基于运动模糊特征分割的空间移变降质复原

针对一类由动机座上的相机对运动目标拍摄得到的空间移变降质图像,提出基于像素运动模糊特征分割的图像复原方法。首先分析由于运动模糊的卷积作用,该类图像中的运动目标和背景产生相对位移,两者的像素发生叠加,发现若背景灰度均匀,则叠加区相邻像素灰度值的变化程度相似。根据该灰度变化特征检测运动模糊方向上的目标边缘,并结合canny算子检测平行于模糊方向的边缘,两部分边缘图像进行求或运算,然后利用形态学操作处理,从而分割得到完整的目标模糊图像。对该目标图像剔除叠加区的背景灰度信息,并补零扩充为完全卷积的模糊图像,最后利用反卷积复原算法去除模糊。实际复原结果证明,该方法能够有效地解决该类空间移变降质图像的复原问题。     

活塞表面缺陷图像的亚像素边缘检测技术研究

针对活塞图像对比度低、缺陷区域小、缺陷种类多、人工检测效率低等问题,提出一种结合区域生长法和亚像素边缘提取的活塞表面缺陷检测方法。利用图像处理软件采集活塞图像,分析活塞表面图像中缺陷区域与正常区域灰度值的差异。使用区域生长法进行图像分割,结合Canny算子对活塞表面缺陷边缘进行初步定位。通过定位感兴趣区域的位置,进行亚像素级别提取,并平缓感兴趣区域边缘。实验表明,所提算法比传统的边缘提取方法得到的缺陷区域更精确、平滑。     

自适应带钢表面缺陷图像边缘增强方法

针对带钢表面缺陷图像去噪后边缘模糊的问题,提出了一种基于邻域信息的自适应双倒数滤波方法。该方法结合邻域内像素的几何位置信息与灰度信息进行滤波,通过引入与边缘有关的梯度算子自适应调整几何位置信息中的距离,在图像灰度变化小的背景区域取较大的权值,增强图像的平滑效果,以达到去噪的目的;在图像灰度变化大的边缘处取较小的权值,以达到边缘增强的目的。实验结果分析表明,该方法去噪和边缘保持效果好。     

结合假边缘提取和直方图分析的图像灰度变换

光学刻划字符图像的前景通常由高灰度像素区域和低灰度像素区域组成,导致使用传统的基于梯度的边缘提取方法如Canny算子不能准确地获得字符的轮廓,为此本文提出了一种利用假边缘信息结合直方图分析的图像灰度变换方法,变换后的图像前景仅由低灰度像素构成。首先对Canny边缘点进行特征分析,提取其假边缘点;然后进行图像直方图分析,确定灰度变换范围以及灰度对应关系,并对假边缘两侧的边界区域施加光滑度约束来确定灰度变换参数;最后以此变换参数对非背景区域的高灰度像素进行灰度变换。实验证明,灰度变换后字符笔画仅由低灰度像素构成,原边界处的灰度变化足够光滑,可以使用基于梯度的方法来提取完整而准确的字符轮廓。     

结合最小均方差滤波和目标灰度的边缘检测

针对图像处理中对噪声去除和边界保持两方面的需要,对灰度值差异不大的目标之边缘检测算法进行了研究。首先,对最小均方差滤波器模板进行改进,并将方差最小模板对应的灰度中值作为被处理像素的新灰度值以实现图像去噪;然后,选取部分目标区域并以其灰度中值为基础设置上、下阈值实现图像分割,对分割后的图像运用Canny算子检测目标边缘;最后,运用MATLAB软件进行算法仿真。仿真结果表明:该算法不仅能在去除噪声的同时实现对目标与非目标的有效分割,还能保证目标轮廓的完整性。该算法能够对目标灰度值差异不大的图像进行去噪、分割,并获取完整的目标轮廓。     

视觉测量中椭圆特征亚像素提取方法的研究

椭圆是视觉测量中重要的基元特征。建立了三级灰度图像边缘模型的空间矩算子,利用LOG算子定位速度快的特点,确定图像像素级边缘,然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由随机Hough变换提取椭圆边缘像素点,最后采用基于最小二乘原理的椭圆拟合边缘提取方法,得到亚像素级被检测椭圆。对像面椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面椭圆亚像素提取算法具有较高的精度和稳定性。     

改进蚁群算法与Zernike矩细分的图像边缘测量方法

针对传统蚁群算法计算耗时、易受噪声影响等缺点,提出一种改进蚁群算法与Zernike矩细分的图像亚像素边缘测量方法。该算法采用二维灰度直方图求解聚类中心、拉普拉斯算子聚类、划分图像边缘点、目标点和噪声点等,利用全局自适应信息素更新方式提取图像边缘,进而通过Zernike矩快速算法细分图像亚像素级别边缘,提高了边缘分割精度。以SKF 32308J2/Q轴承为研究对象,采用该方法检测了轴承图像的内、外圈边缘,并通过最小二乘拟合,采用标准件进行轴承的坐标标定,测量了轴承内、外径等几何参数,将该测量方法与改进Hough变换的测量结果相比较,证明了该算法具有较高的测量精度。     

基于视觉图像的机加工零部件亚像素边缘定位

首先介绍了LOG算子的快速定位方法以及二维理想图像边缘模型的空间矩亚像素细分算法的基本原理;在此基础上给出了符合实际图像采样的三级灰度图像边缘模型的空间矩算子,并推导了该算子的原理误差公式。最后利用试验对空间矩算子亚像素定位方法的有效性、精度进行了研究,并给出了该方法的亚像素定位与实测尺寸的对比结果。结果表明该方法比传统的边缘检测算子的边缘定位精度有较大提高。     

基于图像识别的锂离子电池正负极距离检测

电池极片边缘点在X射线图像中具有明显的光斑特征,其亮度值往往为该点领域内的局部极大值。基于以上事实,提出了:自动图像选取、电极边缘点在图中的位置提取、电池极片正负极距离的计算和正负极覆盖率的图像识别思路。由于图中存在无关特征,可能对进一步的图像处理造成干扰,因此首先提取了图中无关特征的灰度值,并采用了灰度拉伸法成功去除了图中无关特征。而后通过设置灰度阈值完成了对于图像中电池正负极区域的分割。接着,采用三种角点检测法提取电池极片边缘点的位置,并对比其效果。最后,计算了该方法的识别误差并分析其原因。     

钢坯表面裂纹的图像识别算法研究

通过对钢坯表面裂纹的形状特征的分析,运用图像增强、图像分割、边缘检测、特征提取及识别等方法,提出了一个更加精确、快速的钢坯表面裂纹识别算法。通过边缘检测及链码标识,可以得到更细致的裂纹特征,进行更精准和深入的分析。计算机通过阈值分割和边缘检测对图像的对象和背景进行分割,抽取图像的特征区域,对该区域的灰度值进行比较和分析,找出附近灰度值显著不同的面积区域。对于加强钢坯生产过程中的检测和控制,提高企业经济效益,可以有较大帮助。     

基于背景差分的高铁钢轨表面缺陷图像分割

高铁钢轨表面图像具有光照变化、反射不均、特征少等特点,使得缺陷自动检测极为困难。为了在高速运动过程中,从复杂的钢轨表面图像中分割出缺陷,根据钢轨表面图像具有沿钢轨方向像素值基本不变的特征,建立钢轨表面图像背景模型,提出了基于背景差分的钢轨表面缺陷检测算法,主要包括钢轨区域提取、背景建模差分、阈值分割和图像滤波4个步骤,其主要特点是将视频监控中的背景差分法推广到缺陷图像分割领域,同时借助自适应阈值分割和滤波技术,在一定程度上,解决了铁轨表面缺陷分割过程中图像光照变化、反射不均、特征少等不利因素的影响。实验仿真和现场测试结果均表明,该方法对块状缺陷能很好地识别,召回率和准确率分别达96%和80.1%。     

钢轨磨损视觉测量的轮廓精确快速提取

为保证钢轨磨损动态视觉测量的高精度,综合图像获取和图像处理技术,实现了清晰光条图像获取和光条中心点亚像素坐标精确提取。根据光条与背景环境亮度的高对比度,提出一种依据光条亮度的相机自动曝光法,用于获取清晰的光条图像;分析图像光条法线方向的亮度衰变特征,采用动态阈值分割法初步提取光条,滤除图像背景的同时保留光条法线方向的亮度衰减信息;根据图像过度曝光信息确定光条中心点像素大致位置,再对分割的光条图像相对应像素位置点计算Hessian矩阵,获取光条中心点的亚像素坐标。采用MFC编写应用程序进行试验,在不同光照环境和背景物的干扰下,该方法可精确地提取光条中心,与经典Steger算法相比提取精度偏差为0.05pixel,运算时间节约40%。试验结果验证了该方法稳定性好,有较强的抗干扰能力,较好地满足钢轨磨损测量的现场要求。     

基于导向滤波Retinex和自适应Canny的图像边缘检测

机器视觉识别常用金属制品边缘时,表面亮度不均易导致边缘误识别,且传统的边缘检测算法去噪的同时也抑制了大量边缘信息,降低了边缘检测质量。本文提出一种基于导向滤波Retinex和自适应Canny的图像边缘检测算法。该算法采用基于导向滤波的Retinex法得到金属制品图像的反射分量,通过加权分布的自适应伽马校正提升反射分量图像对比度;然后,采用自适应各向异性扩散滤波对增强后图像进行去噪处理,抑制增强后图像的噪声及低对比度纹理,再采用改进四方向Sobel梯度模板提取图像边缘;最后沿用传统Canny算法的非极大值抑制及双阈值分割进一步细化边缘。实验结果表明,新算法检测典型金属小零件时,图像锐度指标由原图的47.11提升至68.39,金属表面的亮度标准差从原图的44.76下降至20.16;噪声指标从原图的1.1下降到0.15左右,并且在去噪的同时较好地保留了图像边缘锐度。新方法有效改善了金属表面图像因亮度不均导致的边缘误识别问题,并且提取的边缘连接性较好。     

使用行扫描法提取图像轮廓

传统的轮廓提取方法,例如边缘检测、水平集、活动轮廓模型等,存在着对初始轮廓敏感、噪声敏感、难以分割弱边缘和复杂形状轮廓等不足之处。以CT影像中髋关节的轮廓提取为应用背景,提出了一种基于行扫描的轮廓线提取方法。首先,对原始图像进行阈值分割和区域增长,分离出目标区域。然后,对目标区域中的孔洞进行自动填充;在填充过程中,通过目标区域的凸包来判断填充的单连通区域是否在目标区域内。最后,使用逐行扫描的方法搜寻像素信息突变点,得到目标区域的轮廓线。大量的数值实验表明,此算法的运行效率高,对于狭长、分叉、噪声干扰以及存在模糊边界的目标区域都能很好地提取轮廓线。     

模糊C均值算法在烧结断面图像分割中的应用

利用模糊C均值的算法,可以实现烧结图像的自动分割。传统的模糊C均值算法在判定像素归属时没有考虑像素的空间信息,对在烧结图像上存在的大量噪声非常敏感。为提高烧结图像分割的准确性,对传统FCM算法中的目标函数进行修正。实验表明采用FCM算法对烧结图像有良好的分割效果,而改进的FCM算法对图像中噪声具有较强的鲁棒性。     

基于区间二型模糊模型的高分辨率遥感影像分割方法

为了解决高分辨遥感影像分割过程中存在的类属和分割决策不确定性问题,提出一种基于区间二型模糊模型的监督分割方法。利用高斯函数建立影像分割一型模糊模型,其模糊隶属度表征像素类属不确定性;为了改善一型模糊模型隶属度对类属不确定性的表达以及增强分割决策的准确性,分别采用均值和方差扩展方法在上述一型模糊模型基础上构建区间二型模糊模型;综合利用一型模糊模型隶属度及二型模糊模型隶属区间等信息实现分割决策。提出算法和经典算法对合成影像、World View-II和IKONOS全色影像进行分割实验,定性和定量的分析结果表明提出算法具有更高的分割精度。     

Embryo zebrafish segmentation using an improved hybrid method

Zebrafish is an invaluable vertebrate model in life science research and has been widely used in biological pathway analysis, molecular screening and disease modelling, among others. As a result, microscopic imaging has become an essential step in zebrafish phenotype analysis, and image segmentation thus plays an important role in the zebrafish microscopy analysis. Due to the nonuniform distribution of intensity and weak boundary in zebrafish microscope images, the traditionally used segmentation methods may lead to unsatisfactory result. Here, a novel hybrid method that integrates region and boundary information into active contour model is proposed to segment zebrafish embryos from the background, which performs better than traditional segmentation models. Meanwhile, how to utilize the gradient information effectively in image segmentation is still an open problem. In this paper, we propose to improve the aforementioned hybrid method in two aspects. Firstly, the mean grey value of background is estimated by the expectation maximization (EM) algorithm to constrain the active curve evolution. Secondly, an edge stopping function sensitive to gradient information is designed to stop curve evolution when the active curve reaches the embryo boundary. Experimental results show that the proposed methods can provide superior segmentation results compared to existing algorithms.     

基于改进 Canny 算子的锂电池极片表面缺陷检测

针对目前锂电池极片表面存在低对比度微小缺陷难以检测的问题,提出了一种基于改进Canny算子的锂电池极片表面缺陷检测方法。首先,使用双边滤波改善高斯滤波在降噪时可能造成的图像边缘模糊问题,并在此基础上引入多尺度细节增强算法来增强低对比度图像;其次,基于Sobel算子的3×3梯度模板计算极片图像的梯度幅值和梯度方向;最后,基于最大熵和Otsu算法自动获取图像的高、低阈值,通过逻辑与运算对两种算法阈值分割后的检测结果进行边缘融合,并利用形态学闭运算和细化算法修复不连续边缘,得到最终检测边缘。实验结果表明,传统Canny算子和Otsu-Canny算法难以有效检测不同类型的暗斑、露箔和划痕缺陷,而本文算法对这些缺陷均取得了较好的检测效果,能够在突出目标缺陷区域的同时,有效减少同色度背景噪声,正确检测率达98%,具有一定实用价值。     

采用目标区域互信息的星空图像配准

提出了采用目标区域互信息的测度方法对星图进行精确配准以解决星图中存在噪声、伪星点、星点稀疏以及星图间的旋转等问题。首先对星图进行图像分割,检测出星点目标并对星点进行二值化处理;然后基于互信息配准模型,在含星点的目标区域上,利用Powell算法将最大互信息作为目标函数来指导图像间最优变换参数的搜索。分析了适宜于互信息测度配准的星点分割算法,并论证了采用目标区域互信息的星图配准的可行性。对提出的算法与标准的互信息配准算法进行了对比。结果表明:提出算法的时间消耗与图像中星的数量有关,在图像大小为1 000×1 000时,提出算法的加速比为标准算法的3.4倍。该算法在星图中存在噪声、伪星点、星点稀疏和旋转的情况下仍能进行准确配准,50组实拍星图配准误差平均值为0.138 2pixel,满足了星空图像对精确配准的要求。     

齿面形状误差测量中干涉图像有效测量区域分割方法的对比研究

针对激光干涉法测量齿轮齿面形状误差时干涉图像中有效测量区域识别的问题,对几种经典的干涉图像分割算法进行了对比分析.首先,选取了相对调制度法、齿面物体像灰度法、同组干涉图共同过滤法这３种经典分割方法;其次,从理论上分析了各算法;然后,通过在渐开线圆柱斜齿轮的２组干涉图像中进行实验,将这３种方法应用于分割２组干涉图像的有效测量区域并对分割结果进行分析讨论;最后,明确了这３种方法的优缺点及适用情况,并给出了选取建议.