X射线焊缝底片数字化图像边缘检测方法

从X射线焊缝底片数字化图像缺陷识别的实际需求出发,针对焊缝缺陷图像边缘提取,进行不同边缘检测方法的对比研究,分析各类边缘检测算子边缘提取效果的特点及阈值的取值对边缘检测算子的边缘提取效果的影响,提出基于数学形态学的多方位结构元素边缘检测方法.实验表明：综合采用阈值优化的Canny算子和基于改进的形态学梯度算子及多方位结构元素的数学形态学边缘检测方法,能够获得完整全面的边缘信息,有利于对焊缝缺陷的分类及缺陷等级识别.     

基于形态学的MRI图像自适应边缘检测算法

为了在噪声环境下尽量多地检测出MRI(magnetic resonance imaging)图像的边缘细节,以满足医学临床诊断的特殊需求,提出一种基于形态学的医学图像自适应边缘检测算法.根据医学磁共振图像噪声的特点构造了一种基于形态学滤波特性的边缘算子,使用多方向结构元素实现了边缘的精确检测,并根据图像的灰度特征自适应地调整各方向结构元素检测结果的权值,最后合理地调整结构元素的尺寸大小.仿真实验结果表明,与经典微分边缘算子及常用形态学算法相比,该算法不仅具有很强的抗噪性能,而且能更有效地提取图像中不同方向的边缘信息.     

基于数学形态学的带钢表面缺陷边缘提取

介绍了数学形态学在图像边缘检测领域的应用,针对带钢表面缺陷种类多、边缘方向多且含有噪声的特点,通过分析、试验,确定采用修正的抗噪膨胀腐蚀型算法,构造多种结构元素,对带钢图像进行边缘检测,提取出了很好的边缘检测效果。与传统边缘检测算子在满足速度要求的情况下相比,此种多结构元素数学形态学方法,不仅能有效地检测出带钢表面缺陷的各个方向上的边缘,而且具有很强的抗噪性能,可以很好地检测出在强噪声下微小的缺陷边缘。检测结果明显优于传统边缘检测算子。     

基于漏磁成像的焊缝缺陷检测可视化方法研究

针对传统的基于漏磁信号识别方法的局限性,以焊缝缺陷的漏磁图像为研究对象,提出了一种新的基于数学形态学的焊缝缺陷的边缘提取方法,对焊缝与缺陷的识别、缺陷定位等方面进行了深入研究,实现了对焊缝缺陷的可视化图像显示。首先利用所设计的新型磁化系统,对实验板上焊缝不同区域分布的矩形槽缺陷进行了连续非接触漏磁扫描,获取了其三维漏磁信号分布图。然后将其转化为二维灰度图形,利用构造的一种数学形态学优化边缘提取算法对灰度图形进行边缘检测。结果表明,根据边缘检测结果的轮廓图,可直观化缺陷形态、位置等信息,定位精度达到96.67%。该方法能较准确地提取漏磁信号图像的焊缝和缺陷边界,实现二者的有效分离,具有良好的适应性和实用性。     

基于颜色和数学形态学的木材缺陷检测研究

木材天然美丽的纹理、优雅的色泽使其在建筑、家具得以广泛应用,因此人们除对木材纹理特别注重外,对其颜色也近于挑剔.本文根据传统的分割方法、木材的特点、实际生产过程中时间短的的要求,提出了基于色差和数学形态学木质板材分割方法.在HSI空间中,重点选择对H分量和I分量先进行形态学边缘检测,不考虑其中过小的像素块,采用中值滤波将其清除,保留住准确的边缘图像,为此边缘检测以颜色模型的H分量为特征,然后再基于边缘信息进行区域生长.为了克服伪边缘(断边、毛刺等)缺陷,本文又利用边界信息自动选择种子点,以各区域边界为区域模型进行区域生长,最后得到分割结果,很好的分割出木材的缺陷部分.     

基于各向异性数学形态学的火焰图像边缘检测

为了更加有效地提取锅炉燃烧火焰图像的边缘,提出了一种基于各向异性数学形态学的火焰图像边缘检测方法.首先计算火焰图像的平均平方梯度向量并由其表示平均梯度向量,然后对平均梯度向量进行扩散得到图像的平均梯度向量场,并计算图像各像素点的平均梯度方向,最后根据各点的方向信息构造适合的形态结构元素,并计算其形态学梯度,据此检测出火焰图像的边缘.针对大量火焰图像进行的实验结果表明,与现有的边缘检测方法包括Roberts方法、Sobel方法、Prewitt方法、Canny方法、Log方法、各向同性数学形态学方法以及自适应邻域方法相比,该方法检测出的边缘,定位更加准确,边缘完整清晰,算法抗噪性更好,运算速度快.     

基于数学形态学的超声信号盲区内缺陷特征提取方法

利用高频聚焦超声技术检测金属材料内部缺陷时,由于超声探头存在盲区,无法对近表面的缺陷进行准确定位,从而难以对材料的性能进行有效评估。因此,提出基于数学形态学的超声信号盲区内缺陷特征提取方法。采用扁平结构元素对盲区信号进行形态滤波,在提取出缺陷的特征信号后,通过计算特征信号的累积能量,由此可以定位出缺陷的深度位置。在实测中,利用100 MHz的高频超声探头对冷轧镀锌板进行检测分析。以长度为30的扁平结构元素对超声信号做形态滤波,对距离冷轧镀锌板上表面288.5μm的缺陷进行定位,得到缺陷位置为距离上表面275.6μm,相对误差为4.5%。为进一步验证方法的有效性,与小波包分解重构方法进行比较,结果表明:利用数学形态学方法对缺陷的定位误差更小,同时还改善了超声B扫成像的效果,使得缺陷特征更加凸显。     

基于Hausdorff距离区域生长的缺陷边缘重建方法

针对X射线探伤图像中的缺陷被提取时易产生形变,提出一种基于Hausdorff距离区域生长的缺陷边缘重建方法.首先对图像求补运算,以分水岭算法决定结构元素尺寸,采用改进的自适应数学形态学滤波算法处理图像,图像经阈值分割得到包含缺陷的二值图像;在此基础上对缺陷目标进行形态学收缩得到区域生长的若干种子点,以种子点的原始像素值为初始值,选择目标区域中的像素值大于或等于初始值的像素点进行合并生长得到新目标图像,以初始值减去2得到新的初始值,然后循环生长并计算新目标Canny边缘图像与原目标Canny边缘图像的Hausdorff距离,采用最小hausdorff距离为区域生长停止规则,所有目标生长完全后经过组合从而实现缺陷边缘重建.试验结果表明,该方法能够有效恢复缺陷的原貌,缺陷边缘重建效果明显.     

基于数学形态学和MATLAB的车道线边缘检测方法

针对道路图像中的车道线边缘检测问题,提出了利用数学形态学和MATLAB进行车道线边缘检测,讨论了对其中出现的灰度图像转化、图像预处理、二值化图像、边缘检测等问题进行处理的关键方法,给出了基于数学形态学和MATLAB的车道线边缘检测方法。实验结果有效地显示和验证了此方法的高效性。     

基于形态学可变结构元素的遥感图像边缘检测方法（英文）

利用单一结构元素对遥感图像进行形态学边缘检测时,可能会出现边缘不完整、抑制噪声能力差等问题。为此,提出了一种基于可变结构元素的遥感图像形态学边缘检测方法。首先,依据遥感图像目标的多样性,构造不同尺度和包含多方位的结构元素,以此可变结构元素为基础,构建相应的形态学运算,对遥感图像进行Top-hat和Bottom-hat变换,抑制目标背景中的噪声,突出图像目标边缘;然后利用构造的可变结构元素进行形态学边缘检测,获得多幅具有不同尺度和方位边缘特征的图像;最后对各个方向边缘进行加权求和得到图像边缘,运用最小二乘法对其边缘进行拟合,从而精确地定位出目标边缘轮廓。实验结果表明,本文方法能够检测到完整的遥感图像边缘信息,边缘检测精度较高,抗噪性能优越,相比经典边缘检测算子和单一结构元素的形态学边缘检测方法,图像边缘检测效果较好,检测精度达到95%。     

基于最小生成树的显著性自适应形态学结构元素构造方法

经典数学形态学运算采用固定大小和形状的结构元素处理整幅图像,由于图像内容的多样性以及目标结构的复杂性,容易导致处理后的图像形状发生改变且丢失部分信息.为此,提出了一种基于最小生成树(Minimum spanning tree,MST)的显著性自适应形态学结构元素构造方法.首先,计算图像梯度,通过非极大值抑制(Non-maximum suppression,NMS)得到边缘图像,对边缘图像进行倒角距离变换,得到显著性图(Salience map,SM).然后,通过计算SM的极大极小值确定结构元素半径,并在SM上计算MST.最后,利用计算得到的半径构造出一种形状和大小随输入图像局部特征自适应变化的结构元素.利用该自适应结构元素对腐蚀、膨胀、开和闭等基本形态学算子进行了重新定义,并且与经典形态学算子做了仿真对比.结果表明,该方法能够充分利用图像的局部特征,在图像结构保持以及图像滤波等方面都具有较好的处理结果.     

基于最小生成树的显著性自适应形态学结构元素构造方法

经典数学形态学运算采用固定大小和形状的结构元素处理整幅图像,由于图像内容的多样性以及目标结构的复杂性,容易导致处理后的图像形状发生改变且丢失部分信息.为此,提出了一种基于最小生成树(Minimum spanning tree,MST)的显著性自适应形态学结构元素构造方法.首先,计算图像梯度,通过非极大值抑制(Non-maximum suppression,NMS)得到边缘图像,对边缘图像进行倒角距离变换,得到显著性图(Salience map,SM).然后,通过计算SM的极大极小值确定结构元素半径,并在SM上计算MST.最后,利用计算得到的半径构造出一种形状和大小随输入图像局部特征自适应变化的结构元素.利用该自适应结构元素对腐蚀、膨胀、开和闭等基本形态学算子进行了重新定义,并且与经典形态学算子做了仿真对比.结果表明,该方法能够充分利用图像的局部特征,在图像结构保持以及图像滤波等方面都具有较好的处理结果.     

基于形态学的边缘检测研究

针对传统形态学边缘检测算子的局限性及适用范围,提出一种新的基于数学形态学的边缘检测方法,该方法在传统的形态学边缘检测算子上加以改进,是一种多尺度多结构元素相结合的形态学边缘检测方法.通过对实验图像的分析表明,在有效取得图像边缘的同时,对椒盐噪声和高斯噪声都有很好的抑制作用,是一种较好的改进算法,具有一定的实用性.     

基于改进形态学梯度的齿轮边缘检测

经典的边缘检测算子算法更多地采用Prewitt算子、LOG算子和Canny算子等在空域中进行。数学形态学在图像处理过程中不涉及变换,其原理是利用结构元素检测图像,并直接处理图像的特征信息。在形态学梯度的基础上,提出了一种基于改进形态学梯度的图像边缘检测算法,选取合适的形状以及尺寸的形态学梯度结构元素,并组合使用以检测出较理想的图像边缘信息。试验结果表明,该算法在含噪图像中能较好地保存图像边缘信息,有更好的定位精度和抗噪性。     

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。     

基于二进小波和抗噪形态学的烟雾边缘检测算法

针对枪口烟雾图像的不规则性以及烟雾扩散速度快等特点,传统的边缘检测算法无法高效地提取烟雾边缘轮廓的问题,对烟雾图像采集技术、烟雾图像预处理技术以及烟雾图像边缘检测技术进行了研究,提出了一种改进的二进小波和抗噪形态学融合的边缘检测算法.首先,在 B 样条二进小波基础上,将二进小波消失矩的阶数提高到四阶;其次,选取方向不同的结构元素,得出改进的形态学算子;最后,用小波逆变换重新构造枪口烟雾图像,对其进行锐化处理,输出边缘信息.仿真结果表明,该算法检测出来的枪口烟雾图像边缘定位准确且清晰完整,能有效抑制噪声,在客观方面优于传统的边缘检测算法.     

基于边缘算子和数学形态学的光纤面板暗影检测

暗影是光纤面板在生产过程中产生的一种疵病,根据光纤面板暗影透过率的梯度变化特征,讨论其对应图像的灰度变化特性,提出了利用经典边缘算子融合数学形态学检测光纤面板暗影的方法。首先采用Canny算子进行暗影边缘的初步检测,然后选择最优的数学形态学方法及结构元素,最后利用闭运算实现暗影边缘连接。实验结果表明,此方法能有效地检测出光纤面板中存在的暗影,检测效果清晰、完整。