-
公开(公告)号：CN114511527B
公开(公告)日：2025-04-25
申请号：CN202210080786.7
申请日：2022-01-24
Applicant: 安徽大学
IPC: G06T7/00 , G06T7/11 , G06T7/41 , G01N21/88 , G06V10/774 , G06V10/764
Abstract: 本发明涉及一种基于扩展局部二值模式的纺织丝饼成型不良缺陷检测方法，包括：获取丝饼图像，图像降采样；图像分割和图像裁剪；仿射变换；获取数据集；通过扩展的LBP算法计算出训练集中各个图像的纹理特征向量；生成XML文件；计算出测试集中各个图像的纹理特征向量，SVM支持向量机对测试集正样本、负样本中每张图像的标签进行预测，并计算出预测准确率；对待检测的丝饼图像进行滑块预测；根据滑块预测的标签输出判断结果。本发明通过图像分割将最终的背景干扰去除，使得处理后的图像不再含有大量的干扰，解决了从停留在实验室的研究与验证阶段到能够直接使用到工业生产线中，本发明对纺织丝饼成型不良缺陷检测准确率高、耗时短。
-
公开(公告)号：CN114494226B
公开(公告)日：2024-03-12
申请号：CN202210127787.2
申请日：2022-02-11
Applicant: 安徽大学
Abstract: 本发明涉及一种基于图形质心跟踪算法的纺织丝饼油污缺陷检测方法，包括：获取丝饼图像，图像降采样；图像灰度化；高斯滤波及二值化处理；边缘轮廓绘制，边缘轮廓最小外接矩形绘制；构建一张掩膜图像，与经降采样后的图像相与后得到掩膜后的图像；设定油污像素范围，对掩膜后图像进行像素处理；进行log算子运算和膨胀处理；轮廓提取，并计算轮廓质心坐标；通过轮廓质心坐标与最小外接矩形四个顶点坐标比较得到结果。本发明对纺织丝饼油污缺陷检测的准确率高、耗时短；同时可实现油污自动定位。
-
公开(公告)号：CN114494226A
公开(公告)日：2022-05-13
申请号：CN202210127787.2
申请日：2022-02-11
Applicant: 安徽大学
Abstract: 本发明涉及一种基于图形质心跟踪算法的纺织丝饼油污缺陷检测方法，包括：获取丝饼图像，图像降采样；图像灰度化；高斯滤波及二值化处理；边缘轮廓绘制，边缘轮廓最小外接矩形绘制；构建一张掩膜图像，与经降采样后的图像相与后得到掩膜后的图像；设定油污像素范围，对掩膜后图像进行像素处理；进行log算子运算和膨胀处理；轮廓提取，并计算轮廓质心坐标；通过轮廓质心坐标与最小外接矩形四个顶点坐标比较得到结果。本发明对纺织丝饼油污缺陷检测的准确率高、耗时短；同时可实现油污自动定位。
-
公开(公告)号：CN114547545B
公开(公告)日：2025-04-29
申请号：CN202210182533.0
申请日：2022-02-25
Applicant: 安徽大学
IPC: G06F17/16
Abstract: 本发明涉及基于CUDA加速的平滑薄板样条形变参数计算方法，与现有技术相比解决了平滑薄板样条形变在图像配准任务中控制点数较多时计算时间长的缺陷。本发明包括以下步骤：三维待配准特征点和模板特征点的处理；对待配准点矩阵进行QR分解；平滑薄板样条形变参数的计算。本发明利用GPU的并行架构对大矩阵代数运算做了并行化，实现了平滑薄板样条形变参数快速计算，有效提升了图像配准算法的运行效率。
-
Patent Agency Ranking
公开(公告)号：CN115588032A
公开(公告)日：2023-01-10
申请号：CN202210781602.X
申请日：2022-07-01
Applicant: 安徽大学
Abstract: 本发明提供了一种基于CUDA加速的薄板样条形变参数矩阵计算及线性插值方法，通过三维仿射变换处理三维的待配准特征点、模板特征点；利用经过仿射变换矩阵处理的待配准特征点与模板特征点，并基于CUDA架构中cublas和cusolver中的函数，计算得到薄板样条形变参数矩阵；通过获得的薄板样条形变参数矩阵进行待配准三维图像坐标逆变换，并进行三线性插值。通过利用GPU的并行架构对大矩阵代数运算、线性插值做了并行化，实现了薄板样条变换形变参数矩阵计算及线性插值的快速计算，有效提升了图像配准算法的运行效率。
-
公开(公告)号：CN114418992A
公开(公告)日：2022-04-29
申请号：CN202210057988.X
申请日：2022-01-19
Applicant: 安徽大学
Abstract: 本发明涉及一种交互式2D与3D医学图像配准参数自动生成方法，与现有技术相比解决了初始配准参数搜索精度差、搜索效率低的缺陷。本发明包括以下步骤：载入三维图像数据；在窗口上实现三维模型渲染重建、对三维模型进行二维映射、实时映射后的图像与待配准的X光图像对齐显示；载入待配准的二维图像以二维纹理的形式绘制在窗口上；拖动鼠标实现三维模型与二维图像的对齐从而获得合适的配准参数。本发明综合考虑了三维体数据在经过最大密度投影后，绘制在窗口上的图像质量与需要配准的X光图像质量的差异，可以较高质量的完成两幅图像的对齐，能够得到一组合适的初始配准参数并且在控制台打印输出。
-
公开(公告)号：CN115984098A
公开(公告)日：2023-04-18
申请号：CN202310015937.5
申请日：2023-01-06
Applicant: 安徽大学
Abstract: 本发明涉及一种基于CUDA加速的超大三维图像形变方法，包括：通过仿射变换计算两组配准特征点的仿射变换矩阵；对目标图像进行分块，对分块后得到的每个小块图像块进行图像形变：利用仿射变换矩阵，通过CUDA实现三维图像体素遍历并行化操作；读取形变后的3D图像块，拼接成原始图像尺寸的2D连续序列图像。本发明利用对目标图像进行分块的原理，并利用GPU的并行架构加速图像线性插值的计算过程，在解决可以针对超大三维图像进行形变的同时又有效的提升了图像配准的运行效率；实验证明本方法在CPU为i5‑10400F、GPU为RTX‑3060、内存为16G的平台下，可以处理大于计算机内存2倍的超大三维图像数据，并获得了大约11倍的加速比，极大的缩短了形变配准的时间。
-
公开(公告)号：CN114547545A
公开(公告)日：2022-05-27
申请号：CN202210182533.0
申请日：2022-02-25
Applicant: 安徽大学
IPC: G06F17/16
Abstract: 本发明涉及基于CUDA加速的平滑薄板样条形变参数计算方法，与现有技术相比解决了平滑薄板样条形变在图像配准任务中控制点数较多时计算时间长的缺陷。本发明包括以下步骤：三维待配准特征点和模板特征点的处理；对待配准点矩阵进行QR分解；平滑薄板样条形变参数的计算。本发明利用GPU的并行架构对大矩阵代数运算做了并行化，实现了平滑薄板样条形变参数快速计算，有效提升了图像配准算法的运行效率。
-
公开(公告)号：CN114511527A
公开(公告)日：2022-05-17
申请号：CN202210080786.7
申请日：2022-01-24
Applicant: 安徽大学
IPC: G06T7/00 , G06T7/11 , G06T7/41 , G06K9/62 , G01N21/88 , G06V10/774 , G06V10/764
Abstract: 本发明涉及一种基于扩展局部二值模式的纺织丝饼成型不良缺陷检测方法，包括：获取丝饼图像，图像降采样；图像分割和图像裁剪；仿射变换；获取数据集；通过扩展的LBP算法计算出训练集中各个图像的纹理特征向量；生成XML文件；计算出测试集中各个图像的纹理特征向量，SVM支持向量机对测试集正样本、负样本中每张图像的标签进行预测，并计算出预测准确率；对待检测的丝饼图像进行滑块预测；根据滑块预测的标签输出判断结果。本发明通过图像分割将最终的背景干扰去除，使得处理后的图像不再含有大量的干扰，解决了从停留在实验室的研究与验证阶段到能够直接使用到工业生产线中，本发明对纺织丝饼成型不良缺陷检测准确率高、耗时短。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
