帶鋼多源圖像融合方法的研究.pdf_第1頁
已閱讀1頁,還剩77頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、帶鋼作為航空航天、造船、汽車、家電等行業(yè)的重要原材料,其表面質(zhì)量將直接影響到最終產(chǎn)品的質(zhì)量和性能。因此,帶鋼表面檢測系統(tǒng)引起了人們的廣泛研究。隨著檢測技術的發(fā)展,以單一圖像采集方式構建的帶鋼表面質(zhì)量檢測系統(tǒng)已不能滿足用戶對帶鋼表面質(zhì)量檢測的需求。多種采集方式構建的相機系統(tǒng)被引入帶鋼檢測系統(tǒng)中,產(chǎn)生了如何綜合多套采集系統(tǒng)所獲取的圖像信息的問題。與此同時,圖像融合技術已被普遍地用來綜合多個采集系統(tǒng)所獲取的圖像信息,并且取得了很好的效果。受此

2、啟發(fā),將圖像融合技術引入到帶鋼表面檢測系統(tǒng)中。
  本課題初步構想了帶鋼多源圖像融合的實施流程。同時在實驗室現(xiàn)有的條件下,研究了不同采集角度下,面陣CCD相機獲取的兩組帶鋼圖像有效融合的問題。本文主要在以下方面做了有益的探索和研究:
  1、本課題對兩種不同角度下獲取的圖像源間整體灰度值存在較大的差異的問題進行了研究。由于這種差異性的存在導致了相同的缺陷在不同的圖像源中呈現(xiàn)出不同的灰度特征,影響了圖像融合的質(zhì)量。本課題對此進

3、行了研究,給出了相應的解決方法,并且通過實驗驗證了該方法的有效性。
  2、對圖像融合算法本身進行了研究。研究了多尺度分析變換工具——條帶波(Bandelet)變換和脈沖耦合神經(jīng)網(wǎng)絡(PCNN),采用Bandelet變換作為圖像源多尺度分解的工具,同時基于PCNN改進模型的融合規(guī)則,提出了Bandelet-PCNN圖像融合的新算法。與常用的圖像融合算法進行了對比實驗,同時結合視覺和客觀的質(zhì)量評價參數(shù)對融合后圖像進行評價,證明了該方

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論