共查询到20条相似文献,搜索用时 468 毫秒
1.
2.
3.
为了实现对织物倾斜度的精确检测,本文基于小波变换及投影分析提出一种有效的倾斜度检测算法。首先,待检织物图像经过一层小波分解,并提取出纬线边缘;然后利用形态学滤波方法中的腐蚀操作消除边缘噪声;最后将处理好的边缘图像在一定角度范围内以一定的步长进行旋转,并求出在每一个角度下的投影向量,通过判定函数确定织物图像的倾斜角度。实验结果证明,对于平纹图像,可获得大于95%的准确率,即使对于纹理较为复杂的花纹图像,仍能获得大于88%的准确率。可见提出算法具有较高的准确率和较好的实用性。 相似文献
4.
将小波变换引入到视频图像运动估计中,运用三次B样条小波对图像进行边缘提取,同时,对图像进行了小波分解,提出了小波域中基于边缘的分块方法.该方法主要运用了帧内灰度的相关性信息,减少传输的比特率,降低了运算复杂度,同时能够保证图像的边缘部分的估计精确度.通过计算机模拟试验,得出了测试序列结果. 相似文献
5.
阐述了一阶、二阶微分,Canny和基于小波等多种图像边缘检测方法,并对织物疵点图像进行了边缘检测,分析了各种方法在图像边缘检测应用中的优势和缺陷,结果表明,Canny和小波检测算法对织物疵点图像的边缘检测能够得到满意的效果,提供了较好的织物疵点边缘检测的途径。 相似文献
6.
为了准确获取苹果图像的边缘,实现苹果自动分级,提出一种基于小波与模糊相融合的苹果分级算法。对苹果图像进行全向小波变化,经模糊算法处理,通过自适应阈值,提取出苹果图像的边缘,再利用漫水填充算法,获取苹果图像的面积,根据苹果类圆特性,将面积转换为直径,并根据直径大小,完成苹果分级。仿真试验结果表明,该算法对3个级别苹果的分级正确率均在98%以上,说明该算法能够用于苹果的分级检测。 相似文献
7.
8.
9.
针对目前大米外观裂纹指标检测方法落后、检测结果缺乏客观性,可重复性差等缺点,提出一种基于双正交B样条小波变换的大米裂纹检测方法。通过图像增强、图像滤波等步骤从原始图像中提取单体米粒图像。并对提取出的单体米粒图像进行小波变换以突出米粒裂纹特征,大大提高了裂纹检测的定位精度。结果表明,该方法可以比较全面地检测出图像中的实际裂纹,检测边缘位置和实际边缘位置十分接近,并且避免了单个边缘产生多个响应的情况,为进一步完善大米品质检测提供了理论和实践基础。 相似文献
10.
11.
12.
为解决图像融合过程中边缘信息以及细节内容易于丢失的问题,提出图像融合的改进算法。对源图像进行小波变换分解,将分解后的高低频系数用矩阵存储。对于低频子带的系数,采用形态学边缘检测的方法,提取出边缘轮廓系数,后运用加权平均法对其进行融合得到用于重构的低频系数。对于各高频子带的系数,先采用区域能量法构造出判断矩阵,经多数筛选法和形态学处理后得到二值融合决策图,并根据此决策图选取出用于重构的高频系数。最后,进行图像重构得到融合图像。实验结果表明,该算法增强了图像边缘细节的清晰度,其图像融合效果在相同融合条件下比其它算法更好,熵、标准差和平均梯度等图像融合的评价指标提高了0.5%~5%,可以更有效地应用于医学或多聚焦图像的融合。 相似文献
13.
14.
15.
16.
织物纹理分析中小波基的选择和分解级数的确定 总被引:1,自引:0,他引:1
在基于小波变换的织物图像纹理分析中,小波基的选择和分解级数的确定对纹理参数的有效性有显著影响.为此,以织物图像经小波分解后输出的高频子图像能量最小作为逼近条件,从小波库中优选出最佳小波基.对选出的最佳小波基,采用相邻两层的高频子带能量之比值小于1作为最佳分解级数的选择依据.实验证明,选用coif5小波基对织物纹理图像进行2级分解,提取分解后7个细节图像的熵作为纹理特征参数,采用ISODATA算法聚类分析时,可取得较高的正确分类率. 相似文献
17.
为了避免图像视觉效果在传输和获取过程中受到混合噪声的影响,采用小波包分解和重构的算法、空域滤波器进行去噪和小波进行图像融合的方法对图像进行技术处理.实验表明,利用小波包变换技术能对含多种噪声的图像进行增强处理,既能去除图像噪声,又能保持细节背景清晰的图像增强效果. 相似文献
18.
针对在同一纤维横截面图像中难以同时测量多根纤维参数的问题,提出了一种基于边界跟踪测量麻纤维横截面参数的算法。首先利用边缘提取算法提取麻纤维的边缘,通过修改边缘提取算法的敏感度阈值获取合适的边缘检测图像,然后采用边界跟踪算法对边缘检测图像中的麻纤维进行识别和标记,利用循环标记出图像中所有的麻纤维并保存边界跟踪的路径点坐标,最后利用算法测量麻纤维的周长、面积和圆度。实验结果表明:该方法能够同时测量多根麻纤维的横截面参数;根据用于测试的标准圆的数据可知,本算法测得的麻纤维的周长偏差大约为3%,面积偏差大约为4%,数据误差较小。 相似文献
19.
20.
利用机器视觉识别纸病时,若背景与目标纸病的对比度低,且采用单一的边缘检测算法,将会出现对目标纸病边缘定位不准确、抗噪性能不好等问题。对此,提出了一种解决方法,即首先分别用LOG算子和基于数学形态学的边缘检测方法对低对比度纸病图像进行边缘检测,然后对这两种边缘检测算法得到的图像进行小波融合,融合得到的图像中纸病边缘定位准确且具有一定的抗噪性,最后,对此进行了实验验证。研究结果表明,文中提出的解决方法可行,即可将该方法用于基于机器视觉的低对比度纸病识别。 相似文献