结果基本一致.
关键词:
计算机视觉
,
视觉光学
,
韦伯定律
,
视觉匹配
,
最小可觉差
,
亮度
杜慧
,
张涛
,
张叶
,
穆绍硕
液晶与显示
doi:10.3788/YJYXS20163109.0913
为了能更准确地检测出图像中的各种显著性目标，针对单一域的显著性目标检测方法容易造成有用信息遗失的缺点，提出一种将图像频域的全局信息与空域的局部信息结合获得更全面的显著性目标信息的新模型.通过融合两个域中的有用信息，将空域中的局部信息与频域中的全局信息进行信息的优势互补.此模型不但可以加强复杂背景下显著区域部分，而且可以有效抑制重复的非显著性部分.实验表明该模型方法相对于其它单一域的模型能较好的提取显著性目标区域，与单一的空频域模型比较，在准确率上相对于空域模型提高9．5％，相对于频域模型提高了6．3％.
关键词:
计算机视觉
,
显著性目标检测
,
空频域结合
,
局部信息
,
全局信息
,
融合显著图
黎明聪
,
吴逸畅
,
张锡斌
,
曾志远
,
王嘉辉
液晶与显示
doi:10.3788/YJYXS20173204.0308
为了改善常见的背景模型在手势分割易受环境因素影响的缺点,以及提高基于傅里叶描述子的神经网络对大量手势分类的识别率,本文提出一种采用预分类的综合手势识别算法.首先,分割部分使用背景差分检测出手部,同时利用手分类器对手部识别手掌位置,获取感兴趣区域,同时对手和背景分别进行掩膜更新,进入下一循环,具有较高的分割效果.接着,利用指尖检测和傅里叶描述子对区域进行特征提取.识别过程先根据指尖数目及实现功能进行预分类,再利用神经网络对傅里叶特征系数进行实时的识别并返回识别结果.最后,进行与直接的傅里叶系数的识别比较及复杂背景下与传统背景差分方法识别率比较,结果表明该算法普通手势比直接分类平均识别率高4.162％,易误检手势识别率提高最高达91.7％;复杂背景下性能也有较大改善.鲁棒性较强,可以容纳大量手势定义,满足人机交互的要求.
关键词:
计算机视觉
,
手势分割
,
预分类识别
,
傅里叶描述子
,
神经网络
