基于Gabor和灰度共生矩阵混合特征叶片泵装配质量检测

本文提出一种Gabor和灰度共生矩阵相结合的特征来检测叶片泵中叶片装配质量的方法。首先构建叶片图像数据集,用5种尺度的和4种方向的Gabor滤波器对图像滤波,根据滤波后的图像计算得到幅值特征图,然后提取幅值特征图的灰度共生矩阵特征,最后融合归一化各个幅值特征图提取到的特征,利用主成分分析法降维,并用这些特征向量训练支持向量机(SVM)分类器,实现对叶片装配质量的评估。将本文提出的混合特征与LBP特征、灰度共生矩阵分别进行了比较得到的分类效果约提高了约10%。基于Gabor和灰度共生矩阵混合特征的叶片装配质量检测准确率提升到了93%。实验结果表明Gabor特征和灰度共生矩阵结合后能够很好从多尺度、多方向上提取图像的纹理特征,并应用于图像分类取得了良好的效果,在一些图像识别上有很宽广的应用前景。     

基于多尺度圆周频率滤波与卷积神经网络的遥感图像飞机目标检测方法研究

针对遥感图像飞机目标检测因目标尺度不一存在漏警、虚警等问题,该文基于遥感图像中飞机目标形状特征和灰度变化特点提出了一种多尺度圆周频率滤波(MSCFF)与卷积神经网络(CNN)相结合的MSCFF+CNN飞机目标自动检测算法。该算法首先采用多尺度圆周频率滤波器滤除遥感图像复杂背景,实现不同尺度飞机目标候选区域提取;然后,通过构建卷积神经网络(CNN)模型实现候选区域有效分类,最终精确确定飞机目标位置。最后,基于获取的真实遥感图像进行目标检测算法实验验证,经统计该算法的飞机目标检测率为94.38%,虚警率为3.76%,实验结果充分验证了该文算法的有效性,该算法可为机场监管、军事侦察等应用提供重要的技术支持。     

基于多尺度圆周频率滤波与卷积神经网络的遥感图像飞机目标检测方法研究

针对遥感图像飞机目标检测因目标尺度不一存在漏警、虚警等问题,该文基于遥感图像中飞机目标形状特征和灰度变化特点提出了一种多尺度圆周频率滤波(MSCFF)与卷积神经网络(CNN)相结合的MSCFF+CNN飞机目标自动检测算法.该算法首先采用多尺度圆周频率滤波器滤除遥感图像复杂背景,实现不同尺度飞机目标候选区域提取;然后,通过构建卷积神经网络(CNN)模型实现候选区域有效分类,最终精确确定飞机目标位置.最后,基于获取的真实遥感图像进行目标检测算法实验验证,经统计该算法的飞机目标检测率为94.38%,虚警率为3.76%,实验结果充分验证了该文算法的有效性,该算法可为机场监管、军事侦察等应用提供重要的技术支持.     

基于最优Gabor滤波与局部二值模式的物体表面缺陷检测

通过对物体表面缺陷的研究,提出一种新的缺陷检测方法。该方法首先利用Gabor滤波器组得到多尺度多方向的滤波图像,通过代价函数选取缺陷与非缺陷局部反差最大的图像通道作为最优滤波通道,在最优通道上用LBP算子进一步提取局部特征,最后用支持向量机对其进行分类检测。该方法应用于织布瑕疵和钕磁铁表面缺陷检测,与传统的Gabor滤波器等表面缺陷检测方法相比,具有更高的检测率。     

基于聚集疑似目标的快速TBD弱小多目标检测方法

提出了一种无需复杂图像预处理的快速的自适应弱小多目标检测方法,适用于有背景起伏的低SNR的噪声随机分布的红外图像序列.采用线性滤波算子,直方图排序分割,快速目标聚集三个核心算法,实现了高速的TBD弱小目标检测.根据直方图进行梯度滤波的结果自适应地进行门限分割,然后剔除随机的不聚集的高梯度值噪声,最后进行时间低通滤波,减少虚警率和漏检率.通过对比实验,表明本文提出的先跟踪后检测的方法,在具有良好检测效果的同时,速度优于需要复杂形态学滤波或中值滤波的方法.     

基于Shearlet变换域图像噪声混合滤波方法

在深入分析Shearlet变换理论的基础上,给出具体的Shearlet变换步骤,并提出一种针对图像脉冲噪声的混合滤波方法.该方法首先对噪声图像进行Shearlet多尺度变换,获得高频和低频系数,保留低频系数不变;然后针对Shearlet高频系数能够较好地刻画噪声局部化的性质,设计出一种多尺度、多方向特性的串/并联自适应中值滤波器,对高频系数中噪声进行自适应检测和滤除;最后实现低频系数和滤波后高频系数重构.通过与小波阈值法去噪和开关中值滤波法仿真实验比较可知,该滤波方法对于高强度的脉冲噪声具有较好的处理效果.     

背景自适应的多特征融合的弱小目标检测

针对红外复杂背景下的弱小目标检测难题,提出一种基于背景自适应的多特征融合的复杂背景下弱小目标的检测算法。首先,通过对红外图像进行空域滤波去除孤立噪声点,并利用恒虚警率分割消除大面积平稳背景,获得疑似目标集。然后融合红外图像的背景信息、弱小运动目标的灰度特征、目标与周围像素的方向梯度特征等多个典型特征,消除疑似目标集中的大部分假目标,最后运用运动特征获取真实目标的轨迹,最终实现复杂背景下的红外弱小目标的检测。实验表明:该算法能实现复杂背景下低信噪比的红外弱小目标快速检测,具有检测概率高,算法速度快,鲁棒性好的特点。     

基于邻域局部最大均值与多尺度形态学滤波的弱小红外目标检测算法

根据弱小目标的成像特性,提出了基于邻域局部最大均值与多尺度形态学滤波的目标检测算法。通过滑动窗口判断图像中心是否为最大值,若是,则用中心点四邻域的两个方向的最大均值替代中心点;否则,计算其四邻域方向极大二值的梯度,根据加权系数计算赋给中心点。遍历整幅图像,用来消除噪声和改善初始图像的信噪比。然后,再对图像进行多尺度的形态学滤波,可以有效地估计背景并将背景从原始图像中移出。改进的自适应分割方法计算阈值之后,从候选点中来提取目标。对序列图像采取多帧关联处理,可以进一步降低虚警率。实验结果表明,该算法易于实现,能提高检出概率,较好并完整地检测出目标,且降低虚警率。     

使用M进制小波对尺度与旋转不变的图像特征点进行检测

基于小波变换和尺度空间理论,提出了一种尺度与旋转不变的图像特征点的检测方法。首先对图像进行多尺度的M进制小波变换,然后根据M进制小波变换系数的能量构造对应的二阶矩阵,最后通过考察该矩阵的特征值确定图像的特征点。实验表明,与目前最常用的方法相比,本文方法对图像的旋转变化与尺度变化均具有更好的不变性,在光照变化和噪声干扰等外部条件影响下也能保持较高的鲁棒性。     

保持图像细节的多尺度形态滤波的新方法

提出了一种适于灰度图像细节的多尺度形态滤波(MMFPD)方法。在普通多尺度形态开、闭滤波基础上，增加了多尺度top-hat变换和bottom-hat变换，用于提取并平滑小于该心渡的特征。此外，较小的尺度特征中包含噪声颗粒的可能性较大，据此修正了top-hat变换和bottom-hat变换的系数。对标准灰度图像进行滤波处理的实验结果表明，该方法噪声去除效果好，图像细节保持完整，处理效果明显优于传统滤波方法。     

基于卷积神经网络的超声红外热图像分类

在超声红外热像技术应用中,从红外热图像来判断被测对象是否含有裂纹,通常需要先基于人工经验,从红外热图像中提取特征再采用某种模式识别方法进行分类,裂纹的识别与定位过程繁琐且识别率较低。为此,提出一种基于卷积神经网络技术的超声红外热图像裂纹检测与识别方法,其特点是可以直接从超声红外图像中学习特征进而实现是否含有裂纹红外热图像的分类。通过实验得到的含裂纹和不含裂纹金属平板试件的红外热图像,建立卷积神经网络模型对图像中是否含有裂纹进行分类,研究结果表明,参数优化后的卷积神经网络模型对超声红外热图像的有无裂纹分类准确率达到98.7%。     

基于CNN的金属疲劳裂纹超声红外热像检测与识别方法研究

传统超声红外热像检测与识别金属疲劳裂纹主要是通过图像处理算法提取红外热图像的相关热特征,并与裂纹特征进行匹配,其过程过于繁琐,识别率较低且需要人工筛选有效特征。结合主动红外热成像技术以及卷积神经网络（Convolutional Neural Network,CNN）在金属结构无损检测与缺陷自动识别中的优势,提出了一种基于CNN的金属疲劳裂纹超声红外热像检测与识别方法。通过超声红外热成像装置对实验对象（文中为金属平板试件）进行检测,获取红外热图像并制作图像数据集。运用设计的卷积神经网络对不同尺寸裂纹的超声红外热图像进行特征提取与识别分类。此外,对所提出的方法与两种常见图像分类网络模型以及支持向量机的分类结果进行对比。实验结果表明,设计的卷积神经网络在该数据集上识别分类准确率为100%,优于其他网络模型和支持向量机的识别分类,可以有效检测与识别金属疲劳裂纹。     

基于BEMD和SVM的路面裂缝识别方法

针对路面中常见裂缝识别分类难度大的问题,提出了一种基于二维经验模态分解和支持向量机结合的路面裂缝识别方法。通过对裂缝图像进行二维经验模态分解,提取其本征模函数并获得每个分量的瞬时幅值均值,放入特征向量,采用支持向量机对裂缝图像分类。实验表明,算法对指定样本进行测试,横向裂缝准确率为97.14%,纵向裂缝准确率为94.28%,龟裂裂缝准确率为94.28%,块状裂缝准确率为88.57%。算法可有效达到对裂缝进行分类的目的,小样本条件下,线性裂缝的分类正确率较高。     

路面破损图像实时检测方法研究

提出一种路面破损图像实时检测的实现方法。对高速采集的路面图像去模糊后再进行裂纹特征分析。设计了一种基于邻域像素灰度值比较的特征快速提取方法,利用邻域相关及连贯性等知识智能去除虚假裂纹,从而提取真实裂纹信息。大量采集的图片的处理结果表明,该方法可实时快速检测路面破损信息,具有较强的鲁棒性和实际应用性。     

基于几何特征分析的路面裂缝分类算法研究

道路裂缝是评价公路质量的一个非常重要的指标,不同的裂缝类型关系到不同的危急程度及不同的修补策略的制定.针对高速公路中常见的横向裂缝、纵向裂缝、块状裂缝及龟裂裂缝,提出了一种基于方向及密度特征的路面裂缝分类方法.文中所提方法的主要思想是利用裂缝在方向以及密度分布上的差异性来对裂缝类型进行划分.基本的过程是首先利用方向性特征进行横纵裂缝与块状/龟裂裂缝的提取,其次,根据分布密度特性进一步甄别块状和龟裂裂缝.为了验证文中所提算法的有效性,采用大量实测数据进行测试,通过与其它算法进行对比,结果表明:文中所提方法具有更高的裂缝分类精度.     

基于curvelet变换的光学器件表面特征识别

为了精确识别复杂精密光学器件在制造过程中由于工艺要求不可避免产生的缺陷特征,基于曲线波(Curvelet)变换优良的曲线特征识别和强大的稀疏表示能力,提出了一种基于曲线波变换的缺陷特征识别方法,该方法采用变换域特征分离,在空间域获得特征识别后的器件表面图像。仿真结果和实验结果证明,提出的方法比传统小波算法精度和准确度更好,运算速度也可以接受,因此可用于光学器件表面特征缺陷的在线检测。     

An adaptive tensor voting algorithm combined with texture spectrum

An adaptive tensor voting algorithm combined with texture spectrum is proposed. The image texture spectrum is used to get the adaptive scale parameter of voting field. Then the texture information modifies both the attenuation coefficient and the attenuation field so that we can use this algorithm to create more significant and correct structures in the original image according to the human visual perception. At the same time, the proposed method can improve the edge extraction quality, which includes decreasing the flocculent region efficiently and making image clear. In the experiment for extracting pavement cracks, the original pavement image is processed by the proposed method which is combined with the significant curve feature threshold procedure, and the resulted image displays the faint crack signals submerged in the complicated background efficiently and clearly.     

基于横向热传导的下表面缺陷检测

脉冲涡流热成像缺陷检测技术可以对铁磁性材料试件进行快速准确地检测。针对下表面裂纹检测比较困难的问题,本文利用横向热传导的方法检测缺陷。结果表明,下表面裂纹能阻碍热量的横向传递,深度越大阻碍作用越强。通过对采样温度进行标准化处理,试件内部初始温度不同对检测结果带来的影响得到抑制,提高了缺陷检测效率。横向热传导是检测下表面缺陷的一种有效方法。     

一种超宽带SAR地雷散射方位不变特征提取新方法

利用机载或车载超宽带合成孔径雷达(UWB SAR)可以实现大区域地雷和雷场远距离快速探测,是探雷的发展趋势.为了降低地雷检测中的虚警,需要提取有效的地雷特征区分地雷和杂波.本文提出了一种基于高维时频分布(HDTFD)的地雷散射方位不变特征提取方法,具体实现可采用高维Wigner-Ville分布(HDWVD)和高维Choi-Williams分布(HDCWD)等.基于HDTFD特征提取方法能够在保持高空间分辨的同时,有效提取散射函数中关于频率和方位角信息.利用Rail-GPSAR系统实测数据比较了基于HDWVD和基于HDCWD特征提取方法在分辨率、交叉项抑制和方位不变特征提取等方面的性能.实测数据处理结果说明基于HDCWD特征提取方法更适合实际数据处理.     

基于图像后处理与人工智能的温室病虫害防治方案

病虫害综合治理(IPM)是降低在温室中有害的化学物质使用量的重点策略,IPM策略包含早期的害虫检测与后续的种群监控,IPM不仅耗时而且高度依赖人工判定,容易产生错误。提出一个基于图像处理算法与人工神经网络检测与监控温室中粉虱与蓟马的方法。首先,通过图像采集系统获得粘虫板的数字图像;然后,对于每个检测目标使用图像的目标检测、分割、形态学分析与颜色特征估算等方法进行处理;最终,通过前向多层神经网络算法将目标分类处理。本系统的粉虱识别精度高达0.96,召回率为0.95,蓟马的识别精度为0.92,召回率0.96。