- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于显著性检测与模板匹配的玻璃瓶底自动视觉检测
摘要： 玻璃瓶在食品饮料行业中被广泛用作容器，尤其适用于啤酒和碳酸饮料。作为玻璃瓶的关键部件，瓶底及其质量与产品安全密切相关。因此，在用于包装前必须对瓶底进行检测。本文设计了一种基于机器视觉的瓶底实时检测装置，并提出了主要采用显著性检测和模板匹配的缺陷检测框架。在简要介绍该装置后，我们重点阐述图像分析过程：首先通过结合霍夫圆检测与尺寸先验定位瓶底，并将感兴趣区域划分为中央面板区、环形面板区和环形纹理区三个测量区域；随后提出显著性检测方法识别中央面板区内部缺陷，采用多尺度滤波法搜索环形面板区缺陷，对环形纹理区则结合模板匹配与多尺度滤波进行缺陷检测；最后融合三个测量区域的缺陷检测结果以判定被测瓶底质量。所提出的缺陷检测框架在我们设计的装置采集的瓶底图像上进行了评估，实验结果表明该方法相比多种传统方法具有最优性能。
关键词： 多尺度滤波、机器视觉、模板匹配、显著性检测、缺陷检测
更新于2025-09-23 15:22:29
-
基于全局加权扰动滤波器的极化SAR图像目标显著性检测
摘要： 本文提出一种基于加权扰动滤波器的极化合成孔径雷达（PolSAR）图像显著性检测方法。传统扰动滤波器需要辅助数据来识别目标的极化矢量，且仅当目标特征已知且精确时才能实际应用。此外，由于不同视角或形状下目标的极化特性存在差异，单一滤波器通常无法检测所有目标。为克服这些缺陷，本方法融合多个扰动滤波器：通过不同参数初始化，将这些滤波器分解为对应的指数图；基于"目标像素在PolSAR图像中具有稀疏性"的假设，利用Jaccard距离计算各指数图的显著性权重——其中目标与周围环境的空间稀疏性会使对应滤波器获得更高权重；随后对加权优化后的滤波响应进行全局融合，生成每个局部模式的显著性图；最终通过阈值分割和形态学操作从该图中提取目标区域。基于真实与模拟PolSAR数据的实验表明，相较于多种常用PolSAR检测器，本方法性能更优，且在无需辅助极化信息的情况下能检测出真值中的大部分目标。
关键词： 几何扰动滤波器、稀疏空间相关性、极化合成孔径雷达、显著性检测
更新于2025-09-23 15:21:01
-
[计算机科学讲义] 智能科学与大数据工程 第11266卷（第八届国际会议，IScIDE 2018，中国兰州，2018年8月18-19日，修订精选论文集）|| 基于卷积神经网络（CNN）的红外-可见光图像融合
摘要： 图像融合是将同一场景的多幅图像合成为一幅单图的过程，旨在保留全部内容信息并维持原始图像中的重要特征。本文提出一种基于卷积神经网络（CNN）与显著性检测的新型图像融合方法。我们采用专为红外-可见光图像融合优化的CNN网络所提取的图像表征。由于网络底层能捕捉原始图像的精确数值，而高层能获取输入图像中物体及其布局等高层内容，我们在融合时更多利用可见光的低层特征与红外的高层特征。融合过程中通过显著性检测方法有效突出红外图像的目标，仅融合其显著信息。该方法旨在最大限度保留可见光的丰富细节信息，同时保持红外图像的显著信息。实验结果表明该融合方法具有良好前景。
关键词： 图像融合、显著性检测、卷积神经网络（CNN）
更新于2025-09-10 09:29:36