论文题目: 基于计算机视觉的检测方法与应用研究
论文类型: 博士论文
论文专业: 控制科学与工程
作者: 漆随平
导师: 张宏建
关键词: 计算机视觉,模式分类,多传感器,信息融合,在线检测,证据理论,统计,多传感器管理,支持向量机,自动计数,螺纹钢支数,图像处理
文献来源: 浙江大学
发表年度: 2005
论文摘要: 计算机视觉研究的最终目标是使计算机能通过视觉观察和理解世界,具有自主适应环境的能力,但是,目前还无法研制出通用的计算机视觉系统来识别任意环境中的目标或自主地完成各种工作,而只能针对具体问题建立一种特殊的计算机视觉系统,以某种程度的智能完成特定的任务。本文以炼钢企业螺纹钢成品支数自动计数为工程应用背景,研究并提出了几种计算机视觉检测方法,研制出了一种综合计算机视觉、模式分类和信息融合等技术的螺纹钢自动计数方法,并系统地设计了基于该计算机视觉检测方法的钢材支数在线自动计数系统。本文的主要研究成果有: (1)提出了虚拟多传感器的概念和基于权系数D-S证据理论的信息融合模式分类方法,并应用到计算机视觉检测中。对实时图像进行不同的处理或变换,得到多幅不同的特征图像。用扫描模板同时在每一幅特征图上扫描,在不同特征图像相同的位置上,可以得到一个关于扫描模板下面的检测区域是否有被检测目标的基本信度分配,将这些基本信度按照加权D-S证据理论进行融合,根据融合结果将该区域完成分类,确定出在原始图像中相同的区域是否有检测目标。同时遍历扫描特征图像,可以得到图像中所有被检测目标的总个数。 (2)通过对实时图像干扰特征研究,提出了基于特征统计方法的自适应权系数D-S证据理论融合算法、初始参数自适应化边缘检测方法和阈值自适应化区域分割方法。使信息获取过程抗干扰能力增强,信息融合过程中的信度分配由历史数据和当前实时图像特征统计结果决定,提高了多传感器信息融合的自适应性。并将多传感器管理技术引入到计算机视觉检测技术中,降低了视觉检测中的计算复杂度,提高了检测分析效率。 (3)提出了基于虚拟多传感器和支持向量机的计算机视觉检测方法。借助虚拟多传感器输出信息,利用支持向量机完成检测区域分类,确定出所检测区域有无检测目标的判别。该方法的提出减少了检测系统对现场先验知识的依赖程度,使得系统的实用性进一步得到提高。 (4)研制出了基于提出的计算机视觉检测方法的螺纹钢支数在线自动计数系统。通过对现场各种干扰源分析,设计了可适用于恶劣的工业环境中自动采集实时图像的硬件机械系统,使得外界对图像的干扰明显降低,得到了相对稳定的实时图像。将研制的计数系统应用到某炼钢生产线对螺纹钢进行在线检测,现场使用结果表明该系统的实时检测结果准确性达到了99.6%。
论文目录:
第一章 绪论
1.1 引言
1.2 在线计算机视觉检测系统的概念及其相关术语
1.2.1 人类视觉
1.2.2 计算机视觉
1.2.3 视觉的计算理论
1.2.4 感觉的解析计算模型
1.2.5 在线计算机视觉检测系统
1.3 在线计算机视觉检测系统的特点
1.4 本文工作的主要内容及意义
1.4.1 主要内容
1.4.2 本文研究的意义
1.5 小结
第二章 文献综述
2.1 引言
2.2 计算机视觉检测的基本技术综述
2.2.1 计算机视觉的发展
2.2.2 人类视觉机理及其特性
2.2.3 人类视觉与计算机视觉
2.2.4 视觉信息系统模型
2.2.5 计算机视觉的应用领域
2.2.6 计算机视觉的基本技术
2.3 模式分类基本技术综述
2.3.1 模式分类系统
2.3.2 模式分类的设计与实现
2.3.3 模式分类的基本方法
2.3.4 模式分类小结
2.4 螺纹钢在线计数系统文献综述
2.5 小结
第三章 基于虚拟多传感器信息融合的计算机视觉检测方法
3.1 引言
3.2 基于D-S证据理论信息融合的模式分类方法
3.2.1 多传感器信息融合的基本理论
3.2.2 D-S证据理论的基本理论
3.2.3 模式分类过程实现
3.3 基于虚拟多传感器信息融合的分类方法研究
3.3.1 虚拟多传感器信息融合概念
3.3.2 虚拟多传感器信息的特征研究
3.4 基于虚拟多传感器信息融合的计算机视觉检测方法
3.4.1 视觉信息系统模型与实现方法
3.4.2 证据理论应用举例
3.4.3 优化屏蔽搜索区域
3.4.4 试验与结果分析
3.5 小结
第四章 基于统计方法自适应信息融合的计算机视觉检测方法
4.1 引言
4.2 基于统计方法的边缘特征图像自适应获取
4.2.1 边缘检测新方法的概述
4.2.2 基于统计方法的自适应边缘检测方法
4.3 特征图像基本信度分配的自适应化
4.4 虚拟多传感器信息融合过程的自适应
4.5 基于统计方法的自适应图像分割方法
4.6 多传感器管理方法及其在信息融合过程中的实现
4.6.1 多传感器管理技术
4.6.2 基于多传感器管理的信息融合过程实现
4.7 基于统计法的自适应信息融合计算机视觉检测实现与实验
4.7.1 视觉信息系统模型与实现方法
4.7.2 实际应用过程举例
4.7.3 工业现场试验与结果分析
4.8 小结
第五章 基于统计学习理论模式分类的计算机视觉检测方法
5.1 引言
5.2 理论分析
5.2.1 学习方法与学习分类器
5.2.2 核函数
5.2.3 最优化理论分析
5.3 支持向量机的分类器与实现
5.3.1 特征选择及其特征确定
5.3.2 核函数及相关参数选择
5.3.3 模型训练
5.4 基于支持向量机分类器的计算机视觉检测与试验
5.5 小结
第六章 计算机视觉检测系统设计与现场应用实例
6.1 引言
6.2 系统组成与工作原理
6.2.1 工况简介
6.2.2 系统模块功能说明
6.3 系统的硬件设计
6.3.1 照明系统
6.3.2 摄像系统
6.3.3 图像采集卡
6.3.4 外部控制显示
6.3.5 抗干扰措施
6.3.6 信息处理系统选择
6.4 系统的软件设计
6.4.1 软件功能分析及主要程序流程介绍
6.4.2 系统界面设计发
6.5 现场应用与结果分析
6.5.1 工业现场准确性试验
6.5.2 工业现场稳定性试验
6.5.3 工业现场试验结论
6.6 小结
第七章 结论与展望
7.1 结论
7.2 展望
参考文献
发布时间: 2005-07-27
参考文献
- [1].机械零件计算机视觉检测关键技术的研究[D]. 陈向伟.吉林大学2005
- [2].啤酒瓶视觉检测机器人研究[D]. 段峰.湖南大学2007
- [3].保健酒智能视觉检测机器人技术研究[D]. 周博文.湖南大学2012
- [4].基于支持向量机的机械零件计算机视觉检测若干关键技术的研究[D]. 于忠党.吉林大学2009
- [5].医药大输液可见异物的视觉检测机器人技术研究[D]. 张辉.湖南大学2012
- [6].安瓿药液可见异物视觉检测机器人技术研究[D]. 葛继.湖南大学2012
- [7].搜救现场人体的旋转不变视觉检测方法研究[D]. 刘保真.中国人民解放军军事医学科学院2017
- [8].表面缺陷视觉在线检测关键技术研究[D]. 韩芳芳.天津大学2012
标签：计算机视觉论文; 模式分类论文; 多传感器论文; 信息融合论文; 在线检测论文; 证据理论论文; 统计论文; 多传感器管理论文; 支持向量机论文; 自动计数论文; 螺纹钢支数论文; 图像处理论文;