一、接触式图像传感器在图像采集中的应用（论文文献综述）
姜守坤[1]（2021）在《局部遮挡和模糊场景下的手背静脉识别算法研究》文中进行了进一步梳理随着人工智能技术的成熟与应用,以机器视觉为基础的生物特征识别技术得到了飞速发展。手背静脉识别因其具有活体识别、安全等级高、防伪性好和非接触式采集等优点,成为生物特征识别技术的重要分支,受到国内外学者的广泛关注。现有的手背静脉识别系统绝大多数使用理想的清晰静脉图像进行身份鉴定。然而,在实际应用中,实时采集到的待鉴定静脉图像并非完全理想,大部分存在局部遮挡、图像模糊等问题。究其原因在于:（1）在色素沉着、疤痕、毛发和纹身等因素干扰下,手背静脉图像出现局部遮挡;（2）图像采集过程中,手掌与图像传感器间的相对运动导致采集到的手背静脉图像模糊。这些低质量图像具有特征表征能力不足的共性问题,增加了静脉识别的难度,影响了系统的识别精度。本文以局部遮挡和模糊场景下的低质量手背静脉图像为研究对象,围绕手背静脉图像采集装置搭建,感兴趣区域（region of interest,ROI）提取,局部遮挡、模糊、遮挡且模糊等复杂干扰场景下手背静脉特征鲁棒提取等关键难题展开深入研究,具体内容如下:（1）设计并搭建了手背静脉图像采集装置,公开了相应的手背静脉图像数据库,针对现有手背静脉ROI提取算法稳定性差的问题,对基于维诺图的圆形ROI提取算法进行了改进。在内切圆圆心定位过程中利用Delaunay三角剖分算法替代常规的维诺图算法,提取了随手掌轮廓尺寸变化而自适应调节的最大内切圆区域,并将其作为感兴趣区域。在使用相同特征提取与识别算法的前提下,本文所提取ROI上的识别率比维诺图算法提取ROI上的识别率提高了 0.45%。（2）针对手背静脉图像局部遮挡情况下存在特征提取区域少、局部静脉信息丢失、特征区分性能不足的问题,提出了一种改进的生物图匹配算法（Improved Biometric Graph Matching,IBGM）,用于提取局部遮挡手背静脉图像的拓扑特征。该算法通过将生物图的边信息集成到图像配准和匹配过程中,增加了最大公共子图的边数,进而提升了静脉拓扑特征的区分性。在握拳式手背静脉图像数据库和伸开式手背静脉图像数据库上进行了实验验证,识别率分别达到98.03%和97.14%;在人工局部遮挡数据库（局部遮挡面积占图像总面积的1 0%）上,识别率达到了 96.58%,验证了 IBGM算法能够有效提升系统面对局部遮挡静脉图像的识别能力。（3）针对模糊手背静脉图像纹理退化,造成现有特征表征能力不足这一问题,提出了一种多尺度重叠分块局部相位量化算法。该算法通过对静脉ROI图像重叠分块,并使用短时傅里叶变换提取每个子块的多尺度局部相位特征,增加了模糊图像特征表征能力,进而提升系统的识别性能。在握拳式手背静脉图像数据库和伸开式手背静脉图像数据库上进行了实验验证,识别率分别达到了 99.57%和98.07%;在人工模糊静脉图像数据库上,识别率达到99%以上（模糊参数<3）,性能均优于现有算法,验证了所提算法能够显着提升系统对模糊图像的识别性能。（4）针对实时采集手背静脉图像时,局部遮挡、模糊两类干扰同时出现的复杂干扰场景下手背静脉图像特征提取难题,本文提出了一种基于图像分层的RootSIFT特征点提取与匹配算法,该算法使用尺度空间提取模糊和局部遮挡不变性特征点。首先,使用不同子块尺寸的限制对比度自适应直方图均衡化算法增强原始静脉图像,并构建10分层增强静脉图像;然后,提取每层增强图像的RootSIFT特征点,从而增加特征点数量,并在模板增强图像和待匹配增强图像的对应层上进行层内特征点匹配;最后将10层匹配点对汇集到一起,利用特征点间拓扑关系消除误匹配点对,从而提高系统对局部遮挡且模糊静脉图像的识别性能。在握拳式手背静脉图像数据库和伸开式手背静脉图像数据库上进行了实验验证,识别率分别达到了 99.30%和98.85%;在局部遮挡-模糊静脉图像数据库上,识别率均能达到95%以上,表明该算法一定程度提高了静脉识别系统的鲁棒性。综上,本文开展了包含局部遮挡和模糊的复杂干扰场景下手背静脉识别算法研究,提出了 ROI定位和鲁棒静脉特征提取算法,并将上述算法应用到静脉识别系统中,提高了识别系统的鲁棒性。
郭澄[2]（2021）在《基于多距离相位恢复的无透镜计算显微成像技术研究》文中研究指明由于被测样品和观测环境的多变性,高通量和便携式显微镜已经成为了生物医学成像的新需求。但以折射光学为基础的传统显微镜往往受限于光学元件和架构件而难以实现高度集成。相比之下,近年来发展出的无透镜显微术无需显微镜组辅助,可通过衍射图像的反演计算实现样品的数字再现。该技术能同时兼顾大视场、高分辨率以及便携化等多个特性,并有望发展成以智能计算为主导的新一代显微成像技术。本文将针对无透镜显微系统的图像配准、收敛加速、图像采集效率提升、数字准焦、像素超分辨、彩色成像以及单帧成像展开研究,并完成病理组织的全视野亚像素成像和活体细胞的快速动态成像,其具体研究内容如下:针对无透镜显微系统实际参数与算法模型不匹配的问题,提出一种无透镜自适应参数校正方法。该方法通过互相关谱峰值移动特性和逆传输图像配准对轴向图像序列进行数字对齐,并构造梯度奇异值融合锐度函数标定样品衍射距离,从而消除了多距离相位恢复中的图像失真。实验表明,该方法可自动获取光束照明角度和样品衍射距离,这既避免了繁杂的手动对焦和光束倾角精调,也为后续图像重建模型提供了完善的图像预处理方法。针对现有亚像素成像系统图像采集效率低的问题,提出一种基于全变分范数的双平面相位恢复成像算法。无透镜亚像素成像系统要求采集样品三维移动后的衍射图像序列进行亚像素补偿和相位恢复,而该三维数据层数取决于多距离相位恢复算法所需的轴向观测平面数目。双平面相位恢复算法综合考虑收敛迟滞和噪声干扰两个因素,以全变分范数构造相位反演函数,并设计加权反馈式梯度下降法重构生物样品复振幅函数。实验表明,该方法将所需测量的三维图像数据由8层减小为2层,提高了亚像素成像系统的图像采集效率。针对现有单帧计算成像技术无法实现非稀疏样品的高质量重建问题,提出一种基于非线性相位恢复的单帧计算成像方法。该方法将无透镜成像的相位反演过程等效为一个非线性最优化问题,并构造基于衍射传输的快速收缩阈值优化方法迭代求解样品复振幅,从而解决单帧重建下的收敛迟滞问题。实验表明,在不损失横向分辨率前提下,该方法消除了单帧图像反演产生的孪生像,拓宽了单帧计算成像的样品适用范围。在此基础上,以双平面相位恢复为核心搭建了无透镜亚像素成像装置,实现了548nm的横向分辨率和28.6mm2的成像视场,并将测量图像数由288幅减少至50幅。以单帧成像为核心搭建了无透镜活体便携成像装置,并进行多种类型生物组织的实验验证。针对静态目标,小鼠大肠组织、肺部组织切片和无标记胶质细胞实验证实了该便携装置能实现密集排列组织的单帧高质量图像重建。针对动态目标,该装置能直接对活体海拉细胞培养皿进行活体成像,并完成了细胞迁移、衰亡等现象的动态观测。
任江豪[3]（2021）在《机器视觉螺纹参数测量算法与评价技术研究》文中研究表明螺纹作为工业生产中最常用的连接方式之一,其几何参数的测量精度对精密机械的性能有很大的影响。随着精密制造技术的发展,对螺纹的制造精度提出了越来越高的要求,传统螺纹参数检测方法检测效率和检测精度越来越难以满足现代工业需求。通过建立螺纹牙型失真模型,分析牙廓失真对螺纹参数的影响,对螺纹的中径和牙型角测量结果进行补偿。最后研究了外螺纹参数的测量算法,并且通过对比实验进行验证。本文的主要研究内容包括以下几个方面:（1）通过对螺纹单项测量方法和综合测量方法的分析,给出了机器视觉螺纹参数测量算法及实验验证方案。（2）研究了螺纹图像的处理方法,使用清晰度评价函数确定对焦时的螺纹图像,中值滤波平滑图像,阈值分割得到二值化图像,Canny边缘检测算法提取螺纹边缘。对螺纹边缘失真原因进行分析,推导了螺纹失真牙廓直线方程,建立螺纹边缘失真数学模型。（3）利用Harris算法检测角点,最小二乘法拟合螺纹牙廓,得到了螺纹多个参数的计算方法,并且对牙型失真后中径和牙型角补偿公式进行了推导。（4）进行了图像标定,并对不同规格、不同型号的螺纹塞规进行对比实验。实验结果显示,该参数检测算法满足测量的重复度和稳定性要求。最后评价了螺纹参数测量的不确定度,说明了测量结果的可靠性。本文以圆柱外螺纹为测量对象,建立了螺纹牙廓失真几何模型,推导了机器视觉螺纹参数算法及补偿公式,经过图像标定和对比试验,证明所提出的机器视觉参数测量方法和补偿算法满足螺纹测量要求。
孟宇[4]（2021）在《钢轨廓形动态在线检测系统研究》文中指出随着我国高铁技术的发展与成熟,列车速度越来越快,各地区之间往来沟通愈加便捷,极大地便利了人们的出行与货物运输,但是同时高速行驶的列车对钢轨带来了较大的接触压力,为了保障行车安全,铁路部门对钢轨的尺寸质量提出了严格要求。目前各大钢厂与焊轨基地主要采用人工测量方法进行出厂钢轨的质量检测,作为接触式测量方法,人工测量方法存在范围小、效率差、精度低等缺点,且容易受主观因素影响,造成错查、漏查等情况,而且缺乏数据支撑,无法复查比对,严重影响钢轨生产效率。本文基于结构光三角测量原理设计了一种搭载组合传感器的钢轨廓形动态在线检测系统,替代人工完成钢轨在运动条件下的全断面轮廓重现和尺寸测量以及合格判定,实现无接触、高效、高精度、智能化的钢轨几何尺寸检测。本文主要研究内容以及成果如下:1.本系统采用4个3D智能传感器建立多传感器全方位钢轨检测模型,基于结构光三角测量获取光条覆盖断面的图像坐标,经过传感器标定完成同一坐标系下钢轨分散轮廓的融合。提出一种基于最小距离约束的轮廓配准拼接方法实现钢轨全断面轮廓的重现,最后采用加权最小二乘拟合与迭代优化方法对钢轨不规则廓形进行分段拟合,获取轮廓的特征点完成钢轨几何尺寸参数的高精度测量以及合格判定。2.本系统模拟现场产线输送辊道搭建了驱动轮结合同步轮轨的机械传动系统,实现钢轨快速前进状态下的稳定测量,大大提高了测量效率。3.本系统针对光照、温度、灰尘、振动等影响进行了一系列改进设计,保证系统测量精度。本文分别通过静态比测与动态重复性测量验证系统精度与稳定性,分别得到静态最大对比误差0.06mm,动态重复误差为0.06-0.09mm,满足钢轨质量检测要求,证实本系统的稳定性、准确性、实用性以及便捷性。而且本系统算法精简,系统完善,操作简单,为钢轨全断面轮廓检测提供了理论与实际参考价值。
谭恒[5]（2021）在《基于双视图像的带式输送机异常状态检测》文中研究说明我国是煤炭开采与消费大国,煤炭企业的安全生产支撑着国民经济的稳定发展。带式输送机作为煤矿生产中的关键运输设备,经常处在高负荷运转状态下,加之矿井生产环境复杂恶劣,输送带在遇到异物摩擦、金属工具阻塞、托辊结构发生变化等因素下,容易发生输送带纵向撕裂和跑偏故障。输送带纵向撕裂会引起输送带局部温度过高,增加引发火灾的几率。输送带跑偏会造成输送机堆煤现象,进一步引起运输巷道封堵、输送带摩擦断裂、矿井火灾等事故。因此需要研究设计一套可以检测煤矿带式输送机异常状态的检测系统,保障带式输送机在生产作业时平稳安全运行。系统采用两个工业相机组成双目视觉成像系统,在辅助光源的作用下采集输送带图像,通过对两个相机拍摄的图像进行图像拼接来获得具有完整输送带视角的图像数据。由于煤矿下光照不足以及粉尘过多,导致采集的输送带图像质量较差,本文设计了图像预处理方案,对在煤矿井下采集到的图像进行噪声滤除、灰度增强、提高对比度等措施,同时对相关算法进行改进与性能提升,使采集到的输送带图像可以满足后续故障检测要求。针对输送带故障识别判定,分别设计了输送带纵向撕裂和输送带跑偏故障的检测方案。通过对输送带发生撕裂时图像中的几何特征进行分析,设计检测方案,优化相关算法,实现对几何特征的提取识别,达到检测的目的;通过提取输送带边缘直线并获取边缘直线的位置信息,计算输送带边缘的斜率以及与输送机支架的相对位置,实现对输送带跑偏故障的检测。同时,对Canny算法提出改进方法,经实验证明,改进后的算法可以极大地提升边缘检测效果。在检测系统的软件实现方面,搭建基于VS2015和Open CV3.4.0的软件开发环境,根据API函数接口实现计算机对可编程相机进行捕捉和调用;其次采用C++编程语言编写图像处理算法和故障识别算法程序,对输送带图像中的故障特征进行识别判定;最后结合MFC应用程序框架,编写上位机远程监控界面,同时结合MFC ODBC数据库功能实现对故障数据的保存和管理,以便于后于进行故障成因分析,可以更好地预防输送带故障。最后,在搭建模拟实验平台,实现整个检测系统的基础上,对各个子系统功能开展实验测试与性能分析,结果表明系统可以准确地检测出输送带撕裂状态下的图像角点与直线特征,实现对输送带纵向撕裂的检测;对改进后边缘检测算法进行性能分析,实验结果表明,经算法处理后的图像C/A值和C/B值较原算法有了很大的改进,可以准确检测出输送带边缘位置信息,实现对跑偏故障的准确识别。整个检测系统的算法运行时间在25ms-30ms之间,可以满足系统的实时性要求。本课题的研究可以提高煤矿带式输送机的运行平稳性,对输送带故障监控和保障煤矿生产效率具有重要意义。
王冠然[6]（2021）在《基于单目视觉的汽车列车制动时序检测方法研究》文中研究说明随着我国交通事业的发展,汽车越来越多的被应用于物流工程以及城际交通,汽车列车因其燃油经济性更高,便于模块化运输等优点,在当今的物流工程中占据主要地位。国家标准规定,高速公路允许半挂汽车列车与中置轴汽车列车行驶,这进一步促进了我国汽车列车的发展。相较于普通乘用车与商用车,汽车列车的动力学模型更复杂,在制动过程中容易出现由于牵引车与挂车各轴间制动不同步导致的甩尾、推头、拖拽等制动失稳现象。制动时序检测即检测汽车列车的轴间制动顺序,解析汽车列车的制动状态,以确定是否需要对制动系统调整甚至维修。针对制动时序的检测,国家标准中也提出明确要求,因此提出一种基于单目视觉的汽车列车制动时序检测方法是必要的。首先借助轮胎模型对滑移率与轮胎制动力的关系进行了分析,采用滑移率达到20%的时间表征汽车列车轴间制动时序。分析滑移率求解公式得知,求解轮胎滑移率需要获取汽车列车轮胎的平动速度及转动速度,采用视觉检测轮胎边缘标志物的方式获取平动速度与转动速度,通过分析轮胎边缘点在轮胎滚动过程中形成的摆线轨迹,求解轮胎滑移率。同时,轮胎转动角度求解部分采用两个成180度的标志物,提高标志物转动角度的检测精度。针对提出的检测方法设计了单目视觉汽车列车制动时序检测系统的空间布置方案、系统硬件方案以及检测流程方案。图像处理部分,考虑到同一视场内标志物的个数过多,采用模板匹配对轮胎标志物识别,提高检测精度。为提高模板匹配的准确率,选用黑白相间的同心圆作为标志物。在图像预处理方面,采用中值滤波与冲击滤波对图像去噪与锐化,提高图像中标志物的对比度。采用Blob分析获取标志物区域,采用基于轮廓的模板匹配算法识别待匹配图像中的标志物区域。为验证匹配效果,借助模板匹配算子输出的定位信息将模板图像的亚像素轮廓转换到匹配区域,模板亚像素轮廓与匹配区域的标志物边界基本重合,说明匹配精度较高。为判断匹配准确性,提取匹配区域不同亚像素轮廓内图像的平均灰度差值,与设置的灰度差阈值比较。为了提高图像采集的精度,采用张氏标定法标定相机,进行相机标定试验,从重投影误差、多次试验获取的内参数矩阵稳定性以及畸变矫正后棋盘格上同一边角点间线性关系三方面说明相机标定效果,提出相机空间定位方案。最后对提出的滑移率求解公式进行检定试验,试验结果表示,视觉检测转速识别误差在3.3%以下,滑移率求解误差在4.2%以下。为验证汽车列车制动时序检测方法的有效性,进行汽车列车制动时序检测实车试验,选用三辆汽车列车分别进行五组试验进行验证,并对试验结果进行分析。
叶林生[7]（2021）在《基于机器视觉的贴面板材封边缺陷在线检测系统的研究》文中进行了进一步梳理贴面板材是定制家居行业最常用的成品板材,约占70%以上。在贴面板材的生产过程中,板材封边的质量直接影响了成品板材的品质优劣。现今,板材封边后的质量检测任务绝大部分依靠质检员目测完成。但该方法检测速度慢、精度低并且结果不稳定。本文致力于研究出一套基于机器视觉的板材封边缺陷检测系统,以达到较高的缺陷检测精度、并且能稳定地输出检测结果。本文首先分析了机器视觉系统的各组成要件和缺陷检测中的主流算法,研究不同设备和算法的使用场景。根据课题实际要求,使用接触式图像传感器来设计图像采集系统,并选用深度学习目标检测算法作为板材缺陷的检测算法。根据板材特性和系统技术指标,本文使用了接触式图像传感器结合机械运动实验平台搭建了视觉成像系统。本文研究了接触式图像传感器的成像特性,根据其特性设计出成像系统的安装方案。并且设计出一套集图像采集功能和缺陷检测功能的上位机程序,用以控制图像采集和缺陷检测过程中的参数。在实验平台上,该成像系统能采集到对比度高,亮度均匀的优质图像。本文分析了数据集的缺陷特征,并对缺陷进行了详细的分类。深入研究了深度学习目标检测网络的结构和作用,研究其损失函数的组成;并且结合数据集处理、预训练模型以及梯度下降法等方法对网络进行训练。最后根据深度学习网络的特性和本文数据集的实际情况提出了几种深度学习网络的改进方法,并设置对照实验验证了各个实验条件的作用。在离线算法验证中,深度学习网络能达到较好的检测性能,多个实验条件下训练的模型的准确率和召回率都达到90%以上。最后,本文将成像系统和检测算法结合起来进行缺陷的在线检测。经过实验证明,本文研究出的视觉缺陷检测系统能够适应自动化生产线30m/min的运行速度进行在线缺陷检测,在实验平台上稳定运行,并且能达到较高的检测精度。
张桂堂[8]（2021）在《基于机器视觉的重型输送带纵向撕裂检测技术研究》文中研究说明带式运输机作为一种最为常用的矿石、煤炭以及港口货物运输工具,在工业生产中发挥了巨大的作用。而重型输送带作为带式运输机成本构成中最为昂贵的部分,却总是因为货物的长期磨损,货物的惯性冲击以及货物尖端的切割造成本身的纵向撕裂。这种纵向撕裂一旦产生,如果不能对其进行及时的检测,将会对企业造成极大的经济损失和人员伤亡。本文针对输送带表面纵向撕裂故障难以检测的问题,提出了一种基于机器视觉的重型输送带纵向撕裂检测技术。该技术采用CCD相机与红色线性激光设备相配合的方法对输送带表面信息进行采集。由于红色线性激光设备的加入,使得目标区域与背景区域的对比度增加,同时将直接检测图像的纵向撕裂源转化为检测红色激光线条的局部畸变,很大程度上降低了检测的难度,提高了检测的精度和速度。其次,使用上述检测系统,拍摄的原始图像中很大一部分属于背景区域,真正对于撕裂结果判断有用的目标区域仅为很小一部分。针对这种情况,本文提出了一种改进Otsu阈值分割算法和一种基于方向模板的灰度重心二次提取算法,从而快速,准确的检测到红色激光线条的畸变区域,进而确定输送带是否发生纵向撕裂。本研究首先前往矿场进行实地勘察,对于各种可能存在的环境因素进行记录,然后在工厂搭建实验装置,设计了包括图像采集,图像传输,图像处理在内的各种硬件设备和电路,保证了数据传输的稳定性和高效性。此外该系统使用MATLAB作为软件开发平台,对采集到的图像进行分析和处理。最后,将基于先验知识的光条区域分割技术与本文设计的检测算法进行结合,使得检测系统的性能更加优异。通过多次实验,模拟各种情况下的输送带纵向撕裂情形,实验结果显示该系统可以较为高效,准确的检测到纵向撕裂源,基本实现了预期的目的。
高文洲[9]（2021）在《基于机器视觉的高速道岔尖轨检测系统设计》文中研究表明近年来,我国高速铁路事业迅猛发展,铁路各检测项目逐渐精细化,检测要求也不断提高,以往针对铁路钢轨检测研究较多,现在高速道岔检测也逐渐被重视。随着检测要求越来越高,检测手段也趋于多元化,检测设备紧跟技术发展,趋于智能化,信息化,越来越多先进的检测技术被应用于铁路检测项目,其中,机器视觉技术已经成为高速道岔检测方面的热门之一。尖轨是高速道岔的重要组成部分,其表面结构复杂并且检测精度要求更高。现阶段国内针对道岔组成部分的各项检测任务仍由人工完成,其工作效率低,误检率高,国外研究起步早,已有专门的检测小车承担检测任务,但是由于价格昂贵,知识产权等方面原因,难以在国内各个铁路部门普及,所以,国内发展高速道岔检测势在必行。本文针对这一情况,借鉴各位学者和机构的应用经验及机器视觉方面知识,对高速道岔尖轨轮廓检测进行了研究。本文首先对高速道岔尖轨检测系统总体方案进行了设计布局,对系统用到的传感器进行了分析比较,确定三大核心传感器型号,确定图像采集模块核心硬件相机和激光器型号。对系统标定进行了研究,详细介绍了标定过程中四大坐标系之间的转换关系,对比主流相机标定方法的优缺点,最终确定采用张正友标定法,求解系统中相机内外参数及畸变参数。然后以Open CV软件为平台,进行一系列的图像处理,针对机器视觉中核心的图像处理算法,通过对算法原理、图像处理结果和对比分析三方面进行了研究,最终确定了适合本课题需求的图像滤波去噪、图像阈值分割、图像边缘检测方法。为了获取高质量的光条纹中心线,选择了亚像素激光条纹中心点提取的自适应优化方法,然后在获得激光条纹的二次加权重心的基础上,采用了自适应优化方法,提取高精度尖轨轮廓条纹中心线。使用Solidworks软件对高速道岔尖轨检测小车实体建模,对整体结构进行了布置设计,以VS2017,Open CV3.4.2,C++为软件开发平台,基于MFC操作平台设计了检测系统软件部分,软件部分采用模块化设计,具有系统标定、图像采集、图像处理、结果显示等功能。最后,求得相机内外参数和畸变系数,采用基于SURF的图像拼接技术将采集到的内外侧图像拼接成完整的尖轨轮廓。
吴浩杰[10]（2021）在《基于图像测量的三轴土样变形特性研究》文中进行了进一步梳理土工三轴试验是测试土体强度、应力应变特性的重要手段,由于端部约束、端部接触问题的影响,常规土工三轴试验难以准确反映出土样的实际应力应变特征。本文将基于图像的三维重建技术运用到土工三轴试验中,通过基于图像的三维重建技术对三轴土样的变形进行非接触式三维测量,为实现土样变形的准确测量寻求一种新的测量方法。具体研究结果如下:（1）探讨了基于图像的三维重建技术的基本原理,将图像测量技术运用到土工三轴试验中时,空气、有机玻璃压力室、水造成的折射效应会引起图像测量的误差。总结了常见的折射校正方法,建立了基于光线追踪的三维折射模型修正折射误差,通过消除折射后的土样三维模型提取土样的变形信息。（2）通过空气中的精度验证试验以及三轴试验的模拟试验对图像测量技术在三轴试验中的测量精度进行探讨,并对影响测量精度的因素展开讨论。试验结果表明:图像测量技术在空气中的测量精度为0.02 mm;利用基于光线追踪的三维折射模型能有效地减小折射造成的图像测量误差,修正后的轴向测量平均误差为0.144 mm,径向测量平均误差为0.140 mm,满足三轴试验要求。相机成像误差、三维折射校正误差是造成测量误差的主要影响因素,通过相机校正、补光处理、优化三维折射校正模型等措施以大大的提高图像测量技术在土工三轴试验中的测量精度。（3）在不固结不排水三轴剪切试验中同时运用常规测量方法和图像测量方法对土样的轴向变形和径向变形进行测量,对两种测量方法的分析对比表明:常规测量方法测量得到整体变形不能很好的反映出土样的实际变形,借助基于图像的三维重建技术构建土样的三维模型,提取土样的变形信息,更真实的反映出土样的不均匀变形,获取土样更真实的应力-应变特征。（4）通过图像测量的三维重建技术追踪三轴土样的剪切破坏过程,试验结果表明:土样的剪切破坏由土样的局部应变发展演化,最终形成具有一定方向和宽度、贯穿土样的不均匀变形带。利用图像测量技术对土样的局部变形进行测量,克服了常规三轴试验难以实现的土样局部变形测量,为土样的局部化研究提供一种新的测量手段。
二、接触式图像传感器在图像采集中的应用（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、接触式图像传感器在图像采集中的应用（论文提纲范文）
（1）局部遮挡和模糊场景下的手背静脉识别算法研究（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 手背静脉识别系统国内外研究现状 |
| 1.2.1 手背静脉图像采集装置 |
| 1.2.2 感兴趣区域提取算法 |
| 1.2.3 手背静脉特征提取与识别 |
| 1.3 目前存在的主要问题 |
| 1.4 本文研究内容及章节安排 |
| 第2章 静脉图像采集装置搭建及感兴趣区域提取 |
| 2.1 引言 |
| 2.2 静脉生理特性及图像采集原理 |
| 2.3 手背静脉图像采集装置搭建 |
| 2.4 手背静脉图像数据库 |
| 2.4.1 握拳式手背静脉图像数据库 |
| 2.4.2 纹身手背静脉图像数据库 |
| 2.4.3 伸开式手背静脉图像数据库 |
| 2.5 感兴趣区域提取 |
| 2.5.1 基于维诺图的感兴趣区域提取 |
| 2.5.2 基于三角剖分的感兴趣区域提取 |
| 2.5.3 性能评价指标 |
| 2.5.4 实验结果与分析 |
| 2.6 本章小结 |
| 第3章 局部遮挡手背静脉识别 |
| 3.1 引言 |
| 3.2 生物图匹配算法 |
| 3.3 改进的生物图匹配算法 |
| 3.4 实验结果与分析 |
| 3.4.1 人工局部遮挡静脉图像数据库 |
| 3.4.2 算法性能对比与分析 |
| 3.5 本章小结 |
| 第4章 模糊手背静脉识别 |
| 4.1 引言 |
| 4.2 局部相位量化算法 |
| 4.3 多尺度重叠分块局部相位量化算法 |
| 4.4 实验结果与分析 |
| 4.4.1 人工模糊静脉图像数据库 |
| 4.4.2 算法性能对比与分析 |
| 4.5 本章小结 |
| 第5章 局部遮挡-模糊手背静脉识别 |
| 5.1 引言 |
| 5.2 RootSIFT与RANSAC算法简介 |
| 5.2.1 RootSIFT算法 |
| 5.2.2 RANSAC算法 |
| 5.3 基于图像分层的RootSIFT特征点提取与匹配算法 |
| 5.3.1 RootSIFT特征点提取与层内匹配 |
| 5.3.2 RootSIFT特征点筛选 |
| 5.4 实验结果与分析 |
| 5.4.1 局部遮挡-模糊静脉图像数据库 |
| 5.4.2 算法性能对比与分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简介及攻读博士学位期间的研究成果 |
| 致谢 |
（2）基于多距离相位恢复的无透镜计算显微成像技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.2 无透镜显微成像技术研究现状 |
| 1.2.1 无透镜成像系统发展现状 |
| 1.2.2 分辨率增强技术研究现状 |
| 1.2.3 单帧快速成像技术研究现状 |
| 1.3 本研究领域存在的科学问题与关键技术问题 |
| 1.4 本文主要研究内容 |
| 第2章 多距离相位恢复参数失配校正 |
| 2.1 引言 |
| 2.2 多距离相位恢复基本原理 |
| 2.3 倾斜照明校正 |
| 2.3.1 倾斜衍射模型 |
| 2.3.2 基于倾斜衍射的多距离相位恢复算法 |
| 2.3.3 基于倾斜衍射的图像配准算法 |
| 2.4 样品衍射距离标定 |
| 2.4.1 数字准焦策略 |
| 2.4.2 准焦曲线步长选取 |
| 2.4.3 基于散斑照明的自动准焦方法 |
| 2.4.4 基于梯度奇异值融合的数字准焦算法 |
| 2.4.5 自动准焦成像实验验证 |
| 2.5 本章小结 |
| 第3章 双平面相位恢复算法 |
| 3.1 引言 |
| 3.2 基于加权反馈的收敛加速算法 |
| 3.2.1 加权反馈迭代格式 |
| 3.2.2 收敛加速数值仿真 |
| 3.2.3 实验验证 |
| 3.3 基于自适应支撑反馈约束的双平面相位恢复 |
| 3.3.1 自适应支撑约束迭代格式 |
| 3.3.2 双平面成像数值仿真 |
| 3.3.3 实验验证 |
| 3.4 基于全变分范数正则化的双平面相位恢复 |
| 3.4.1 全变分最小化约束推导 |
| 3.4.2 双平面成像数值仿真 |
| 3.4.3 实验验证 |
| 3.5 本章小结 |
| 第4章 基于非线性相位恢复的单帧成像方法 |
| 4.1 引言 |
| 4.2 多波长相位恢复算法 |
| 4.2.1 LED光源相干性调制 |
| 4.2.2 基于梯度下降的多波长相位恢复 |
| 4.2.3 实验验证 |
| 4.3 单帧相位恢复算法 |
| 4.3.1 单帧衍射成像原理 |
| 4.3.2 基于快速迭代收缩阈值优化的单帧相位恢复 |
| 4.3.3 单帧成像数值仿真 |
| 4.3.4 实验验证 |
| 4.4 本章小结 |
| 第5章 系统实验结果与分析 |
| 5.1 引言 |
| 5.2 基于多方向照明双平面探测的亚像素成像实验 |
| 5.2.1 实验装置 |
| 5.2.2 多方向照明像素超分辨 |
| 5.2.3 双平面图像重建 |
| 5.2.4 彩色成像 |
| 5.3 基于非线性相位恢复的单帧快速成像实验 |
| 5.3.1 实验装置 |
| 5.3.2 横向分辨率测试 |
| 5.3.3 生物切片成像 |
| 5.3.4 活体细胞成像 |
| 5.3.5 活体线虫成像 |
| 5.3.6 像素超分辨成像 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（3）机器视觉螺纹参数测量算法与评价技术研究（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 螺纹检测技术的国内外研究现状 |
| 1.2.1 接触式螺纹测量技术现状 |
| 1.2.2 螺纹非接触式测量技术现状 |
| 1.3 螺纹图像检测技术研究现状 |
| 1.4 本文研究内容 |
| 第2章 螺纹测量基础与参数评价实验方案 |
| 2.1 螺纹参数测量基础 |
| 2.1.1 螺纹参数综合测量 |
| 2.1.2 单项测量仪 |
| 2.1.3 影像法 |
| 2.2 螺纹参数测量方法对比 |
| 2.3 实验方案的确定 |
| 2.3.1 实验对象和仪器 |
| 2.3.2 机器视觉检测原理 |
| 2.3.3 影像测量仪GIM80A的硬件组成 |
| 2.4 本章小结 |
| 第3章 螺纹图像处理与分析 |
| 3.1 图像采集方法 |
| 3.2 自动聚焦原理 |
| 3.2.1 图像清晰度评价函数 |
| 3.2.2 图像清晰度评价实验 |
| 3.3 图像预处理 |
| 3.3.1 图像平滑 |
| 3.3.2 图像分割 |
| 3.4 图像边缘提取 |
| 3.5 螺纹牙型失真分析 |
| 3.5.1 螺纹牙型失真原因 |
| 3.5.2 螺纹图像失真原理 |
| 3.5.3 螺纹图像失真数学模型的建立 |
| 3.5.4 螺纹曲线修正模型验证 |
| 3.6 本章小结 |
| 第4章 机器视觉螺纹参数检测求取算法 |
| 4.1 螺纹图像偏斜问题研究 |
| 4.1.1 螺纹偏斜问题分析 |
| 4.1.2 螺纹图像修正 |
| 4.2 牙型角 |
| 4.2.1 螺纹牙侧边缘拟合 |
| 4.2.2 牙型角算法 |
| 4.2.3 垂直投影测量条件下牙型角补偿 |
| 4.3 中径 |
| 4.3.1 螺纹中径算法 |
| 4.3.2 垂直投影测量条件下中径的补偿 |
| 4.4 螺距 |
| 4.5 大径、小径 |
| 4.5.1 角点检测 |
| 4.5.2 大径、小径求取方法 |
| 4.6 本章小结 |
| 第5章 实验分析与不确定度评定 |
| 5.1 系统标定 |
| 5.2 螺纹参数测量结果分析 |
| 5.3 螺纹参数测量不确定度 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的科研成果 |
| 致谢 |
（4）钢轨廓形动态在线检测系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究方法 |
| 1.2.1 接触式机械测量 |
| 1.2.2 非接触式光学测量 |
| 1.2.3 结构光三角测量法 |
| 1.3 研究现状 |
| 1.4 论文结构 |
| 第2 章 系统设计 |
| 2.1 系统结构设计 |
| 2.1.1 静态机械结构设计 |
| 2.1.2 动态机械结构设计 |
| 2.1.3 图像采集模块 |
| 2.1.4 中心处理模块 |
| 2.2 系统工作流程 |
| 2.3 系统应用优势 |
| 第3 章 检测原理 |
| 3.1 结构光三角测量原理 |
| 3.1.1 直射式三角测距 |
| 3.1.2 斜射式三角测距 |
| 3.1.3 三角测量原理 |
| 3.2 传感器标定 |
| 3.3 轮廓拼接 |
| 3.4 本章小结 |
| 第4 章 测量方案 |
| 4.1 60N钢轨介绍 |
| 4.2 60N钢轨尺寸标准 |
| 4.3 60N钢轨尺寸测量 |
| 4.3.1 轮廓拟合 |
| 4.3.2 尺寸测量方法 |
| 4.4 本章小结 |
| 第5 章 软件设计 |
| 5.1 编程软件 |
| 5.2 系统界面 |
| 5.3 数据库操作 |
| 5.4 系统软件工作流程 |
| 5.5 本章小结 |
| 第6 章 实验对比分析 |
| 6.1 精度提升 |
| 6.1.1 影响精度的因素 |
| 6.1.2 精度改进方法 |
| 6.2 对比试验 |
| 6.2.1 静态实验 |
| 6.2.2 动态实验 |
| 6.3 结果分析 |
| 6.4 本章小结 |
| 第7 章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（5）基于双视图像的带式输送机异常状态检测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究状况分析 |
| 1.2.1 输送带纵向撕裂检测研究现状 |
| 1.2.2 输送带跑偏故障检测研究现状 |
| 1.2.3 机器视觉发展研究现状 |
| 1.3 论文研究内容和结构安排 |
| 第二章 输送机异常检测系统方案设计 |
| 2.1 输送机检测系统结构 |
| 2.1.1 检测系统结构设计 |
| 2.1.2 双视成像系统原理分析 |
| 2.2 检测系统硬件选型 |
| 2.2.1 图像采集装置 |
| 2.2.2 辅助光源选型 |
| 2.3 双视图像拼接方法与实验验证 |
| 2.3.1 重叠区域推导 |
| 2.3.2 重投影面选择与图像拼接实现 |
| 2.4 图像预处理算法研究与实验分析 |
| 2.4.1 图像中值滤波原理分析 |
| 2.4.2 图像均值滤波原理分析 |
| 2.4.3 均值滤波算法改进方案与实验验证 |
| 2.4.4 图像增强方法与实验验证 |
| 2.5 本章小结 |
| 第三章 输送带纵向撕裂检测方案设计 |
| 3.1 输送带纵向撕裂特征分析 |
| 3.2 输送带撕裂图像灰度变换 |
| 3.2.1 图像线性灰度变换 |
| 3.2.2 图像分段线性灰度变换 |
| 3.2.3 图像非线性灰度变换 |
| 3.3 输送带纵向撕裂故障特征检测 |
| 3.3.1 角点特征检测方法及实验验证 |
| 3.3.2 直线特征检测方法及实验验证 |
| 3.4 输送带纵向撕裂故障定位 |
| 3.5 本章小结 |
| 第四章 输送带跑偏故障检测方案设计 |
| 4.1 输送带跑偏故障特征分析 |
| 4.2 输送带跑偏图像边缘提取 |
| 4.2.1 边缘直线检测算法 |
| 4.2.2 Canny检测算法原理分析 |
| 4.2.3 Canny检测算法改进与性能提升研究 |
| 4.2.4 改进Canny检测算法实验对比 |
| 4.3 输送带跑偏故障判定方法 |
| 4.3.1 输送带扭曲故障判定 |
| 4.3.2 输送带偏移故障判定 |
| 4.4 本章小结 |
| 第五章 系统软件结构方案设计与实验验证 |
| 5.1 系统软件结构设计 |
| 5.2 OpenCV基本架构 |
| 5.2.1 OpenCV概述 |
| 5.2.2 OpenCV基本架构 |
| 5.3 软件开发环境配置 |
| 5.3.1 CCD相机配置与编程 |
| 5.3.2 MFC框架与环境配置 |
| 5.4 上位机软件界面设计 |
| 5.4.1 登录界面设计 |
| 5.4.2 检测系统主界面设计 |
| 5.5 系统测试运行与实验结果分析 |
| 5.5.1 实验平台搭建与测试 |
| 5.5.2 改进Canny算法性能分析 |
| 5.5.3 故障检测算法性能实验分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（6）基于单目视觉的汽车列车制动时序检测方法研究（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 关键技术研究现状 |
| 1.2.1 制动时序国内外研究现状 |
| 1.2.2 机器视觉国内外研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 本章小节 |
| 第2章 制动时序检测方法理论分析及方案设计 |
| 2.1 基于滑移率辨识的汽车列车制动时序求解方法 |
| 2.1.1 基于滑移率辨识的制动时序检测合理性分析 |
| 2.1.2 纵向滑移率影响因素分析 |
| 2.2 轮胎滑移率求解方法 |
| 2.2.1 基于摆线运动轨迹的轮胎滑移率求解方法 |
| 2.2.2 轮胎转动角度识别方法选择 |
| 2.2.3 轮胎半径及标志物位置半径求解方法 |
| 2.3 汽车列车制动时序检测系统布置方案设计 |
| 2.3.1 汽车列车制动时序检测系统布置 |
| 2.3.2 倾斜角度对滑移率检测影响分析 |
| 2.3.3 汽车列车制动时序检测硬件方案设计 |
| 2.3.4 汽车列车制动时序检测的检测流程设计 |
| 2.4 本章小节 |
| 第3章 基于模板匹配算法的标志物识别算法 |
| 3.1 Halcon图像处理软件介绍以及标志物选取 |
| 3.1.1 Halcon图像处理软件介绍 |
| 3.1.2 Halcon图像处理标志物选取 |
| 3.2 图像预处理 |
| 3.2.1 图像分割及灰度变换 |
| 3.2.2 图像噪声滤波方案选择 |
| 3.2.3 图像锐化 |
| 3.3 Blob分析分割模板区域 |
| 3.3.1 图像形态学处理 |
| 3.3.2 图像动态阈值分割 |
| 3.3.3 连通域分割与特征筛选 |
| 3.4 模板匹配算法 |
| 3.4.1 模板匹配算法原理及分类 |
| 3.4.2 模板建立 |
| 3.4.3 模板匹配 |
| 3.4.4 模板匹配效果显示 |
| 3.4.5 匹配准确度检验 |
| 3.5 本章小结 |
| 第4章 视觉检测系统相机标定及精度验证 |
| 4.1 相机成像原理分析 |
| 4.1.1 相机成像坐标系介绍 |
| 4.1.2 相机线性成像过程原理分析 |
| 4.1.3 相机非线性畸变 |
| 4.2 单目相机标定算法 |
| 4.2.1 张氏标定法原理 |
| 4.2.2 相机参数优化 |
| 4.3 相机标定试验 |
| 4.3.1 棋盘格制作与图像采集 |
| 4.3.2 相机参数优化 |
| 4.3.3 相机标定误差及参数稳定性分析 |
| 4.3.4 单目相机的空间定位方法 |
| 4.4 本章小结 |
| 第5章 制动时序检测方法试验与结果分析 |
| 5.1 滑移率求解方法验证试验 |
| 5.1.1 检定试验硬件介绍 |
| 5.1.2 滑移率识别精度检定 |
| 5.1.3 试验误差因素分析 |
| 5.2 汽车制动时序视觉检测系统组成 |
| 5.2.1 汽车列车制动时序检测系统硬件组成 |
| 5.2.2 汽车列车制动时序检测系统软件设计 |
| 5.2.3 实车试验与结果分析 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 作者简介及在学期间所取得的成果 |
| 致谢 |
（7）基于机器视觉的贴面板材封边缺陷在线检测系统的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本课题研究背景及研究意义 |
| 1.2 家具板材缺陷检测国内外相关研究现状 |
| 1.2.1 国内外板材缺陷检测主要方法 |
| 1.2.2 机器视觉板材缺陷检测方法研究现状 |
| 1.3 本课题研究目标和主要研究内容 |
| 1.3.1 课题研究目标 |
| 1.3.2 主要研究内容 |
| 1.4 本章小结 |
| 第二章 机器视觉成像设备及缺陷检测算法 |
| 2.1 机器视觉系统 |
| 2.2 视觉成像系统 |
| 2.2.1 光源 |
| 2.2.2 相机和镜头 |
| 2.2.3 接触式图像传感器 |
| 2.3 缺陷检测算法 |
| 2.3.1 图像处理缺陷检测算法 |
| 2.3.2 机器学习缺陷检测算法 |
| 2.3.3 深度学习缺陷检测算法 |
| 2.4 项目分析及方法选用 |
| 2.5 本章小结 |
| 第三章 图像采集平台的搭建 |
| 3.1 系统要求分析 |
| 3.1.1 板材特性分析 |
| 3.1.2 系统技术指标 |
| 3.2 实验运动平台搭建 |
| 3.3 成像系统搭建 |
| 3.3.1 图像传感器 |
| 3.3.2 传感器的安装 |
| 3.4 上位机软件 |
| 3.5 本章小结 |
| 第四章 缺陷检测深度学习网络搭建 |
| 4.1 图像数据集的构建 |
| 4.1.1 缺陷类别分析 |
| 4.1.2 缺陷标注 |
| 4.1.3 计算先验框 |
| 4.1.4 图像数据增强 |
| 4.2 深度学习网络的构建 |
| 4.2.1 Backbone模块 |
| 4.2.2 Neck模块 |
| 4.2.3 Head模块 |
| 4.3 损失函数 |
| 4.3.1 位置损失 |
| 4.3.2 置信损失 |
| 4.3.3 类别损失 |
| 4.4 模型训练 |
| 4.4.1 实验计算机配置 |
| 4.4.2 模型训练参数设置 |
| 4.5 缺陷预测 |
| 4.6 评价标准及离线检测结果 |
| 4.6.1 评价标准 |
| 4.6.2 检测结果 |
| 4.7 本章小结 |
| 第五章 网络改进及对照实验 |
| 5.1 损失函数改进 |
| 5.2 网络结构改动 |
| 5.3 NMS改进 |
| 5.4 对照实验 |
| 5.5 缺陷在线检测实验 |
| 5.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间取得的主要成果 |
| 致谢 |
（8）基于机器视觉的重型输送带纵向撕裂检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究的背景 |
| 1.2 课题研究的意义 |
| 1.3 国内外的研究现状 |
| 1.4 输送带纵向撕裂原因研究 |
| 1.5 主要研究内容和章节安排 |
| 2 输送带纵向撕裂检测系统整体设计 |
| 2.1 输送带纵向撕裂检测系统设计方案 |
| 2.1.1 输送带纵向撕裂检测流程 |
| 2.1.2 输送带纵向撕裂检测原理 |
| 2.2 检测系统的设计难点和解决方法 |
| 2.3 输送带纵向撕裂检测系统的可行性 |
| 2.4 本章小结 |
| 3 输送带纵向撕裂检测系统硬件设计 |
| 3.1 图像采集装置 |
| 3.1.1 光源的选取 |
| 3.1.2 相机的选取 |
| 3.1.3 线性激光设备的选取 |
| 3.2 图像传输装置 |
| 3.2.1 串口通信电路设计 |
| 3.2.2 图像压缩编解码技术 |
| 3.3 上位机设备的选取 |
| 3.4 辅助装置 |
| 3.4.1 固定装置 |
| 3.4.2 清洁装置 |
| 3.4.3 保护装置 |
| 3.5 本章小结 |
| 4 输送带纵向撕裂检测算法设计 |
| 4.1 图像预处理 |
| 4.1.1 图像类型的转化 |
| 4.1.2 图像滤波 |
| 4.2 图像分割 |
| 4.2.1 迭代法阈值分割 |
| 4.2.2 支持向量机算法 |
| 4.2.3 最大类间方差法 |
| 4.2.4 改进Otsu阈值分割算法 |
| 4.2.5 实验分析 |
| 4.3 红色激光中心线提取 |
| 4.3.1 灰度重心法 |
| 4.3.2 基于Hessian矩阵的Steger算法 |
| 4.3.3 基于方向模板的灰度重心二次提取算法 |
| 4.3.4 实验分析 |
| 4.4 纵向撕裂源特征分析 |
| 4.4.1 激光条纹中心线相邻像素点间距分析 |
| 4.4.2 激光条纹中心线横向偏移分析 |
| 4.5 本章小结 |
| 5 输送带纵向撕裂检测系统软件设计 |
| 5.1 软件程序开发平台介绍 |
| 5.2 检测算法模块 |
| 5.3 多级报警模块 |
| 5.4 串口通讯模块 |
| 5.5 数据存储模块 |
| 5.5.1 增加内存空间 |
| 5.5.2 降低内存消耗 |
| 5.6 系统软件检测流程 |
| 5.7 本章小结 |
| 6 输送带纵向撕裂检测系统的实现与优化 |
| 6.1 实验设备的搭建 |
| 6.2 实验数据分析 |
| 6.3 基于先验知识的光条区域分割技术 |
| 6.4 实验对比 |
| 6.5 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文及申请的专利 |
（9）基于机器视觉的高速道岔尖轨检测系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 轨道动态检测研究现状 |
| 1.2.2 轨道静态检测研究现状 |
| 1.3 论文各章节安排 |
| 2 高速道岔尖轨检测系统总体方案设计 |
| 2.1 前言 |
| 2.2 总体方案设计 |
| 2.2.1 检测系统总体设计 |
| 2.2.2 检测系统功能介绍 |
| 2.3 主要硬件选型及数据采集原理 |
| 2.3.1 位移传感器 |
| 2.3.2 双轴倾角传感器 |
| 2.3.3 里程编码器 |
| 2.3.4 数据采集卡 |
| 2.3.5 相机及镜头 |
| 2.3.6 激光器 |
| 2.4 本章小结 |
| 3 检测系统标定 |
| 3.1 系统标定介绍及方法确定 |
| 3.2 相机标定模型 |
| 3.2.1 坐标系变换原理 |
| 3.2.2 像素坐标系到图像坐标系的变换 |
| 3.2.3 图像坐标系到相机坐标系的变换 |
| 3.2.4 相机坐标系到世界坐标系的变换 |
| 3.3 相机棋盘格标定 |
| 3.3.1 相机畸变校正 |
| 3.3.2 OpenCV中标定过程 |
| 3.4 本章小结 |
| 4 检测系统图像处理技术 |
| 4.1 图像预处理 |
| 4.1.1 图像灰度化 |
| 4.1.2 图像滤波去噪 |
| 4.1.3 图像阈值分割 |
| 4.2 图像边缘检测处理 |
| 4.2.1 几种边缘检测算子原理比较 |
| 4.2.2 处理结果及对比分析 |
| 4.3 中心线提取 |
| 4.3.1 激光条纹亚像素中心的自适应提取 |
| 4.3.2 条纹中心点的优化 |
| 4.3.3 图像处理结果 |
| 4.4 本章小结 |
| 5 检测系统设计与测试结果 |
| 5.1 硬件结构布置设计 |
| 5.1.1 总体结构布局 |
| 5.1.2 检测小车走行系统设计 |
| 5.1.3 传感器和里程编码器设计 |
| 5.1.4 图像采集系统设计 |
| 5.2 检测系统软件设计 |
| 5.2.1 系统功能分析 |
| 5.2.2 检测模块设计 |
| 5.2.3 检测软件系统实现 |
| 5.3 测试结果 |
| 5.3.1 标定结果 |
| 5.3.2 图像拼接 |
| 5.3.3 图像拼接测试 |
| 5.4 误差分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（10）基于图像测量的三轴土样变形特性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 接触式三轴土样变形测量手段 |
| 1.2.2 非接触式三轴土样变形测量方法 |
| 1.3 主要存在问题 |
| 1.4 本文研究内容 |
| 第2章 基于图像的三维重建技术 |
| 2.1 引言 |
| 2.2 空间物体的三维重构 |
| 2.2.1 单相机成像模型 |
| 2.2.2 双(多)相机成像模型 |
| 2.3 相机检校 |
| 2.4 图像标记识别点 |
| 2.5 本章小结 |
| 第3章 基于光线追踪的三维折射模型 |
| 3.1 引言 |
| 3.2 常见的折射校正方法 |
| 3.3 基于光线追踪的三维折射校正模型 |
| 3.3.1 确定折射界面模型 |
| 3.3.2 光线追踪模型 |
| 3.4 基于图像测量的土样的变形测量计算 |
| 3.5 本章小结 |
| 第4章 图像测量的精度和误差分析 |
| 4.1 引言 |
| 4.2 图像测量的精度 |
| 4.3 图像测量误差因素分析 |
| 4.3.1 相机成像误差 |
| 4.3.2 三维折射校正误差 |
| 4.4 本章小结 |
| 第5章 基于图像测量的红黏土三轴试验 |
| 5.1 引言 |
| 5.2 试验方案 |
| 5.2.1 试验土样 |
| 5.2.2 试验方法 |
| 5.3 试验结果分析 |
| 5.3.1 土样轴向变形分析 |
| 5.3.2 土样径向变形分析 |
| 5.3.3 应力-应变曲线分析 |
| 5.4 本章小结 |
| 第6章 三轴土样剪切过程分析 |
| 6.1 引言 |
| 6.2 基于图像测量的土样剪切过程分析 |
| 6.2.1 基于图像测量的局部变形测量 |
| 6.2.2 土样剪切带的形成与演化 |
| 6.3 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 展望 |
| 参考文献 |
| 个人简历、申请学位期间的研究成果及发表的学术论文 |
| 致谢 |
四、接触式图像传感器在图像采集中的应用（论文参考文献）
- [1]局部遮挡和模糊场景下的手背静脉识别算法研究[D]. 姜守坤. 吉林大学, 2021(02)
- [2]基于多距离相位恢复的无透镜计算显微成像技术研究[D]. 郭澄. 哈尔滨工业大学, 2021(02)
- [3]机器视觉螺纹参数测量算法与评价技术研究[D]. 任江豪. 陕西理工大学, 2021(08)
- [4]钢轨廓形动态在线检测系统研究[D]. 孟宇. 冶金自动化研究设计院, 2021(01)
- [5]基于双视图像的带式输送机异常状态检测[D]. 谭恒. 太原理工大学, 2021(01)
- [6]基于单目视觉的汽车列车制动时序检测方法研究[D]. 王冠然. 吉林大学, 2021(01)
- [7]基于机器视觉的贴面板材封边缺陷在线检测系统的研究[D]. 叶林生. 广东工业大学, 2021
- [8]基于机器视觉的重型输送带纵向撕裂检测技术研究[D]. 张桂堂. 青岛科技大学, 2021(02)
- [9]基于机器视觉的高速道岔尖轨检测系统设计[D]. 高文洲. 兰州交通大学, 2021(02)
- [10]基于图像测量的三轴土样变形特性研究[D]. 吴浩杰. 桂林理工大学, 2021(01)