一种基于图像处理的PCB缺陷智能检测方法

    公开(公告)号:CN109242853A

    公开(公告)日:2019-01-18

    申请号:CN201811310766.4

    申请日:2018-11-05

    CPC classification number: G06T7/0004 G06T5/002 G06T7/136 G06T2207/30141

    Abstract: 本发明公开了一种基于图像处理的PCB缺陷智能检测方法,包括如下步骤:(1)对采集到的图像进行预处理,包括图像增强和图像去噪,以去除在采集过程中存在各种不稳定的外界干扰因素,从而获取到适合分析处理的高质量图像;(2)选择自适应阈值分割法得到特征清晰,噪声影响低的二值图像从而对图像进行分割;(3)对步骤二中得到的分割图像进行形态学运算处理从而得到拟标准的PCB二值化图像;(4)将步骤三中得到的拟标准PCB板二值化图像和步骤二中的待测PCB板二值化图像进行异或运算,对异或后的结果进行进一步形态学处理从而得出存在缺陷的位置。

    基于变换域的三维匹配调和滤波图像去噪方法

    公开(公告)号:CN108932699A

    公开(公告)日:2018-12-04

    申请号:CN201810374666.1

    申请日:2018-04-24

    Abstract: 本发明公开了一种基于变换域的三维匹配调和滤波图像去噪方法,包括如下步骤:一、将采集到的图像进行灰度转换并进行加噪处理;二、利用三维块匹配滤波得到图像的预估计数据;三、小波分解变换以提取步骤二得到的预估计图像中的高频部分进行滤波,为避免边缘模糊,引用拉普拉斯高斯算法构建新算子带入扩散模型,最后小波重构以得到原始图像的最终逼近;四、通过Canny算子对边缘进行检测以及计算各模型的峰值信噪比和结构相似度来分析该方法的有效性和可行性;本发明性能优越,内部信息保护更具完整性,运算速度合理,有利于实际应用。

    医用教学仪器
    3.
    发明公开

    公开(公告)号:CN102737532A

    公开(公告)日:2012-10-17

    申请号:CN201110082135.3

    申请日:2011-04-01

    Abstract: 本发明涉及一种医学类教学辅助工具,特别是涉及一种医用教学仪器。为了在经济投入尽量少的情况下,营造出尽量逼真的腹腔镜外科手术模拟环境,本发明人提供了一种医用教学仪器,包括有无顶的长方体,其区别在于:在所述长方体的上部还设置有模拟人体腹部的无底楔形体,所述楔形体长度与底部长方体长度相同,宽度小于长方体宽度,所述楔形体底面四个楞与底部长方体上表面四个棱重叠,楔形体的两个斜侧面上分别设置两个通孔,楔形体的顶层装置冷光源和全景摄像头,底部长方体还设置有与全景摄像头适配的视频输出、电源输入及开关。有效提高了腹腔镜外科手术模拟的真实度。

    一种基于HSV色彩空间下的Criminisi图像修复方法

    公开(公告)号:CN109493272B

    公开(公告)日:2023-03-28

    申请号:CN201811155228.2

    申请日:2018-09-30

    Abstract: 本发明提供一种基于HSV色彩空间下的Criminisi图像修复方法,包括如下步骤:1、判断是否存在待修复的图像破损区;2、取破损边缘像素点p,根据以点p为中心的9*9的正方形区域内的像素值计算出置信值C,并判断其大小,若大于阈值K,则根据优先权函数计算出正方形区域块的优先权值P;3、根据匹配原则,利用HSV颜色空间中色调H与亮度V的差值比较寻找未受损区域中最佳匹配块;4、将搜索到的最佳匹配块填充至待修复像素块中,并让其中心像素点重合;5、更新修复区的边界信息,同时更新修复完成区域的像素点的置信值;6、重复以上步骤,直至所有像素块修复完成。本发明弥补了Criminisi修复算法中优先权函数不准确性以及修复后图像质量下降的缺陷,性能优异。

    一种基于图像处理的PCB缺陷智能检测方法

    公开(公告)号:CN109242853B

    公开(公告)日:2021-10-19

    申请号:CN201811310766.4

    申请日:2018-11-05

    Abstract: 本发明公开了一种基于图像处理的PCB缺陷智能检测方法,包括如下步骤:(1)对采集到的图像进行预处理,包括图像增强和图像去噪,以去除在采集过程中存在各种不稳定的外界干扰因素,从而获取到适合分析处理的高质量图像;(2)选择自适应阈值分割法得到特征清晰,噪声影响低的二值图像从而对图像进行分割;(3)对步骤二中得到的分割图像进行形态学运算处理从而得到拟标准的PCB二值化图像;(4)将步骤三中得到的拟标准PCB板二值化图像和步骤二中的待测PCB板二值化图像进行异或运算,对异或后的结果进行进一步形态学处理从而得出存在缺陷的位置。

    基于变换域的三维匹配调和滤波图像去噪方法

    公开(公告)号:CN108932699B

    公开(公告)日:2021-10-15

    申请号:CN201810374666.1

    申请日:2018-04-24

    Abstract: 本发明公开了一种基于变换域的三维匹配调和滤波图像去噪方法,包括如下步骤:一、将采集到的图像进行灰度转换并进行加噪处理;二、利用三维块匹配滤波得到图像的预估计数据;三、小波分解变换以提取步骤二得到的预估计图像中的高频部分进行滤波,为避免边缘模糊,引用拉普拉斯高斯算法构建新算子带入扩散模型,最后小波重构以得到原始图像的最终逼近;四、通过Canny算子对边缘进行检测以及计算各模型的峰值信噪比和结构相似度来分析该方法的有效性和可行性;本发明性能优越,内部信息保护更具完整性,运算速度合理,有利于实际应用。

    一种基于HSV色彩空间下的Criminisi图像修复方法

    公开(公告)号:CN109493272A

    公开(公告)日:2019-03-19

    申请号:CN201811155228.2

    申请日:2018-09-30

    CPC classification number: G06T3/0012

    Abstract: 本发明提供一种基于HSV色彩空间下的Criminisi图像修复方法,包括如下步骤:1、判断是否存在待修复的图像破损区;2、取破损边缘像素点p,根据以点p为中心的9*9的正方形区域内的像素值计算出置信值C,并判断其大小,若大于阈值K,则根据优先权函数计算出正方形区域块的优先权值P;3、根据匹配原则,利用HSV颜色空间中色调H与亮度V的差值比较寻找未受损区域中最佳匹配块;4、将搜索到的最佳匹配块填充至待修复像素块中,并让其中心像素点重合;5、更新修复区的边界信息,同时更新修复完成区域的像素点的置信值;6、重复以上步骤,直至所有像素块修复完成。本发明弥补了Criminisi修复算法中优先权函数不准确性以及修复后图像质量下降的缺陷,性能优异。

    一种基于图像块分类的自适应去噪方法

    公开(公告)号:CN109410134A

    公开(公告)日:2019-03-01

    申请号:CN201811159032.0

    申请日:2018-09-30

    CPC classification number: G06T5/002 G06T5/20 G06T2207/10004

    Abstract: 本发明公开一种基于图像块分类的自适应去噪方法,包括如下步骤:步骤1,利用包括电荷耦合器件的摄像机采集需要处理的原始图像,将采集到的图像进行灰度转换并进行加噪处理;步骤2,将噪声图像进行块分类,通过计算图像块的方差将图像分成平滑区和非平滑区;步骤3,对步骤2中分类出的平滑区用均值滤波法进行去噪;步骤4,对步骤2中分类出的非平滑区,利用K-SVD算法进行去噪处理;步骤5,通过计算峰值信噪比和运行时间,分析去噪算法的有效性。此种去噪方法可弥补传统K-SVD图像去噪算法中运行效率低的不足,并很好地保留图像的结构信息。

    基于全变分的混合加权维纳滤波图像去噪方法

    公开(公告)号:CN107610056B

    公开(公告)日:2020-08-11

    申请号:CN201710683688.1

    申请日:2017-08-11

    Abstract: 本发明提供的基于全变分的混合加权维纳滤波图像去噪方法,包括如下步骤:步骤一:利用包括电荷耦合器件的摄像机采集需要处理的原始图像;步骤二:对所述摄像机采集到的原始图像进行灰度图像转换;步骤三:对转换后的灰度图像进行加噪处理;步骤四:采用由维纳滤波模型和全变分模型构成的混合模型对加噪后的图像进行去噪处理。本发明既能确保图像内部纹理信息的完整性,又能减少图像边缘角点特征信息的缺失。

    一种基于多合成图像处理技术的森林火灾识别方法

    公开(公告)号:CN109359554A

    公开(公告)日:2019-02-19

    申请号:CN201811107096.6

    申请日:2018-09-21

    CPC classification number: G06K9/00657 G06K9/342 G06K9/4647

    Abstract: 本发明公开了一种基于多合成图像处理技术的森林火灾识别方法,集成了计算机视觉、数字图像处理、模式识别和信号处理等技术。通过对火灾图像采集、预处理,有效抑制因噪声去除带来的图像边缘与轮廓的模糊;使用阈值分割算法和形态学方法对图像分割处理,利用HOG算法提取火灾疑似区域的颜色、面积、圆形度等几何特征、纹理特征和动态特征,最后输入SVM分类器中进行判别。本发明弥补了以往判别方法依据单一、可靠性差的缺点,在没有环境和距离的限制条件中,火焰可以被自动识别,能够在火灾初期起到火灾警报的作用。

Patent Agency Ranking