基于图像分割和轮廓矩的果蝇求偶行为识别方法

监控害虫求偶行为是农业病虫害防治的重要手段,传统的人工识别工作量大、效率低下,为实现自动检测与识别果蝇求偶行为,设计了基于图像分割和轮廓矩的识别方法。该方法首先采用基于灰度图像的背景生成、更新和阈值分割的方法自适应地获取果蝇的轮廓。然后根据轮廓矩理论,提取各果蝇轮廓的矩不变量并输入BP神经网络判断是否发生单侧振翅行为。最后根据果蝇间的位置关系,判断振翅果蝇是否在尾随其他果蝇,从而确定其是否发生了求偶行为。采用人工检测的方法进行对比验证,结果表明该方法能够有效地识别果蝇的求偶行为,准确识别率达89.6%。     

头部MRI图像外轮廓提取算法的实现与比较

为精确提取头部MRI图像外部轮廓,提供后期三维重建数据,根据对边缘检测、迭代阈值、自适应阈值法和半阈值分割法在MRI断层图像分割效果的比较,提出一种改进的头部MRI图像轮廓提取方法。该方法在对图像进行预处理后,通过直方图统计结果对图像进行半阈值分割后得到二值图像,由二值图像梯度信息得到边界点集,通过八邻域搜索提取得到包含多条轮廓的轮廓数据集,并根据长度、面积等判定条件准确提取出断层截面的外轮廓。实验结果表明:该方法能提取出更为准确和连续的轮廓,较其他方法拥有更高的成功率。     

一种提高晶粒表面缺陷检测准确性的方法研究

晶粒质量影响半导体芯片性能,针对晶粒表面缺陷检测的问题。本文提出了一种新的缺陷检测方法,能有效抑制图像噪声,提高缺陷检测准确性。首先,采用形态学闭合重建方法去除噪声干扰。然后,将重建图像灰度级别作为聚类样本,构建一个基于离差阵的K-means分割算法准则函数,不断更新聚类中心直至准则函数收敛,完成图像分割。最后,提取分割晶粒 轮廓信息,根据轮廓间的差异性,利用轮廓相似度识别缺陷晶粒,对2937张晶粒图像进行处理并测试,结果表明:该方法能有效滤除了图像噪声,更准确更快速地进行图像分割,对良品检测准确率为100%。对三种典型表面缺陷的平均检测准确率为99.92%。     

基于分块的图像分割方法研究

图像分割是图像分析的关键步骤,基于阈值的图像分割方法在各领域得到了广泛的应用。在分析图像分割相关背景理论的基础上,针对固定全局阈值在图像分割中的不足,提出了一个基于分块的图像分割方法。首先将待处理图像分为若干大小相同的块,减少被处理对象所含的异常;然后采用基于矩的阈值的选取方法,分别对每一块图像数据进行二值分割处理;最后将各块数据汇总,重新恢复成一幅图像。实验证明了该方法在人物背景分离、基本轮廓提取等方面的有效性。     

基于遗传算法和数学形态学的木材分选图像分割研究

在木材分选过程中,能否精确提取缺陷轮廓是提高分选准确率的重要因素。本文讨论了提取木材缺陷轮廓的疗法,应用了遗传算法与数学形态学4相结合的方法对缺陷图像进行图像分割,最终提取出缺陷边缘,开与使用他统方法进行图像分割后提取出来的缺陷边缘结果相对比。对比结果显示,经过遗传算法和数学形态学进行图像分割,最后得到的小材缺陷轮廓更加消晰,连贯,易于识别。     

基于空频域联合闭值分割的轮廓检测方法

传统的边缘检测算子仅在空域上对梯度图像进行阈值分割来计算二值边缘图像,当应用在自然场景图像中时,检测结果中往往含有大量的干扰边缘。为了消除干扰边缘,提高传统边缘算子的轮廓检测性能,提出了基于空频域联合阈值分割的轮廓检测方法:首先对梯度图像进行频域阈值分割消除干扰边缘,然后进行空域阈值分割得到最终的二值边缘图。结合Canny算子,利用自然场景图像对该方法进行了性能评估,结果表明,该方法大大减少了干扰边缘,有效提高了Canny算子在复杂自然场景图像中的轮廓检测性能。     

基于细菌觅食优化算法的多色彩空间嘴唇分割

结合多色彩空间处理、细菌觅食优化算法(BFOA)与关键点定位算法,提出一种新的嘴唇轮廓提取算法。对嘴唇图像进行色彩空间的转换,在不同的色彩空间对嘴唇图像进行色彩增强及色彩分割处理,利用BFOA结合Kapur最大熵阈值法对嘴唇区域图像求取最佳阈值,实现唇部精确分割。提取嘴唇的边缘关键点,并以提取到的关键点为输入,运用最小二乘曲线拟合的方法拟合嘴唇边缘轮廓,准确提取嘴唇的外部轮廓。实验结果表明,该方法能够完成对嘴唇的精确分割,并获得较高的分割准确率。     

坯布疵点实时检测系统的软件设计*

介绍了基于机器视觉的坯布疵点实时检测系统软件部分各主要环节的具体实现.该系统运用修正的自适应邻域平均法增强坯布疵点图像的质量,用自动阈值法将疵点从背景中分割出来,并利用去除杂点法对分割后的二值图像进行滤波.以提取出的周长、面积、不变矩等为特征,运用BP神经网络分类器对常见的九种疵点进行了分类,识别正确率达到了95.7%.     

基于图像矩的板材细胞图像取样方法研究

精确识别细胞的前提是细胞采样。利用图像矩的旋转不变性和平移不变性,提出利用图像矩的概念对细胞进行采样处理,进而提取细胞的相关数学参数。首先利用动态阈值的方法分割灰度化后的细胞图像;然后利用图像细化算法对粘连细胞进行分割处理;最后利用图像矩提取样本细胞。实验证明该方法有较好的稳定性和鲁棒性。     

基于几何特征的IC芯片字符分割与识别方法

针对IC芯片字符的分割与识别问题,提出了一种基于字符几何特征的分割方法和一种基于字符最小外接圆的归一化与重定位方法,使用基于像素差分的模板匹配完成识别。首先,对芯片图像进行直方图均衡化处理,并利用辅助圆进行中线定位和图像校正,定位得到ROI区域并进行均值二值化处理。随后,对二值化ROI图像进行字符分割,以字符的几何特征作为判断条件,从而完成了对缺陷字符的正确分割。之后,对单字符图像提取最大轮廓,利用其轮廓的最小外接圆进行字符的归一化与重定位。最后,对归一化的字符进行差分识别。通过采集4种芯片样本进行实验,结果表明,该方法能够实现芯片字符的准确分割,对于缺陷字符的分割准确率达90%;能够快速精准地识别芯片字符,单字符平均识别时间为4.6 ms,识别准确率达到99.4%。     

基于机器视觉转子冲片亚像素精度尺寸测量研究

针对传统冲压件人工尺寸测量效率低、精度难以保证等问题,提出一种基于机器视觉的转子冲片亚像素精度尺寸测量方法。该方法采用先将采集的冲片图像灰度化再应用中值滤波来降低噪声干扰的图像预处理方法;通过Canny算子与Otsu方法相结合实现自适应阈值边缘检测,再利用改进的Zernike矩方法进行亚像素定位,获取亚像素级坐标;然后设计轮廓分割算法,主要提取内外圆亚像素轮廓,同时设置感兴趣区域并基于K-Means聚类算法分割出骨架线段轮廓,最后使用最小二乘拟合法求解出转子冲片内外圆直径和骨架间距尺寸。实验结果表明,该方法平均测量精度可以达到0.01mm,测量精度高、速度较快,具有较高的实用价值。     

基于RGBD摄像头的障碍物检测

检测障碍物是机器人自主移动的基础. 为了提高检测的障碍物效率和准确率, 提出一种基于RGBD摄像头的障碍物检测方法, 主要分为障碍物识别和检测长度, 宽度两部分. 在障碍物形状不规则的前提下, 通过摄像头实时采集图像传输到数据处理中心, 用改良的帧差法、最小矩形法匹配法和图像处理等方法来确定障碍物轮廓, 利用深度图像及其阈值得出障碍物距摄像头的相对位置, 同时, 用坐标转换法计算出障碍物的高度与宽度. 结果显示, 在不同位置检测同一物体的误差不超过9%. 因此, 改良的帧差法检测障碍物轮廓准确率高, 坐标转换法速度快, 可以证明基于RGBD摄像头的障碍物检测设计检测效果良好.     

基于Zernike矩亚像素边缘检测的快速算法

为了克服传统的Zernike法在边缘检测过程中,由于人工手动选取阈值而带来的低效率、高误判等不足,将原算法与Otsu法相结合,提出了一种边缘检测的快速算法。利用传统的Zernike法计算出图像的阶跃灰度矩阵,再将该矩阵作为计算对象,用Otsu法直接得到最优的阶跃灰度阈值进行边缘判别,并考虑了由于边缘模型带来的误差,在保证检测效果的同时缩短了检测时间。实验结果表明,改进的算法能够更有效地完成边缘检测,补偿后的亚像素定位更准确。     

基于显著性判别的缺陷检测方法

X射线成像存在噪声大、半影现象及散射等问题,使所得缺陷图像边缘模糊,背景灰度变化不均匀,严重影响了缺陷的识别准确率。提出了一种由LoG边缘检测和局部对比度筛选进行显著性判别的缺陷检测方法,在基于LoG边缘检测的双阈值进行显著性边缘检测的基础上,通过各向同性扩散方法求取待定缺陷的局部背景,利用待定缺陷和局部背景之间对比度的显著性设置第三个阈值进行进一步判断,从而去除假缺陷,使缺陷能够被准确地提取出来,并可以同时确定缺陷的轮廓和面积。实验结果表明,该方法对缺陷识别的准确度较高,并可以用于在线的实时检测系统中。     

扁平颗粒体轮廓提取算法研究与应用

针对扁平颗粒体的质量检测，以西瓜子为例，选取HSI颜色空间，应用阈值构造法构造出符合西瓜子类目标物体特征的一种阈值，将此阈值与Sobel算子相结合，并对提取的基本轮廓优化处理，最终得到高质量的瓜子轮廓，为后续分检过程提供了有力依据。实验结果证明，文中采用的方法简单有效，提取出的轮廓非常清晰，已应用于实时西瓜子自动分检系统，且具有一定的通用性，适合处理类似扁平颗粒体如南瓜子、葵花子等。     

基于机器视觉的矿车踏面磨耗检测设计

针对矿用轨道车辆传统的人工轮对检测方法的精度低、效率低等问题,设计了一个基于机器视觉的自动检测系统.通过摄像头采集辅助光源照射到轮对上光带的图像,使用Matlab对图像进行处理.算法上根据踏面图像的特征针对细线化方法进行了专门优化,并通过实验确定了轮廓检测的最佳阈值.将处理后的图像与标准图像进行差影比对,使用相机标定的相关参数进行计算得出踏面的磨耗量.实验证明,使用优化后处理算法的系统相比传统算法提高了精度.每个轮对平均检测时间小于2 s,误差小于±0.2 mm,可以快速大量地自动检测轮对踏面的磨损情况,保证了工业现场稳定安全的生产,具有一定的应用意义.     

基于自适应双阈值的SUSAN算法?

传统SUSAN算法在提取图像边缘时,会出现漏检现象,且所提取的边缘较粗。为此,运用计算最大类间方差的方法自适应地选取双阈值,取代传统算法中人工设定的单阈值,采用多方向局部非极大值抑制方法进行改进,提出一种新的SUSAN边缘检测算法,并将其应用于遥感图像的边缘提取。实验结果表明,该算法能够有效提高边缘定位精度,降低漏检率,使边缘更细致光滑。     

基于Res2Net-YOLACT和融合特征的室内跌倒检测算法

为了加强对老年人的监护、降低跌倒带来的安全风险,提出了一种新的基于Res2Net-YOLACT和融合特征的室内跌倒检测算法.首先,通过融入Res2Net模块的YOLACT网络来提取视频图像序列中的人体轮廓;然后,利用两级判断的方法做出跌倒决策,其中一级判别通过运动速度特征粗略判断是否发生异常状态,二级通过融合人体形状特...     

基于边缘检测的生产线手机膜缺陷识别方法

目前国内手机保护膜的产量和销量巨大,但手机膜生产线上的缺陷检验仍采用目检法,检测效率与准确率较低.针对生产线上手机膜缺陷检测的4个关键问题(正常与缺陷类别不平衡、高信噪比去噪、边缘特征提取以及缺陷样本检测效率)进行研究.采用RST和图像剪切方法实现缺陷样本扩充,解决缺陷样本少,缺陷位置和形式不足问题;提出自适应小波阈值及新的阈值函数,实现传统小波阈值去噪方法的改进,获得优异的去噪效果;在图像边缘检测技术中,引入改进小波阈值去噪方法及Otsu阈值设置方法,提高传统Canny算子的边缘检测性能,实现图像特征有效提取;利用具有旋转、平移及尺度不变性的Zernike矩对边缘检测结果进行特征表达,提高模式识别的效率及准确率.采用支持向量机(SVM)对正常手机膜和缺陷手机膜的边缘Zernike矩特征进行识别,实验结果表明所提方法准确率高、检测速度快,满足生产线上手机膜的缺陷检测要求.     

Hybrid Active Contour Mammographic Mass Segmentation and Classification

This research implements a novel segmentation of mammographic mass. Three methods are proposed, namely, segmentation of mass based on iterative active contour, automatic region growing, and fully automatic mask selection-based active contour techniques. In the first method, iterative threshold is performed for manual cropped preprocessed image, and active contour is applied thereafter. To overcome manual cropping in the second method, an automatic seed selection followed by region growing is performed. Given that the result is only a few images owing to over segmentation, the third method uses a fully automatic active contour. Results of the segmentation techniques are compared with the manual markup by experts, specifically by taking the difference in their mean values. Accordingly, the difference in the mean value of the third method is 1.0853, which indicates the closeness of the segmentation. Moreover, the proposed method is compared with the existing fuzzy C means and level set methods. The automatic mass segmentation based on active contour technique results in segmentation with high accuracy. By using adaptive neuro fuzzy inference system, classification is done and results in a sensitivity of 94.73%, accuracy of 93.93%, and Mathew’s correlation coefficient (MCC) of 0.876.