可疑目标区域的机器视觉检测算法

被引：7

作者：

李国辉

苏真伟

晏开华

黄明飞

机构：

[1] 四川大学制造科学与工程学院

来源：

四川大学学报(工程科学版) | 2010年 / 42卷 / 01期

关键词：

注意机制; 机器视觉系统; 小目标检测; 算法;

D O I：

10.15961/j.jsuese.2010.01.034

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

可疑目标区域的确定是大背景中微小目标的机器视觉检测的一个关键问题。以棉花中污染物的检测为背景,根据人类的视觉注意机制,提出了一种可疑目标区域的机器视觉检测算法:首先采用主成分分析法(PCA)和离散余弦变换(DCT)算法对分块图像进行数据压缩,然后采用BP神经网络、支持向量积(SVM)模拟人脑对检测目标区域的识别。结果表明:分块图像大小、数据压缩算法和模式识别方法对识别能力有较大的影响;本文提出的检测算法可以确定可疑目标区域。在实验分析的基础上,提出了提高精度和速度需要进一步解决的几个问题。

引用

页码：233 / 237

页数：5

共 14 条

[1] 基于FPGA图像处理技术在钢板表面缺陷检测系统中的应用 [J].

胡亮 ;

段发阶 ;

丁克勤 ;

叶声华 .

传感技术学报, 2006, (03) :694-696+701

[2]

Building the gist of a scene: the role of global image features in recognition. A. Oliva,A. Torralba. Progress in Brain Research . 2006

[3] 基于主成分分析与BP神经网络的识别方法研究 [J].

李军梅 ;

胡以华 ;

陶小红 .

红外与激光工程, 2005, (06) :719-723

[4]

Chapter 2 Building the gist of a scene: the role of global image features in recognition[J] . Aude Oliva,Antonio Torralba. &nbspProgress in Brain Research . 2006

[5]

Next generation artificial vision sys-tems:reverse engineering the human visual system. Petrou M,Bharath A. . 2008

[6]

A ma-chine vision system with an irregular imaging function. Zhenwei Su,Jinwei Wang,Mingfei Huang,et al. Proceedings of the5th International Symposium on Image and Signal Processing and Analysis . 2007

[7]

Objective-based visual attention for computer vision. Sun Yaoru,Bobert F. Artificial Intelligence . 2003

[8]

Contextual guid-ance of eye movements and attention in real-world scenes:the role of global features in object search. Torralba A,Oliva A,Castelhano M,et al. Phychologi-cal Review . 2006

[9]

Information capacity of a single retinal channel. Kelly D H. IRE Transactions Information Theory . 1962

[10] 基于多条激光线的钢板表面缺陷三维检测方法 [J].

皮敏捷 ;

徐科 .

机电产品开发与创新, 2007, (02) :123-125

← 1 2 →