几何图元 脉冲耦合神经网络 粒子群 形态识别、Hough变换 LED检测

1、 几何图元论文：几何图元分析处理若干问题的研究【中文摘要】计算机视觉图像中所涉及的目标对象大多数可分解为由多个可解析的函数式来表达的几何基元,如点、直线段、圆、矩形等。通过这些几何基元组合的几何图元可以用来描述目标对象,尤其是在工业过程的计算机视觉检测、控制系统中。目标对象形态的几何学特性十分有助于提高视觉系统应用算法的精度、效率。本文主要针对几何图元分析与处理过程中三个关键技术点:图像分割、图元形态识别和图元形位参数检测进行分析。在一些经典算法的基础上,引入脉冲耦合神经网络、粒子群算法等智能信息处理技术,构建了自动图像分割算法、几何图元形态识别算法及形位参数检测算法。并分别将上述算法应用于L

2、ED芯片检测系统中LED芯片形位参数检测和伺服运动控制系统的标定。相关的研究工作和主要内容如下:(1)基于脉冲耦合神经网络的自动图像分割算法脉冲耦合神经网络(Pulse Coupled Neural Networks, PCNN)是模拟小型哺乳动物视觉神经细胞活动而得到的一种新型神经网络。利用PCNN神经元的脉冲耦合特性,图像分割按照像素点的灰度相似性及空间分布的相似性来进行,分割过程完全依赖于图像的自然属性,有利保存图像的细节。针对PCNN参数众多和结.【英文摘要】Most objects involving Computer Vision and Image Processing can

3、be decomposed into several geometric primitives, which can be expressed by analytical functions, such as points, line segments, circles, rectangles, etc. Particularly in the computer vision inspection system and control system, the geometric elements, which composed by geometric primitives, are used

4、 to describe objects. The geometrical properties of the objects are very helpful to improve the accuracy and efficiency of computer vision algorithm.【关键词】几何图元 脉冲耦合神经网络 粒子群 形态识别、Hough变换 LED检测【英文关键词】geometric primitive pulse coupled neural networks particle swarm optimization shape recognition hough t

5、ransform LED die inspection【索购全文】联系Q1：138113721 Q2：139938848【目录】几何图元分析处理若干问题的研究摘要5-7Abstract7-9第一章 绪论13-181.1 引言13-141.2 几何图元分析处理概述14-161.2.1 基本流程14-151.2.2 若干研究问题15-161.3 课题来源161.4 论文主要工作和内容安排16-18第二章 基于脉冲耦合神经网络的图像分割18-332.1 经典图像分割技术及准则18-212.1.1 经典图像分割技术18-192.1.2 分割质量评价准则19-212.2 基于PCNN 的图像分割算法设计

6、21-252.2.1 PCNN 模型选取21-232.2.2 分割过程分析23-242.2.3 算法设计24-252.3 粒子群优化PCNN 模型参数算法25-272.3.1 粒子群算法机理25-262.3.2 粒子群算法改进262.3.3 适应度函数设计26-272.3.4 优化算法设计272.4 实验结果27-32本章小结32-33第三章 图元形态识别33-423.1 图元特征描述方法33-373.1.1 基本特征描述子33-353.1.2 基于变换的特征35-373.2 不变矩形状识别37-393.2.1 规则矩定义37-383.2.2 Hu 不变矩383.2.3 轮廓矩38-393.3

7、 实验分析39-41本章小结41-42第四章 基于Hough 变换的图元检测42-624.1 Hough 变换选取42-454.1.1 典型Hough 变换方法比较43-444.1.2 RHT 算法关键点44-454.2 引入最小二乘法45-474.2.1 直线拟合45-464.2.2 圆拟合46-474.3 基于RHT-LSM 的图元检测算法47-534.3.1 算法思想47-494.3.2 直线检测算法494.3.3 矩形检测算法49-504.3.4 圆检测算法50-524.3.5 多目标检测52-534.4 实验分析53-614.4.1 仿真图实验53-564.4.2 残缺检测实验56-584.4.3 多目标检测实验58-604.4.4 抗噪实验60-61本章小结61-62第五章 LED 芯片视觉检测系统应用实验62-765.1 实验装置概述62-645.1.1 视觉检测系统组成62-635.1.2 视觉检测工作流程63-645.2 LED 视觉检测实验64-705.2.1 电极形态识别64-695.2.2 参数计算69-70