弱边缘电荷耦合器件羊毛图像二值化算法

为解决弱边缘图像二值化产生羊毛几何尺寸失真问题,通过对基于灰度和梯度指数的边缘细化算法研究,结合经典的全局阈值法和局部阈值法,提出了一种电荷耦合器件（CCD）羊毛图像自动二值化算法。该算法将sobel算子和斜坡边缘模型引入现有边缘细化算法中,既增加寻找边缘点环节又改进灰度调整因子,达到提高处理效率和避免人为干预的目的;在分析最大类间方差法和Bernsen法的基础上,结合全局和局部阈值处理各个子图像,从而强化边缘细节,降低失真度。实验结果表明,与传统方法相比,该算法对于弱边缘图像二值化具有良好的性能。     

改进梯度和自适应标记提取的分水岭新算法

为了克服分水岭算法的过分割问题,提出了一种基于改进形态学梯度和自适应标记提取的分水岭新方法。用两组结构元素进行梯度计算;对重构后的梯度图像用Otsu算法提取标记;用h-minima变换修改标记图像,将各尺度下标记点的并集作为最终的标记图像;对修改的梯度图像进行分水岭变换。实验结果表明：与传统分水岭算法相比,该算法对于改善过分割现象有明显的效果,能够获得具有实际意义且更合理的分割区域。     

最大类间方差算法在运动检测系统中的应用

在运动检测系统中,快速有效的图像分割是必不可少的一个环节。最大类间方差法是一种常用而有效的图像分割算法,并已在许多实时系统中采用。为满足系统对实时性的要求,采用Altera公司的Cyclone II 系列的FPGA实现最大类间方差算法。采用Verilog语言对算法实现建模,并在Quartus Ⅱ平台进行了仿真验证。实验结果表明,该设计能够快速有效的得到阈值,并能有效保护模糊目标的作用。     

基于直方图加权的半模糊聚类

通过分析影像数据的特点,利用直方图的统计特性,结合HCM收敛速度快的优点,提出了一种基于直方图加权的半模糊化的聚类算法,此方法结合了全局与局部信息,提高了聚类的速度,改善了聚类的效果;采用Lena和脑影像实验与传统算法作比较证明了该算法的效果更好,并对一副97 658k的影像进行处理,证明了该算法效率高。     

利用提取边缘线的方法定位条形码

为解决基于图像处理方式识别条形码的问题,提出了利用图像边缘线来有效且快速定位条形码的方法。该方法首先用大津法对原始灰度图像获得一个阈值,并对图像中灰度小于此阈值的像素进行隔行隔列处理,提取边缘线。然后将图像分割成大小相等的水平条,依据质心的位置和水平条中边缘点的数量分布确定起始条。通过已知的离散直线中小阶梯最下端的边缘点来拟合直线,并得到直线倾斜角度。仿真实验比较了Sobel算子边缘检测方法和该方法提取边缘线,以及用检测直线的Hough变换方法和该方法进行直线拟合的处理效果和运行时间,结果表明了所提出算法的有效性、快速性和可靠性。     

特殊靶标图像的Otsu自适应双阈值分割法

针对特殊管道弯曲度测量光斑的高精度定位要求,提出了一种特殊靶标图像的Otsu自适应双阈值分割法。介绍了基于准直激光管道弯曲度测量原理,先对特殊靶标图像进行处理,然后对整个图像灰度分布统计特性进行计算,建立起计算自适应双阈值的数学模型,从而实现特殊靶标图像自适应双阈值分割。实验结果表明,该方法具有较强的稳定性、实时性好、靶标图像分割效果较好,提高了光斑的定位精度。     

低比度钢板微小缺陷的图像增强和分割

针对低对比度、微小的钢板表面缺陷，提出了基于图像增强的图像分割算法来有效分割和识别缺陷目标。采用小波变换与同态滤波结合算法对图像进行增强处理，不仅消除照度不均的影响，还突出了缺陷细节的信息，达到图像增强的效果。最后，利用粒子群算法优化最大类间方差法参数（PSO-Otsu）确定增强后图像的最佳阈值，并结合Canny算子进行缺陷检测。对比其他算法，该算法在检测低对比度的微小缺陷上取得了良好的效果。     

基于三维Otsu法的红外图像阈值分割

常用的阈值分割方法在对红外图像进行分割时,由于红外图像本身的特点,会出现准确性不高的问题。为此,提出一种基于灰 度-平均灰度-梯度直方图的三维Otsu法,使用稀疏矩阵和改进的粒子群优化(PSO)算法,并在标准PSO算法中加入判断早熟停滞的因子,进行最佳阈值的选取,以提高运算速度,保证准确度。实验结果表明,该方法能够快速有效地对红外图像进行分割。     

基于形态学的小鼠舌头切片图像分割与实现

针对生物切片图像颜色相近、边缘复杂、细节模糊等问题,提出一种基于形态学的图像分割方法.将彩色图像转换到HSV颜色空间后进行二值化,经形态学填充、去噪、膨胀得到图像分割模板,运用到原图各分量上,实现目标的批量分割.将该方法应用于2组小鼠舌头切片图像的目标分割中,实验结果验证了该方法的有效性和鲁棒性.     

重视边缘区域的结构相似度图像质量评价

基于结构相似度的图像质量评价方法简单高效、准确性较高,但是对严重失真和交叉失真类型评价不够准确。考虑到边缘是图像的主要信息和能量成分,人眼对边缘信息的丢失更加关注,提出一种重视边缘区域的结构相似度图像质量评价方法(HESSIM),采用动态阈值(Otsu)法提取边缘区域,结合JND确定边缘区域的明显失真,并对其予以重视。实验结果表明,HESSIM比SSIM有更准确的评价,特别是对模糊类失真和噪声类失真的评价,HESSIM的优越性更加明显。