基于压敏电阻图像的目标定位方法研究
发布时间：2021-02-15 13:53
压敏电阻的质量好坏直接影响着它的性能,而计算机识别和人类肉眼识别都是无法从内部结构去看压敏电阻的质量问题,所以外观上的缺陷检测就显得很重要。良好的定位图像中物体的方法是进行缺陷检测必要的步骤。为了更准确地定位和分割压敏电阻图像以实现自动构造深度学习所必须的压敏电阻图像数据集,本文提出了一种基于霍夫变换和数学形态学的压敏电阻主体和针脚的定位和图像分割方法。围绕这个主题,本文的主要工作如下:（1）用实验室提供的同轴光源装置采集压敏电阻图像正面照,以获得消除表面反光的图像。因为压敏电阻存在良品和次品之分,所以最后我们共采集了两种类型的压敏电阻图像。（2）将采集到的压敏电阻图像进行图像的前期预处理。首先对图像进行基于去噪、灰度化和二值化的预处理;然后使用基于圆检测的霍夫变换定位电阻主体;为了进一步分离主体和针脚,先对定位好的主体部分进行边缘查找,然后对主体内部进行背景填充;最后使用数学形态学的腐蚀操作消除主体的边缘痕迹,以定位针脚。（3）最后的实验定位和分割表明,本文提出的方法的实际结果令人满意,具有较好的目标分割效果,有利于提供可靠的深度学习所必须的压敏电阻图像数据集。
【文章来源】： 龚博 桂林理工大学
【文章页数】：54 页
【学位级别】：硕士
【部分图文】：
压敏电阻示例
桂林理工大学硕士学位论文11表2.1去噪性能参数对比图像均值滤波中值滤波中值滤波混合均值滤波3*3窗口5*5窗口3*3窗口5*5窗口3*3窗口5*5窗口PSNRMSEPSNRMSEPSNRMSEPSNRMSEPSNRMSEPSNRMSE133.2334.5535.4322.3130.2343.3331.2345.8934.7245.2337.2339.99232.1638.5634.5631.6530.3445.3230.5646.6533.2246.0234.5642.53330.5655.7732.5556.3230.4547.2333.0247.8731.2347.0537.2345.23431.5538.9434.2333.4531.5545.2231.5250.0132.3345.5536.6641.88531.7856.1230.1252.4529.9942.0334.0146.5234.0546.2335.8942.56632.0145.5432.1243.2331.0149.0132.5647.4735.0549.0535.3247.82730.3345.6831.6745.5432.5545.2332.8948.0332.9947.5539.0247.62831.6650.6733.0243.2332.0246.6634.0545.9933.3345.6640.0148.91（a）添加高斯噪声图像（b）噪声图像的直方图（c）添加高斯噪声图像（d）噪声图像的直方图图2-1添加有高斯噪声的图像和直方图从表2.1得知，在图像添加有高斯噪声和相同尺寸窗口时，经过中值滤波混合均值滤波后，图像的峰值信噪比是高于经过均值滤过、中值滤波处理后的图像的峰值信噪比，而且均方误差也是低于经过均值滤过、中值滤波处理后的图像的均方误差值。中值滤波抑制高斯噪声的效果较差，而中值滤波混合均值滤波去噪处理的效果在窗口尺寸为3*3时救比均值滤波窗口为5*5时的效果明显。由此，中值滤波混合均值滤波去噪效果在对于高斯噪音时，也是最好的选择。
桂林理工大学硕士学位论文12（2）椒盐噪声去噪与添加高斯噪声的步骤一样，统一在相同的8张图像中添加有1500个像素点的椒盐噪声，同样使用窗口尺寸为3*3、5*5的均值滤波、中值滤波、中值滤波混合均值滤波等三种方法，其结果和噪声图像的直方图如下：表2.2去噪性能参数对比图像均值滤波中值滤波中值滤波混合均值滤波3*3窗口5*5窗口3*3窗口5*5窗口3*3窗口5*5窗口PSNRMSEPSNRMSEPSNRMSEPSNRMSEPSNRMSEPSNRMSE130.2369.1531.6346.3131.2323.1332.8120.8930.5445.6534.6226.98232.1660.1634.0645.6532.4420.6231.6626.9930.8246.4235.6225.83329.9955.8532.8546.0132.6519.2334.5618.6231.7348.9537.5325.01431.5568.9436.2350.0130.5522.2232.5220.0131.5150.1535.3530.88531.6866.7631.2249.4529.9925.0333.6123.2230.8551.6336.4629.36631.0165.0433.7247.2334.0121.2132.8625.6729.1349.9635.9927.86734.3355.9833.1748.6433.5525.3332.3221.6328.4647.9839.0728.17831.7659.6332.6247.2335.0220.6934.6519.0929.8648.3638.1128.65（a）添加椒盐噪声图像（b）噪声图像的直方图（c）添加椒盐噪声图像（d）噪声图像的直方图图2-2添加有椒盐噪声的图像和直方图
【参考文献】：
期刊论文
[1]水下气泡光学图像识别方法（英文）[J]. 张浩,李向春,杨倩,吴承璇,雷卓. 红外与激光工程. 2019(03)
[2]一种基于FAsT-Match算法的多靶位定位方法[J]. 陈俊,郑洪源. 计算机科学. 2018(09)
[3]基于目标轮廓几何特征的电容元件定位方法[J]. 倪尧,鲍宇. 计算机工程与科学. 2017(08)
[4]融合深度及边界信息的图像目标识别[J]. 原彧鑫,周向东. 计算机应用与软件. 2017(04)
[5]基于OpenCV的人脸识别系统的研究[J]. 郭中华,苑俊英,伍冯洁,杨智,连亿东. 电子世界. 2016(18)
[6]基于神经网络的车牌图像定位算法[J]. 钟彩,赵武初,杨兴耀. 电脑知识与技术. 2016(14)
[7]模板匹配优化耦合图像校正的旋转工件目标定位算法[J]. 胡明星,王小兰. 组合机床与自动化加工技术. 2016(06)
[8]多特征融合的车牌定位算法[J]. 杨硕,张波,张志杰. 计算机应用. 2016(06)
[9]一种基于图像坐标检测的目标定位方法[J]. 梅鸿翔. 计算机与数字工程. 2016(03)
[10]基于小波分析和多项式细分定位的超分辨率图像重建算法[J]. 贺清碧,黄大荣,杨永琴. 计算机科学. 2016(03)
硕士论文
[1]基于深度学习的路面修补检测的设计与实现[D]. 白胜.北京邮电大学 2019
[2]球形多目标精确实时定位算法研究[D]. 米雅婷.南京大学 2017
[3]雾霾天气下交通标志的检测与识别[D]. 刘振.天津大学 2016
[4]PCB缺陷自动光学检测研究[D]. 徐志超.东北大学 2014
[5]酸对油浸绝缘纸热老化及其介电响应特性研究[D]. 王晓剑.西南交通大学 2014
[6]人脸五官定位算法研究[D]. 李彦君.中北大学 2013
[7]基于局部分析的Hough变换形状检测关键技术研究[D]. 杨苏.燕山大学 2009
本文编号：3034966
【文章来源】： 龚博 桂林理工大学
【文章页数】：54 页
【学位级别】：硕士
【部分图文】：
压敏电阻示例
桂林理工大学硕士学位论文11表2.1去噪性能参数对比图像均值滤波中值滤波中值滤波混合均值滤波3*3窗口5*5窗口3*3窗口5*5窗口3*3窗口5*5窗口PSNRMSEPSNRMSEPSNRMSEPSNRMSEPSNRMSEPSNRMSE133.2334.5535.4322.3130.2343.3331.2345.8934.7245.2337.2339.99232.1638.5634.5631.6530.3445.3230.5646.6533.2246.0234.5642.53330.5655.7732.5556.3230.4547.2333.0247.8731.2347.0537.2345.23431.5538.9434.2333.4531.5545.2231.5250.0132.3345.5536.6641.88531.7856.1230.1252.4529.9942.0334.0146.5234.0546.2335.8942.56632.0145.5432.1243.2331.0149.0132.5647.4735.0549.0535.3247.82730.3345.6831.6745.5432.5545.2332.8948.0332.9947.5539.0247.62831.6650.6733.0243.2332.0246.6634.0545.9933.3345.6640.0148.91（a）添加高斯噪声图像（b）噪声图像的直方图（c）添加高斯噪声图像（d）噪声图像的直方图图2-1添加有高斯噪声的图像和直方图从表2.1得知，在图像添加有高斯噪声和相同尺寸窗口时，经过中值滤波混合均值滤波后，图像的峰值信噪比是高于经过均值滤过、中值滤波处理后的图像的峰值信噪比，而且均方误差也是低于经过均值滤过、中值滤波处理后的图像的均方误差值。中值滤波抑制高斯噪声的效果较差，而中值滤波混合均值滤波去噪处理的效果在窗口尺寸为3*3时救比均值滤波窗口为5*5时的效果明显。由此，中值滤波混合均值滤波去噪效果在对于高斯噪音时，也是最好的选择。
桂林理工大学硕士学位论文12（2）椒盐噪声去噪与添加高斯噪声的步骤一样，统一在相同的8张图像中添加有1500个像素点的椒盐噪声，同样使用窗口尺寸为3*3、5*5的均值滤波、中值滤波、中值滤波混合均值滤波等三种方法，其结果和噪声图像的直方图如下：表2.2去噪性能参数对比图像均值滤波中值滤波中值滤波混合均值滤波3*3窗口5*5窗口3*3窗口5*5窗口3*3窗口5*5窗口PSNRMSEPSNRMSEPSNRMSEPSNRMSEPSNRMSEPSNRMSE130.2369.1531.6346.3131.2323.1332.8120.8930.5445.6534.6226.98232.1660.1634.0645.6532.4420.6231.6626.9930.8246.4235.6225.83329.9955.8532.8546.0132.6519.2334.5618.6231.7348.9537.5325.01431.5568.9436.2350.0130.5522.2232.5220.0131.5150.1535.3530.88531.6866.7631.2249.4529.9925.0333.6123.2230.8551.6336.4629.36631.0165.0433.7247.2334.0121.2132.8625.6729.1349.9635.9927.86734.3355.9833.1748.6433.5525.3332.3221.6328.4647.9839.0728.17831.7659.6332.6247.2335.0220.6934.6519.0929.8648.3638.1128.65（a）添加椒盐噪声图像（b）噪声图像的直方图（c）添加椒盐噪声图像（d）噪声图像的直方图图2-2添加有椒盐噪声的图像和直方图
【参考文献】：
期刊论文
[1]水下气泡光学图像识别方法（英文）[J]. 张浩,李向春,杨倩,吴承璇,雷卓. 红外与激光工程. 2019(03)
[2]一种基于FAsT-Match算法的多靶位定位方法[J]. 陈俊,郑洪源. 计算机科学. 2018(09)
[3]基于目标轮廓几何特征的电容元件定位方法[J]. 倪尧,鲍宇. 计算机工程与科学. 2017(08)
[4]融合深度及边界信息的图像目标识别[J]. 原彧鑫,周向东. 计算机应用与软件. 2017(04)
[5]基于OpenCV的人脸识别系统的研究[J]. 郭中华,苑俊英,伍冯洁,杨智,连亿东. 电子世界. 2016(18)
[6]基于神经网络的车牌图像定位算法[J]. 钟彩,赵武初,杨兴耀. 电脑知识与技术. 2016(14)
[7]模板匹配优化耦合图像校正的旋转工件目标定位算法[J]. 胡明星,王小兰. 组合机床与自动化加工技术. 2016(06)
[8]多特征融合的车牌定位算法[J]. 杨硕,张波,张志杰. 计算机应用. 2016(06)
[9]一种基于图像坐标检测的目标定位方法[J]. 梅鸿翔. 计算机与数字工程. 2016(03)
[10]基于小波分析和多项式细分定位的超分辨率图像重建算法[J]. 贺清碧,黄大荣,杨永琴. 计算机科学. 2016(03)
硕士论文
[1]基于深度学习的路面修补检测的设计与实现[D]. 白胜.北京邮电大学 2019
[2]球形多目标精确实时定位算法研究[D]. 米雅婷.南京大学 2017
[3]雾霾天气下交通标志的检测与识别[D]. 刘振.天津大学 2016
[4]PCB缺陷自动光学检测研究[D]. 徐志超.东北大学 2014
[5]酸对油浸绝缘纸热老化及其介电响应特性研究[D]. 王晓剑.西南交通大学 2014
[6]人脸五官定位算法研究[D]. 李彦君.中北大学 2013
[7]基于局部分析的Hough变换形状检测关键技术研究[D]. 杨苏.燕山大学 2009
本文编号：3034966
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3034966.html
最近更新
教材专著
