简介:当今社会,出现大量的假印章,假章的泛滥导致了严重的问题,因此对印文图像进行精确而高效的识别就显得非常重要。对PCNN模型进行深入的研究,并着重学习实践应用PCNN对印文图像进行处理研究。脉冲耦合神经网络是和生物智能领域的结合,具有生物神经网络独特的高容错性和高适应性,能够保证印文图像在印文残缺,线条不均匀的情况下不会影响印章的识别,同时也能够满足对印文图像识别的实时性和准确性的要求[1]。应用PCNN进行印文提取质量较高,提取速度快。应用PCNN模型对印文图像进行提取,探究应用人工神经网络和传统上提取印文图像红色分量匹配的结果,更好地理解人工神经网络在图像处理上应用的相关技术。
简介:摘要随着社会的发展,企业对物体质量要求越来越高,基于图像处理的标签质量检测系统越来越被人们所看重。然而,标签在生产过程中,由于受到生产机器精度等因素的影响,生产出来的标签有很多质量问题,比如少印。因此标签缺陷检测越来越重要。本论文主要针对对标签视觉检测系统的软件算法设计,使检测图像与标准图像进行相减,从而提取出缺陷部分,解决标签少印的问题。整个少印缺陷的检测过程不需要人工进行费力的对比,此过程由软件自行处理,人们只需要对检测出的标签进行确认,实现人工与智能化的完美结合,保证标签质量的目的。本文使用VisualC++6.0开发工具进行软件代码编程,最后很好的完成了本论文少印的缺陷检测检测系统,在实验室中,我们对本系统稳定性,精确度进行了测试,测试结果表明本论文的缺陷检测系统能够满足要求。
简介:为了提高内衬套的检测速度和精度,保证内衬套的使用寿命,提出结合图像处理技术实现内衬套表面缺陷的自动检测.通过采用CMOS相机在近红外背光源暗域照明环境中获取图像并进行处理,实现对内衬套的毛刺及擦痕的自动检测.本检测系统主要通过图像形态学滤波和GrabGut图像分割算法分别实现对内衬套表面毛刺和擦痕的检测,通过轮廓拟合提取检测毛刺和擦痕的图像,从而实现对内衬套的表面缺陷检测.实验表明,所提出的内衬套表面缺陷的自动检测方法具有高效、准确的优点,且该系统运行稳定,因而具有推广价值.