CN103106663B - 计算机系统中基于图像处理实现sim卡缺陷检测的方法 - Google Patents
计算机系统中基于图像处理实现sim卡缺陷检测的方法 Download PDFInfo
- Publication number
- CN103106663B CN103106663B CN201310052985.8A CN201310052985A CN103106663B CN 103106663 B CN103106663 B CN 103106663B CN 201310052985 A CN201310052985 A CN 201310052985A CN 103106663 B CN103106663 B CN 103106663B
- Authority
- CN
- China
- Prior art keywords
- sim card
- grid
- detected
- reference template
- template
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明涉及一种计算机系统中基于图像处理实现SIM卡缺陷检测的方法,属于SIM卡生产技术领域。该方法在对目标模板和参考模板进行二值化处理后,对目标模板和参考模板进行KL距离计算获得最佳匹配模板,对最佳匹配模型进行网格划分,并对每个网格空间采用空间金子塔的匹配计算。从而获得SIM卡损伤所在的网格位置,进而利用网格位置表征出SIM卡在生产过程中产生损伤的位置,实现了基于图像处理的,快速且准确的SIM卡缺陷检测,且本发明的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,实现方式简便,检测效果可靠,实现成本也相对低廉。
Description
技术领域
本发明涉及SIM卡生产技术领域,特别涉及SIM质量检测方法技术领域,具体是指一种计算机系统中基于图像处理实现SIM卡缺陷检测的方法。
背景技术
SIM卡的损伤检测是在SIM卡的生产过程中对不合格的SIM卡的检测过程。目前在生产过程中的SIM卡损伤检测通常采用人工判断的方式来筛选SIM卡。这样的做的工作量非常巨大。随着计算机技术的出现和应用图像处理的发展,计算机辅助的SIM卡缺陷检测方法可以极大地提高了处理的工作效率。计算机辅助的SIM卡损伤检测方法通常分为:基于传感器的方法和基于图像处理的方法。前者在做SIM卡损伤检测的最大挑战是增加了额外了生产成本从而降低了利润率。而后者则是通过图像处理的方法来实现SIM卡的缺陷检测。因此相对于基于传感器的方法,后者具有更好的适用性和可扩展性,同时不需要增加过多的硬件设备成本(只需要图像采集即可)。
经过对现有技术的文献检索发现,基于图像处理的损伤检测主要包含划痕检测、霉斑检测以及线条检测等。这些方法通过图像损伤模型分析、空时域图像特征以及相邻像素相似性等方法实现相应的图像内容检测。如Kokaram和AnilC等人在《IEEETransactionsonImageProcessing》(IEEE图像处理学报)第4卷11期,第1496页到1508页发表的“Detectionofmissingdatainimagesequences”一文中提出的基于时间域图像特征的方法。Bruni、Vittoria和DomenicoVitulano在《IEEETransactionsonImageProcessing》(IEEE图像处理学报)第13卷1期,第44页到50页发表的“Ageneralizedmodelforscratchdetection”一文提出了基于划痕的数学模型的方法。然而上述方法的适用对象都是旧电影资料,由于化学介质退化而产生的划痕或霉斑,却难以应用于SIM卡在生产过程中由于机械加工的原因产生的SIM卡损伤。因此,如何提供一种有效、可靠、低成本的基于图像处理的SIM卡损伤检测方法成为SIM卡生产领域亟待解决的技术问题。
发明内容
本发明的目的是克服了上述现有技术中的缺点,提供一种采用KL距离计算获得最佳匹配模板,对最佳匹配模型进行网格划分,并对每个网格空间采用空间金子塔的匹配计算。从而获得SIM卡损伤所在的网格位置,进而利用网格位置表征SIM卡在生产过程中产生损伤的位置,且实现方式简便,检测效果准确,可靠,成本低廉的计算机系统中基于图像处理实现SIM卡缺陷检测的方法。
为了实现上述的目的,本发明的计算机系统中基于图像处理实现SIM卡缺陷检测的方法包括以下步骤:
(1)系统获取SIM卡图像和参考模板;
(2)系统将所述的SIM卡图像转换为灰阶空间图像;
(3)系统选取所述的SIM卡图像中与所述的参考模板尺寸相同的区域为目标模板;
(4)系统对所述的目标模板和参考模板进行二值化处理,获得二值化处理结果;
(5)系统对所述的目标模板和参考模板进行KL距离计算,获得KL距离计算结果;
(6)系统根据所述的二值化处理结果和KL距离计算结果确定待检测的SIM卡区域;
(7)系统将所述的待检测的SIM卡区域与所述的参考模板进行相同的网格划分;
(8)系统将所述的待检测的SIM卡区域的网格与对应的参考模板的网格进行匹配计算;
(9)系统根据所述的匹配计算结果标记所述的待检测的SIM卡区域内的SIM卡缺陷位置。
该计算机系统中基于图像处理实现SIM卡缺陷检测的方法中,所述的步骤(2)具体包括以下步骤:
(21)系统以所述的SIM卡图像的左上角的像素点为原点建立直角坐标系;
(22)系统将所述的直角坐标系内的像素点根据以下公式从RGB色彩空间图像转换为灰阶空间图像:
Y=0.299×R+0.587×G+0.114×B。
该计算机系统中基于图像处理实现SIM卡缺陷检测的方法中,所述的二值化处理的二值化阈值采用OSTU方法确定。
该计算机系统中基于图像处理实现SIM卡缺陷检测的方法中,所述的对目标模板和参考模板进行KL距离计算,具体为:系统利用以下公式计算目标模板和参考模板的KL距离KL(M||T):
其中,i为直方图中像素灰度值,M(i)为所述的目标模板中像素值为i概率分布,T(i)为所述的参考模板中像素值为i概率分布。
该计算机系统中基于图像处理实现SIM卡缺陷检测的方法中,所述的系统根据二值化处理结果和KL距离计算结果确定待检测的SIM卡区域,具体为:系统判断所述的目标模板二值化处理结果和参考模板二值化处理结果只差是否小于预设的二值化阈值,且所述的KL距离计算结果是否小于预设的KL距离阈值,若均是,则确定目标模板为待检测的SIM卡区域。
该计算机系统中基于图像处理实现SIM卡缺陷检测的方法中,预设的二值化阈值为5000,所述的KL距离阈值为0.4。
该计算机系统中基于图像处理实现SIM卡缺陷检测的方法中,步骤(8)具体包括以下步骤:
(81)系统计算所述的待检测的SIM卡区域的网格与对应的参考模板的网格间的平均梯度值
(82)系统判断所述的平均梯度值是否大于预设的阈值,若是,则进入步骤(83);若否,则判断所述的待检测的SIM卡区域的网格与对应的参考模板的网格匹配;
(83)系统对所述的待检测的SIM卡区域的网格与对应的参考模板的网格进行匹配计算。
该计算机系统中基于图像处理实现SIM卡缺陷检测的方法中,系统计算待检测的SIM卡区域的网格与对应的参考模板的网格间的平均梯度值具体为:系统根据以下公式计算所述的待检测的SIM卡区域的网格与对应的参考模板的网格间的平均梯度值
其中,l为网格的索引,和分别是水平梯度和垂直梯度。
该计算机系统中基于图像处理实现SIM卡缺陷检测的方法中,预设的平均梯度值阈值为6。
该计算机系统中基于图像处理实现SIM卡缺陷检测的方法中,系统对待检测的SIM卡区域的网格与对应的参考模板的网格进行匹配计算,具体为:
系统根据以下公式计算所述的待检测的SIM卡区域的网格与对应的参考模板的网格进行空间金子塔局部网格匹配系数
其中,为待检测的SIM卡区域网格中第l层金字塔的直方图,为参考模板网格中第l层金字塔的直方图。
该计算机系统中基于图像处理实现SIM卡缺陷检测的方法中,步骤(9)具体包括以下步骤:
(91)系统判断所述的匹配系数是否小于预设的匹配阈值,若是,则进入步骤(92),若否,则判断所述的待检测的SIM卡区域的网格与对应的参考模板的网格匹配;
(92)系统判断所述的待检测的SIM卡区域的网格的均值大于140,且方差是否在[35,40]的区间内,若是,则该待检测的SIM卡区域网格为SIM卡缺陷位置,若否,则判断所述的待检测的SIM卡区域的网格与对应的参考模板的网格匹配。
该计算机系统中基于图像处理实现SIM卡缺陷检测的方法中,匹配阈值为0.3。
该计算机系统中基于图像处理实现SIM卡缺陷检测的方法中,SIM卡图像的大小为480×640像素;所述的参考模板的大小为192×224像素。
该计算机系统中基于图像处理实现SIM卡缺陷检测的方法中,系统将待检测的SIM卡区域与所述的参考模板进行相同的网格划分,具体为:系统将所述的待检测的SIM卡区域与所述的参考模板都划分为8×8像素的网格。
采用了该发明的本发明的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,在对目标模板和参考模板进行二值化处理后,对目标模板和参考模板进行KL距离计算获得最佳匹配模板,对最佳匹配模型进行网格划分,并对每个网格空间采用空间金子塔的匹配计算。从而获得SIM卡损伤所在的网格位置,进而利用网格位置表征出SIM卡在生产过程中产生损伤的位置,实现了基于图像处理的,快速且准确的SIM卡缺陷检测,且本发明的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,实现方式简便,检测效果可靠,实现成本也相对低廉。
附图说明
图1为本发明的计算机系统中基于图像处理实现SIM卡缺陷检测的方法的步骤流程图。
图2为本发明的计算机系统中基于图像处理实现SIM卡缺陷检测的方法中SIM卡图像示意图。
图3为本发明的计算机系统中基于图像处理实现SIM卡缺陷检测的方法中的参考模板图像示意图。
图4为本发明的计算机系统中基于图像处理实现SIM卡缺陷检测的方法中的网格划分示意图。
图5为本发明的计算机系统中基于图像处理实现SIM卡缺陷检测的方法中的SIM卡损伤标注示意图。
具体实施方式
为了能够更清楚地理解本发明的技术内容,特举以下实施例详细说明。
请参阅图1所示,为本发明的计算机系统中基于图像处理实现SIM卡缺陷检测的方法的步骤流程图。
在一种实施方式中,该计算机系统中基于图像处理实现SIM卡缺陷检测的方法包括以下步骤:
(1)系统获取如图2所示的SIM卡图像和如图3所示的参考模板;
(2)系统将所述的SIM卡图像转换为灰阶空间图像;
(3)系统选取所述的SIM卡图像中与所述的参考模板尺寸相同的区域为目标模板;
(4)系统对所述的目标模板和参考模板进行二值化处理,获得二值化处理结果;
(5)系统对所述的目标模板和参考模板进行KL距离计算,获得KL距离计算结果;
(6)系统根据所述的二值化处理结果和KL距离计算结果确定待检测的SIM卡区域;
(7)如图4所示,系统将所述的待检测的SIM卡区域与所述的参考模板进行相同的网格划分;
(8)系统将所述的待检测的SIM卡区域的网格与对应的参考模板的网格进行匹配计算;
(9)如图5所示,系统根据所述的匹配计算结果标记所述的待检测的SIM卡区域内的SIM卡缺陷位置。
在一种较优选的实施方式中,所述的步骤(2)具体包括以下步骤:
(21)系统以所述的SIM卡图像的左上角的像素点为原点建立直角坐标系;
(22)系统将所述的直角坐标系内的像素点根据以下公式从RGB色彩空间图像转换为灰阶空间图像:
Y=0.299×R+0.587×G+0.114×B。
步骤(4)中所述的二值化处理的二值化阈值采用OSTU方法确定。
在另一种较优选的实施方式中,步骤(5)所述的对目标模板和参考模板进行KL距离计算,具体为:系统利用以下公式计算目标模板和参考模板的KL距离KL(M||T):
其中,i为直方图中像素灰度值,M(i)为所述的目标模板中像素值为i概率分布,T(i)为所述的参考模板中像素值为i概率分布。
且步骤(6)中所述的系统根据二值化处理结果和KL距离计算结果确定待检测的SIM卡区域,具体为:系统判断所述的目标模板二值化处理结果和参考模板二值化处理结果只差是否小于预设的二值化阈值,且所述的KL距离计算结果是否小于预设的KL距离阈值,若均是,则确定目标模板为待检测的SIM卡区域。其中,所述的预设的二值化阈值优选为5000,所述的KL距离阈值优选为0.4。
在又一种较优选的实施方式中,所述的步骤(8)具体包括以下步骤:
(81)系统计算所述的待检测的SIM卡区域的网格与对应的参考模板的网格间的平均梯度值
(82)系统判断所述的平均梯度值是否大于预设的阈值,若是,则进入步骤(83);若否,则判断所述的待检测的SIM卡区域的网格与对应的参考模板的网格匹配;
(83)系统对所述的待检测的SIM卡区域的网格与对应的参考模板的网格进行匹配计算。
在进一步,所述的系统计算待检测的SIM卡区域的网格与对应的参考模板的网格间的平均梯度值具体为:系统根据以下公式计算所述的待检测的SIM卡区域的网格与对应的参考模板的网格间的平均梯度值
其中,l为网格的索引,和分别是水平梯度和垂直梯度。
且步骤(82)所述的预设的平均梯度值阈值可以为6。
步骤(83)所述的系统对待检测的SIM卡区域的网格与对应的参考模板的网格进行匹配计算,具体为:系统根据以下公式计算所述的待检测的SIM卡区域的网格与对应的参考模板的网格进行空间金子塔局部网格匹配系数
其中,为待检测的SIM卡区域网格中第l层金字塔的直方图,为参考模板网格中第l层金字塔的直方图。
在一种进一步优选的实施方式中,所述的步骤(9)具体包括以下步骤:
(91)系统判断所述的匹配系数是否小于预设的匹配阈值,若是,则进入步骤(92),若否,则判断所述的待检测的SIM卡区域的网格与对应的参考模板的网格匹配;所述的匹配阈值优选为0.3;
(92)系统判断所述的待检测的SIM卡区域的网格的均值大于140,且方差是否在[35,40]的区间内,若是,则该待检测的SIM卡区域网格为SIM卡缺陷位置,若否,则判断所述的待检测的SIM卡区域的网格与对应的参考模板的网格匹配。
在更优选的实施方式中,所述的SIM卡图像的大小为480×640像素;所述的参考模板的大小为192×224像素。且步骤(7)所述的系统将待检测的SIM卡区域与所述的参考模板进行相同的网格划分,具体为:系统将所述的待检测的SIM卡区域与所述的参考模板都划分为8×8像素的网格。
在本发明的应用中,该SIM卡缺陷监测方法可以具体包括如下步骤:
步骤一,建立参考SIM卡模板,
步骤二,二值化参考模板和目标模板,
步骤三,通过KL距离变换获取匹配限制条件,i为直方图中像素灰度值,M(i)为待检测模板中像素值为i概率分布,T(i)为参考模板中像素值为i概率分布,
步骤四,空间金子塔局部网格匹配,为目标网格中第l层金字塔的直方图,为参考网格中第l层金字塔的直方图,参考网格与目标网格的匹配计算如下,
步骤五,为了减少不必要的网格匹配计算,可以采用平均块梯度值来近似表示相邻网格的相似性,因此,平均网格梯度值可以作为一个控制开关来屏蔽一些不必要的匹配计算。平均网格梯度的计算方式如下,
l是网格的索引,分别是水平和垂直梯度。当小于阈值就不需要参考网格与目标网格的匹配计算。
具体而言,本发明的SIM卡损伤检测原理是:通过建立由粗到细的尺度检测框架,引入了KL距离变换和空间网格匹配策略,有效地解决了SIM卡在亮度信息缺失情况下的损伤检测问题;在统一框架下实现了SIM卡的损伤检测,并采用KL距离变换和空间金字塔作为匹配约束;通过平均灰度梯度值阈值的控制有效地减少了不必要的网格匹配的计算。因此,通过建立了一种统一的多尺度检测框架,可实现有效的SIM卡损伤检测。
对一个图像大小为480×640像素的SIM卡图像做损伤检测,具体流程则如图1所示。
读入SIM卡图像和192×224像素的参考模板,以图像中左上角的像素点为原点建立直角坐标系,对输入图像作色彩空间转换,即从RGB变换到灰阶空间。具体计算公式如下:
Y=0.299×R+0.587×G+0.114×B
从左到右从上到下在SIM卡图像中选取192×224像素目标模板,对参考模板和目标模板进行二值化处理,二值化阈值选取方法采用OSTU法,并保存二值化处理结果。
对在SIM卡图像中获取的192×224像素的目标图像和参考模板进行KL距离计算,具体公式如下,
获得目标图像与参考模板的KL距离。
目标区域确定规则(第三步获得的二值化结果之差的绝对值小于5000,第二步获得的KL距离小于0.4)即可认为当前192×224像素的目标区域为待检测SIM卡。
将待检测SIM卡区域划分为8×8像素的网格,同时对参考模板也进行8×8的划分。网格匹配计算顺序为从左到右从上到下,对目标当前网格和参考网格进行空间金字塔匹配计算,具体计算公式如下
若目标网格的均值大于140且方差在[35,40]的区间,同时满足匹配系数小于0.3,则可判定损伤在该网格区域。在网格匹配计算中,计算当前网格和参考网格间的平均梯度值若值小于阈值6,则不计算当前网格;反之,则需网格匹配计算。
与现有技术相比,本发明的监测方法利用KL距离变换、基于网格的高斯金字塔及自适应梯度计算策略,建立了SIM卡损伤检测统一框架,本发明充分利用了图像的自相似性,通过基于KL距离变换和空间金字塔统一框架实现了SIM卡的损伤检测。由于本发明将损伤检测理解模板匹配,不需要计算损伤先验模型,从而克服了传统方法所无法解决的问题。
采用了该发明的本发明的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,在对目标模板和参考模板进行二值化处理后,对目标模板和参考模板进行KL距离计算获得最佳匹配模板,对最佳匹配模型进行网格划分,并对每个网格空间采用空间金子塔的匹配计算。从而获得SIM卡损伤所在的网格位置,进而利用网格位置表征出SIM卡在生产过程中产生损伤的位置,实现了基于图像处理的,快速且准确的SIM卡缺陷检测,且本发明的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,实现方式简便,检测效果可靠,实现成本也相对低廉。
在此说明书中,本发明已参照其特定的实施例作了描述。但是,很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此,说明书和附图应被认为是说明性的而非限制性的。
Claims (11)
1.一种计算机系统中基于图像处理实现SIM卡缺陷检测的方法,其特征在于,所述的方法包括以下步骤:
(1)系统获取SIM卡图像和参考模板;
(2)系统将所述的SIM卡图像转换为灰阶空间图像;
(3)系统选取所述的SIM卡图像中与所述的参考模板尺寸相同的区域为目标模板;
(4)系统对所述的目标模板和参考模板进行二值化处理,获得二值化处理结果;
(5)系统对所述的目标模板和参考模板进行KL距离计算,获得KL距离计算结果;
所述的对目标模板和参考模板进行KL距离计算,具体为:
系统利用以下公式计算目标模板和参考模板的KL距离KL(M||T):
其中,i为直方图中像素灰度值,M(i)为所述的目标模板中像素值为i概率分布,T(i)为所述的参考模板中像素值为i概率分布;
(6)系统根据所述的二值化处理结果和KL距离计算结果确定待检测的SIM卡区域;
(7)系统将所述的待检测的SIM卡区域与所述的参考模板进行相同的网格划分;
(8)系统将所述的待检测的SIM卡区域的网格与对应的参考模板的网格进行匹配计算;
(9)系统根据所述的匹配计算结果标记所述的待检测的SIM卡区域内的SIM卡缺陷位置;
所述的步骤(8)具体包括以下步骤:
(81)系统计算所述的待检测的SIM卡区域的网格与对应的参考模板的网格间的平均梯度值
(82)系统判断所述的平均梯度值是否大于预设的阈值,若是,则进入步骤(83);若否,则判断所述的待检测的SIM卡区域的网格与对应的参考模板的网格匹配;
(83)系统对所述的待检测的SIM卡区域的网格与对应的参考模板的网格进行匹配计算;
所述的系统对待检测的SIM卡区域的网格与对应的参考模板的网格进行匹配计算,具体为:
系统根据以下公式计算所述的待检测的SIM卡区域的网格与对应的参考模板的网格进行空间金子塔局部网格匹配系数
其中,为待检测的SIM卡区域网格中第l层金字塔的直方图,为参考模板网格中第l层金字塔的直方图。
2.根据权利要求1所述的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,其特征在于,所述的步骤(2)具体包括以下步骤:
(21)系统以所述的SIM卡图像的左上角的像素点为原点建立直角坐标系;
(22)系统将所述的直角坐标系内的像素点根据以下公式从RGB色彩空间图像转换为灰阶空间图像:
Y=0.299×R+0.587×G+0.114×B。
3.根据权利要求1所述的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,其特征在于,所述的二值化处理的二值化阈值采用OSTU方法确定。
4.根据权利要求1所述的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,其特征在于,所述的系统根据二值化处理结果和KL距离计算结果确定待检测的SIM卡区域,具体为:
系统判断所述的目标模板二值化处理结果和参考模板二值化处理结果只差是否小于预设的二值化阈值,且所述的KL距离计算结果是否小于预设的KL距离阈值,若均是,则确定目标模板为待检测的SIM卡区域。
5.根据权利要求4所述的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,其特征在于,所述的预设的二值化阈值为5000,所述的KL距离阈值为0.4。
6.根据权利要求1所述的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,其特征在于,所述的系统计算待检测的SIM卡区域的网格与对应的参考模板的网格间的平均梯度值具体为:
系统根据以下公式计算所述的待检测的SIM卡区域的网格与对应的参考模板的网格间的平均梯度值
其中,l为网格的索引,和分别是水平梯度和垂直梯度。
7.根据权利要求1所述的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,其特征在于,预设的平均梯度值阈值为6。
8.根据权利要求1所述的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,其特征在于,所述的步骤(9)具体包括以下步骤:
(91)系统判断所述的匹配系数是否小于预设的匹配阈值,若是,则进入步骤(92),若否,则判断所述的待检测的SIM卡区域的网格与对应的参考模板的网格匹配;
(92)系统判断所述的待检测的SIM卡区域的网格的均值大于140,且方差是否在[35,40]的区间内,若是,则该待检测的SIM卡区域网格为SIM卡缺陷位置,若否,则判断所述的待检测的SIM卡区域的网格与对应的参考模板的网格匹配。
9.根据权利要求8所述的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,其特征在于,所述的匹配阈值为0.3。
10.根据权利要求1所述的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,其特征在于,所述的SIM卡图像的大小为480×640像素;所述的参考模板的大小为192×224像素。
11.根据权利要求10所述的计算机系统中基于图像处理实现SIM卡缺陷检测的方法,其特征在于,所述的系统将待检测的SIM卡区域与所述的参考模板进行相同的网格划分,具体为:
系统将所述的待检测的SIM卡区域与所述的参考模板都划分为8×8像素的网格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310052985.8A CN103106663B (zh) | 2013-02-19 | 2013-02-19 | 计算机系统中基于图像处理实现sim卡缺陷检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310052985.8A CN103106663B (zh) | 2013-02-19 | 2013-02-19 | 计算机系统中基于图像处理实现sim卡缺陷检测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103106663A CN103106663A (zh) | 2013-05-15 |
CN103106663B true CN103106663B (zh) | 2015-12-09 |
Family
ID=48314490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310052985.8A Active CN103106663B (zh) | 2013-02-19 | 2013-02-19 | 计算机系统中基于图像处理实现sim卡缺陷检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103106663B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899863A (zh) * | 2015-04-02 | 2015-09-09 | 厦门博视源机器视觉技术有限公司 | 一种模具保护器及其实现方法 |
CN106845508B (zh) * | 2015-12-07 | 2019-05-17 | 腾讯科技(深圳)有限公司 | 一种检测图像中信息卡的方法、装置和系统 |
JP6233824B1 (ja) * | 2017-04-25 | 2017-11-22 | 合同会社ウイングビジョン | 画像検査装置、生産システム、画像検査方法、プログラム及び記憶媒体 |
CN112598632A (zh) * | 2020-12-16 | 2021-04-02 | 北京卫星制造厂有限公司 | 一种压接连接器接触件外观检测方法及装置 |
CN117115151B (zh) * | 2023-10-23 | 2024-02-02 | 深圳市德海威实业有限公司 | 基于机器视觉的sim卡座缺陷识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216438A (zh) * | 2008-01-16 | 2008-07-09 | 中国电子科技集团公司第四十五研究所 | 基于fpga的印刷电路板粗缺陷图像检测方法 |
CN101593351A (zh) * | 2008-05-28 | 2009-12-02 | 中国科学院自动化研究所 | 基于距离变换和刚性变换参数估计的眼底图像配准方法 |
CN102509300A (zh) * | 2011-11-18 | 2012-06-20 | 深圳市宝捷信科技有限公司 | 一种缺陷检测方法及系统 |
-
2013
- 2013-02-19 CN CN201310052985.8A patent/CN103106663B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216438A (zh) * | 2008-01-16 | 2008-07-09 | 中国电子科技集团公司第四十五研究所 | 基于fpga的印刷电路板粗缺陷图像检测方法 |
CN101593351A (zh) * | 2008-05-28 | 2009-12-02 | 中国科学院自动化研究所 | 基于距离变换和刚性变换参数估计的眼底图像配准方法 |
CN102509300A (zh) * | 2011-11-18 | 2012-06-20 | 深圳市宝捷信科技有限公司 | 一种缺陷检测方法及系统 |
Non-Patent Citations (3)
Title |
---|
基于图像配准的STN-LCD外观缺陷检测;沈会良,张宏刚,李志能;《光电工程》;20080930;第35卷(第9期);第62,64页 * |
基于图分块并利用空间金字塔的医学图像分类;陈思坤,吴洪;《第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集》;20101231;"2.空间金字塔(SPM)"部分 * |
基于统计模型和KL距离的纹理图像检索;赵平,尚赵伟,冯兴乐;《微电子学与计算机》;20071130;第24卷(第11期);第51页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103106663A (zh) | 2013-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103106663B (zh) | 计算机系统中基于图像处理实现sim卡缺陷检测的方法 | |
CN103208123B (zh) | 图像分割方法与系统 | |
CN105405142A (zh) | 一种玻璃面板的边缺陷检测方法及系统 | |
CN109360396A (zh) | 基于图像识别技术和NB-IoT技术的远程抄表方法及系统 | |
CN105023013B (zh) | 基于局部标准差和Radon变换的目标检测方法 | |
CN102901444A (zh) | 一种基于mp小波滤波的零件尺寸检测方法及其检测系统 | |
CN103914829B (zh) | 一种含噪图像边缘检测方法 | |
Brilakis et al. | Visual pattern recognition models for remote sensing of civil infrastructure | |
CN105931246A (zh) | 一种基于小波变换和遗传算法的织物瑕疵检测方法 | |
CN104268830A (zh) | 基于数字图像确定不均匀岩土材料渗透系数的方法 | |
Chen et al. | A deep region-based pyramid neural network for automatic detection and multi-classification of various surface defects of aluminum alloys | |
CN116563262A (zh) | 基于多模态的建筑裂缝检测算法 | |
CN116777898B (zh) | 基于AFFormer实现3D打印挡墙施工过程裂缝测量的方法 | |
CN103065296B (zh) | 一种基于边缘特征的高分辨率遥感影像居民区提取方法 | |
CN102831621A (zh) | 一种基于频谱分析的视频显著性处理方法 | |
CN117152617A (zh) | 一种城市洪涝识别方法及系统 | |
Liu et al. | Detection and analysis of a quay crane surface based on the images captured by a UAV | |
Dong et al. | Pixel-level intelligent segmentation and measurement method for pavement multiple damages based on mobile deep learning | |
CN110135274A (zh) | 一种基于人脸识别的人流量统计方法 | |
CN103955936B (zh) | 一种基于堆栈式去噪自编码机的显著性物体检测方法 | |
CN103559722B (zh) | 基于灰度线性建模的序列图像抖动量计算方法 | |
CN116109813A (zh) | 一种钻锚孔识别方法、系统、电子设备及介质 | |
CN103927753B (zh) | 一种基于多尺度重组dct系数的图像绝对模糊度估计方法 | |
CN111709991A (zh) | 一种铁路工机具的检测方法、系统、装置和存储介质 | |
CN105241886A (zh) | 一种基于hvs与引导滤波器的土遗址裂缝检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |