7个研究背景和意义示例,教你写计算机图像预处理论文

今天分享的是关于图像预处理的7篇计算机毕业论文范文, 如果你的论文涉及到图像预处理等主题,本文能够帮助到你

基于深度学习的假币图像识别

这是一篇关于人民币鉴伪,人民币手机图像,图像预处理,纹理特征,D-S证据理论,深度学习的论文, 主要内容为基于手机图像的人民币真伪鉴别是实现手机拍照鉴别人民币真伪的关键技术,是实现人民币真伪鉴别手机终端化的重要环节。本文以人民币手机图像为研究对象,重点研究了基于丰富纹理的图像去噪、图像校正、基于传统纹理特征的真伪鉴别和基于深度卷积特征的真伪鉴别等工作。具体内容如下:(1)建立了一个真伪人民币数据集。其中真币样本1000张,假币样本137张。在多方协助下,采集了假币原始样本137张,其中全假币50张,左真右假变造币41张,左假右真变造币45张,左真右真变造币1张。(2)设计并实现了一种基于人民币纹理分析的组合中值滤波。针对人民币纹理细节丰富的特点,将人民币图像划分为小块,对每块进行纹理分析,设计了一个量化纹理的纹理复杂因子,当图像块中纹理复杂因子较小时采用大尺寸方形中值滤波,反之则采用小尺寸线性中值滤波。实验结果表明,相比单一的传统中值滤波不仅具有较好的视觉效果,而且在PSNR和SSIM标准下也具有更优的表现。设计了基于理想直线的误差惩罚加权函数,改进了加权最小二乘直线拟合法,对比试验表明该方法能够有效地降低异常点对边缘直线拟合结果的影响。(3)设计并实现了在D-S证据理论框架下融合GLCM纹理特征和Gabor纹理特征的人民币真伪鉴别法。经对比研究选定了人民币图像的防伪区域,利用基于GLCM纹理特征提取法和基于Gabor纹理特征提取法分别对选定区域进行特征提取,然后利用LIBSVM中带RBF核的SVM进行分类,实验结果表明,基于单特征的真伪识别效果欠佳。利用D-S证据理论融合这两种特征,对人民币进行真伪鉴别,对比实验表明,基于D-S多特征融合鉴别法可以有效提升基于单特征鉴别法的识别率,降低其误识率和拒识率。(4)设计并实现了基于VGG-19卷积神经网络的人民币真伪鉴别。使用VGG-19卷积神经网络对人民币特征区域进行特征提取,设计了两个1 X 1卷积层取代全连接层对提取的特征进行融合降维,最后使用LIBSVM中带RBF核的SVM进行分类,实现人民币真伪鉴别。实验对比基于传统特征的真伪鉴别方法,基于卷积神经网络的真伪识别方法不仅具有更高的准确率,而且对于特征区域发生平移等具有更好的容错能力,具有更佳的泛化能力。

基于图像处理的污损硬币检测系统设计

这是一篇关于污损硬币检测,图像预处理,深度学习,FPGA的论文, 主要内容为硬币作为一种使用范围广、流通寿命长的货币,在社会生产过程中具有重要的作用。然而,硬币在长时间的使用和流通过程中,不可避免地会受到一定的污染和损坏,影响硬币的正常使用,需要对污损硬币进行回收。现有的大多数硬币清分机只能对硬币进行鉴伪和清点,不具有检测污损硬币的功能。而人工处理的方式效率较低,且对污损硬币的判定有一定的人为主观性。为了提高污损硬币的检测效率、节约人力成本,采用智能化的污损硬币检测技术替代人工检测是现如今的趋势。本文基于机器视觉与图像处理技术,根据污损硬币检测的特点与需求,设计了一套污损硬币实时检测系统。首先搭建了基于FPGA的硬币图像采集与预处理硬件平台,通过CMOS图像传感器和千兆网接口实现对硬币图像的获取,并重点对硬币图像的预处理算法进行研究。仿真对比分析了不同的图像去噪与图像增强算法,选用中值滤波算法与受限的拉普拉斯增强算法对硬币图像进行预处理操作。在此基础上,对原有的排序与比较算法进行改进,提出了适合硬件实现的方法,提升了图片处理速度并减少了不必要的硬件资源消耗,通过行为级仿真及板级验证证实了所设计模块的正确性和可行性。考虑到传统的污损检测算法准确率较低,本文重点研究基于深度神经网络的污损硬币检测算法。为解决传统的深度神经网络模型复杂度较高的不足,本文提出了基于轻量级网络Mobile Net V1网络的污损硬币检测算法。由于开源的数据库中没有人民币硬币相关的数据集,本文通过图像采集与预处理硬件平台采集原始硬币图像数据,使用数据增强技术建立数据集。将所提算法与基于VGG16和Res Net50网络模型的算法进行对比,通过对比检测结果发现,基于Mobile Net V1网络的污损硬币检测算法对污损硬币的分类准确率最高,可达到100%。此外,网络所采用深度可分离卷积结构能够有效减小模型体量,提高检测速度,适用于污损硬币的快速检测。实验结果表明,本文设计的污损硬币检测系统能够准确实现对污损硬币的识别与检测,对国内硬币清分系统的研究有着积极的影响和一定的工程意义。

基于机器视觉的轴承表面缺陷检测系统研究

这是一篇关于轴承,表面缺陷,机器视觉,图像预处理,缺陷识别的论文, 主要内容为轴承是一种降低转动零件之间摩擦的关键部件。在轴承的实际生产过程中,由于各种因素的影响,会导致其出现各种表面缺陷,进而加速轴承的损坏,导致设备故障。现有的轴承表面缺陷检测多以人工目测为主,这种方式效率低下且存在较高的误检率,难以满足国家对高质量轴承类产品的要求。因此,亟需开发出一套具有检测速度快、自动化程度高的轴承表面缺陷检测系统,本文结合机器视觉技术,围绕轴承表面自动化检测技术及其系统研发展开研究,主要的研究内容如下:针对轴承表面缺陷检测的实际应用需求,设计了一套基于机器视觉的轴承表面缺陷检测系统。该检测系统确定了检测模块的机械结构、机器人视觉设备及轴承的固定安装方式;对该检测系统进行了整体电路分析和局部硬件设计,完成了检测系统的控制电路设计,并基于X-Sight软件开发了检测系统的控制软件。针对轴承表面缺陷定位准确性较差的问题,提出了基于图像识别的缺陷边缘特征提取方法。利用图像灰度化和滤波处理方法对轴承缺陷图像进行预处理,在滤波处理过程中,通过对比Sobel算子和Canny算子的边缘检测效果,提出了一种非极大值来抑制插值的方法,并基于迭代法选取高阈值和择优选取低阈值对Canny算子边缘检测进行了优化,提高了缺陷定位的准确性。针对轴承表面缺陷类型的识别和分割问题,完成了多种类型的轴承表面缺陷检测和识别。通过提取缺陷区域的ROI,对图像进行了二值化和形态学处理,实现了轴承表面缺陷的定位;针对轴承黑皮类缺陷,提出了基于加权类间方差的Otsu算法进行图像分割,该方法提高了获取阈值的准确性和检测效率,获得了更好的图像分割效果;针对磕碰伤类缺陷,采用了局部阈值分割中的动态阈值法实现了缺陷分割,实验结果满足相关要求。最后对分割图像运用形态学方法,实现了缺陷区域的处理和不同特征的提取。最后,基于X-Sight软件开发了检测系统的控制软件。研究了机器人运动轨迹的控制方法,完成了轴承表面缺陷的识别和分拣,并设计了相关实验验证系统的性能,相比于人工检测,该系统有效提高了缺陷检测的准确率和可靠性。

汽车轮胎字符识别方法研究及分组系统设计

这是一篇关于汽车轮胎,字符识别,分组系统,图像预处理,目标定位的论文, 主要内容为汽车轮胎字符是轮胎生产厂家在生产中通过模具压印在轮胎侧表面用于记录参数信息的字符,包含产地、工厂代码和生产日期等信息。为了保证流向市场的轮胎不是存放时间较长轮胎,厂家会在出库之前采用人工识别字符的方式,挑选出存放超过一定期限的轮胎。若轮胎存放超过一定期限,会导致橡胶老化,影响使用安全,对客户及厂家会造成巨大损失。如果采用自动识别技术对轮胎字符进行识别并对超期轮胎分组,则不仅可以减少人力物力的消耗,而且可以实现厂家对轮胎的追溯与管理。针对上述问题,本文设计了汽车轮胎字符识别与分组系统,主要工作内容集中在如下几方面:首先针对工厂仓库环境和轮胎成像特点,对整个系统进行结构设计,并选取合适的相机、镜头和光源等搭建出图像采集装置,对汽车轮胎进行实时采集。对采集到的图像进行图像预处理操作,增强轮胎字符区域与背景区域对比度,并通过极坐标转换将轮胎圆环区域转为矩形区域。之后对轮胎字符进行定位,由于DOT标识字符与被识别字符相对位置固定,通过定位DOT字符来确定被识别字符的位置信息,分别使用模板匹配、Faster R-CNN、Yolov4和改进Yolov4进行定位对比实验。经实验发现,替换Yolov4的主干网络,并引入注意力机制对Yolov4进行改进,对定位速度具有很大提升,每秒传输帧数达到101.4789,准确率达到97.76%,表明改进后的Yolov4对本文轮胎字符定位具有良好效果。其次对定位之后的轮胎字符进行识别,将字符图像提取多种特征送入支持向量机进行模型训练。针对经典LeNet-5网络提出改进,提出了引入BN层,添加Inception模块等改进方法。使用基于支持向量机、LeNet-5网络和改进LeNet-5网络进行识别实验,最终发现改进LeNet-5网络识别准确率有所提高,达到99.4%,相比于经典LeNet-5网络提升了3.3%,识别速度达到64毫秒每张。最后在Qt软件平台进行系统软件设计,系统加载预训练好的模型,可实现在线识别检测,能够在主界面直接查看识别结果和分组结果,并可以将识别数据上传至数据库,实现远程的操作查看,方便轮胎追溯管理。

一种基于ZYNQ的图像预处理系统设计与实现

这是一篇关于图像预处理,ZYNQ,HLS,图像算法的论文, 主要内容为在集成电路技术和计算机技术高速发展的今天,数字图像处理技术的应用深入各行各业,无论是工业检测、卫星遥感还是车载摄像头、实时监控,都需要获得高分辨率、高清晰度的高质量图像。本文针对图像传感器只能输出灰度图像、细节不突出、易受环境光影响出现偏色以及常规图像处理方案处理高分辨率图像运算速度慢、实时性差等问题设计了一套基于ZYNQ的图像预处理系统,有效解决了上述问题。主要内容如下:1.针对图像传感器直接输出图像的各种缺点设计了一种包含去马赛克算法、自动白平衡算法、伽马校正算法以及图像锐化算法的图像预处理算法流水线结构。通过多种算法连续协同处理,实现对图像的有效增强;同时,对流水线节点算法进行改进:针对图像传感器输出的灰度图像,提出了一种改进的融合梯度权值去马赛克算法,能够真实还原图像色彩和细节颜色;在对环境光影响造成的偏色现象研究中,本文采用动态阈值自动白平衡算法,以应对各种场景下的色偏问题;对于伽马校正算法,通过多段函数拟合的方式,使伽马校正算法更便于硬件电路实现;此外,本文提出了一种基于局部对比度图像锐化算法,改善图像模糊现象,能够有效优化图像边缘轮廓和细节信息。2.为了提高系统的开发效率,本文通过高层次综合工具VIVADO HLS对高级编程语言描述的图像预处理算法进行硬件语言描述转换,生成能够在FPGA上运行的算法IP核,并针对各个算法进行硬件加速和电路优化。3.本文采用ZU3EG Ultra Scale+MPSo C作为开发平台,通过软硬件协同设计,搭建了图像预处理系统验证平台,对于高清实时图像处理系统设计具有一定的参考意义。