基于图像饱和度分量Zernike矩的元件封装识别

发布时间：2021-08-06 22:21

　　针对电子元件的自动检测识别问题,给出一种图像饱和度分量的Zernike矩识别电子元件的新方法。根据电子元件的图像颜色特征,分层提取原始图像的饱和度分量,通过遗传算法对饱和度图像分量进行二值化分割并计算改进的Zernike矩作为元件图像的识别特征,利用切比雪夫与曼哈顿距离加权线性来取代传统的欧氏距离判断相似性,降低相似性判定时的运算时间,从而达到识别元器件外观的目的。实验表明,该方法能够准确地识别待测的元器件封装,可应用于电子元件生产和检测中。 

【文章来源】：科学技术与工程. 2020,20(14)北大核心

【文章页数】：5 页

【部分图文】：

元器件的S分量图像

图像预处理的最终结果

元器件的图像主要取决于其颜色和形状,所以颜色和形状特征结合可以有效地提升对元器件识别的准确率。本文的方法从元器件图像的预处理分割开始,然后是分割后的二值化图像Zernike矩计算和相似性判定3个方面进行介绍。该方法的具体架构如图1所示。2 元件图像预处理

【参考文献】：
期刊论文
[1]基于卷积神经网络的电路板元器件分类算法[J]. 李威,张文亮,蔡立明,余正海,段荣.  黑龙江大学工程学报. 2019(03)
[2]基于灰度共生矩阵和区域生长算法的红外光伏面板图像分割[J]. 洪向共,周世芬.  科学技术与工程. 2018(34)
[3]基于卷积神经网络的电子元器件分类研究[J]. 陈翔,俞建定,陈晓爱,翟影.  无线通信技术. 2018(02)
[4]基于多重判别分析和Zernike矩的目标分类算法[J]. 秦记东,彭华峰.  信息工程大学学报. 2017(06)
[5]基于投影序列质心的不规则形状识别[J]. 曹鹭萌,邓奇根.  科学技术与工程. 2017(28)
[6]改进二维OTSU和自适应遗传算法的红外图像分割[J]. 王坤,张杨,宋胜博,诸葛晶昌.  系统仿真学报. 2017(06)
[7]基于不变矩和SVM的圆形交通标志识别方法研究[J]. 张震,程伟伟,吴磊,张斌.  电子测量与仪器学报. 2017(05)
[8]基于Zernike矩的人眼定位与状态识别[J]. 李响,谭南林,李国正,张驰.  电子测量与仪器学报. 2015(03)
[9]基于显著性模型和区域生长法的药卷缺陷检测[J]. 刘学福,何小敏,许亮,徐海波.  科学技术与工程. 2015(04)
[10]一种基于投影曲线的印刷电路板图像配准方法[J]. 王春萌,韩焱,刘宾.  科学技术与工程. 2015(02)



本文编号：3326583