改进二值化算法在QR码识中的应用

研究了QR码图像二值化技术,针对光照不均的QR图像提出了一种改进的基于背景灰度估计的校正算法.该算法首先根据原图像大小进行分块处理,在此基础上利用改进的灰度估计公式计算分块的灰度值,然后利用双线性内插法设置区块灰度值为估计值,最后用原图像减去估计背景图像得到校正图像,以此克服了光照不均对二值化阈值选取的影响.实验证明,...     

书籍扫描图像几何畸变校正

提出一种图像扫描技术,解决书籍扫描时图像背景灰度不均匀、线性几何畸变、以及非线性几何畸变等问题。这个方法不依赖扫描仪的参数。通过对图像的预处理,选取适当的采样窗口,基于直方图背景分析导出背景灰度因子,校正背景灰度不均。提出了一种线性几何畸变校正算法,用横向数值校正算法解决了非线性畸变的问题。     

基于区域的光照不均文本图像校正方法

针对光照不均文本图像识别率低下的问题,提出一种基于区域分类的自适应校正算法。通过八邻域三维增强,拉大背景点与目标点差异;通过对该类文本图像的特征分析,利用投影算法实现图像的区域分类;采用全局校正处理区域分类后的页白区域和均匀区域,结合评定图像质量的特征参数,对阴影区进行局部校正处理,实现背景与目标的彻底分离;分析噪音分布特点,采用邻域去噪法纠正误判像素点。实验结果表明,该算法能有效分离光照不均文本图像的目标点和背景,处理后的效果图可用于阅读以及提高OCR系统识别率。     

非均匀光照文档图像快速二值化方法

拍照方式获取的文档图像在OCR识别中,可能因光照不均而导致识别率低下。针对此问题,提出一种基于分块的自适应文档图像快速二值化方法。根据文档区域亮度特征划分光照均匀区域、阴影区域及亮光区域,对不同区域自适应地选取最有效的二值化算法。为解决传统White算法自适应能力的不足,对其进行改进,有效减少了伪影和断笔的产生。实验结果表明,该方法能明显提高光照不均文档图像的OCR识别率,且校正速度快、鲁棒性好。     

基于机器视觉的液晶屏Mura缺陷检测方法

通过分析液晶屏中缺陷检测的必要性和人工检测的不足,研究一种基于机器视觉的液晶屏Mura缺陷在线检测系统。针对液晶屏中的Mura缺陷区域和周围背景对比度低、边缘模糊、形状各异、整体亮度不均等特点,建立模拟人工检测的成像系统。提出单帧图像背景建模和背景差分方法,该方法能有效解决液晶屏的亮度不均问题,同时增强Mura缺陷的特征信息。然后基于最大稳定极值区域(Maximally Stable Extremal Region,MSER),提出Mura缺陷自适应阈值缺陷分割方法,建立一个全自动缺陷在线检测的视觉系统。实验结果表明,所提检测算法能很好地解决液晶屏亮度不均的问题,准确地对Mura缺陷进行分割定位,算法的鲁棒性好。并且该系统人工干预少,效率高,能实现在线自动检测。     

无需设定阈值的图像边缘检测

针对提取图像边缘经常需要设定阈值,而对于光照不均的图像又难以设定合适阈值的问题提出了一种新的边缘检测方法。该方法首先根据对数把图像分解为高频与低频信息,并把对数图像减去其经最大值滤波后的图像提取高频信息,然后根据认知心理学上的Stevens定理,把高频信息转换为心理量。经非最小值抑制细化边缘后,应用Pillar K-means算法提取图像边缘。该方法不需要设定阈值,且对光照不均的图像边缘提取有较好的效果。实验结果证明了该方法的有效性,也表明把图像亮度转换为心理量可以较好地统一不同亮度下的边缘取值。     

采用分裂Bregman的遥感影像亮度不均变分校正方法

目的：遥感影像成像过程由于受到传感器自身以及其他一些外部环境因素的影响,往往会呈现出整体的亮度不均,导致遥感影像解译和制图精度的降低。因此,需要对遥感影像进行亮度不均匀校正,提高影像的质量。方法：感知驱动的亮度不均变分校正方法,是一种新型的单幅遥感影像亮度不均校正方法,它受人眼视觉系统特性的启发,能够在有效校正影像整体亮度的同时增强局部对比度。本文用分裂Bregman迭代实现了对感知驱动亮度不均变分校正模型的最优化求解,在实现对影像整体亮度不均校正的同时,大幅提高了计算效率。结果：模拟实验和真实实验结果均表明采用分裂Bregman的亮度不均变分校正模型需要较少的计算时间,从效率上比采用最速下降法的校正模型提高了约6到7倍。结论：分裂Bregman方法能够有效求解感知驱动亮度不均变分模型,在保证校正结果整体亮度均匀,局部对比度增强的前提下,大大提高运算效率。     

改进的灰度校正算法在路面裂缝图像预处理中应用

针对传统的灰度校正算法在对亮度不均匀的路面裂缝图像处理时容易造成边缘模糊,局部对比度得不到增强的问题,本文在传统的快速灰度校正算法基础上,提出了一种改变初始背景图像选取方式以及采取局部对比度增强图像和整体灰度校正图像相互融合的改进型灰度校正算法.实验结果表明,与传统方法相比,改进后的算法对路面裂缝类图像的预处理效果明显增强.     

基于顶帽变换和模糊C均值聚类的图像分割方法

为了准确地对背景亮度不均匀的图像进行分割,提出了一种综合运用形态学中的顶帽变换和模糊C均值（FCM）聚类的图像分割方法。FCM聚类算法已成功地应用于图像分割,但对于具有不均匀亮度背景的灰度图像,则无法进行准确有效地分割。根据提出的方法,对于具有亮度不均匀背景的灰度图像,首先利用顶帽变换对图像进行处理,以消除亮度不均匀的背景,然后再利用FCM聚类算法对图像进行分割。实验结果表明,该方法可以准确地对背景亮度不均匀的图像进行分割,是一种有效的图像分割方法。     

一种快速实用的灰度校正算法

介绍了光学成像系统灰度衰减模型，提出了一种快速的灰度不均图像校正方法。该方法不需要其他的外部参数，也不需要模型，仅通过对灰度不均的图象自身进行运算来加以校正，它基于通过原图象减去背景图像来消除不均的策略，根所图象特性，直接从原图象中取出属于背景上的点，再通过插值或曲面拟合等方法得到整个背景图象。该方法不但保持了原图象上的目标，而且效果明显，简单快速，并具有很好的通用性，高速公路路面病害检测实验结果验证了该方法的有效性。     

磁瓦表面图像的自适应形态学滤波缺陷提取方法

结合磁瓦表面机器视觉自动识别系统的需求,提出一种基于自适应形态学滤波的缺陷提取方法.针对磁瓦表面缺陷对比度低、图像中存在磨痕纹理背景和整体的亮度不均匀等难点,设计了一种新的自适应形态学滤波器;根据磁瓦表面图像不同区域内的灰度变化进行分区域逐行扫描,估算每行缺陷最大尺寸,使滤波器的一维棒状结构元素随着缺陷尺寸自动调整;通过逐行自适应形态学滤波滤除或弱化缺陷,模拟出背景图像(阈值曲线),用原始图像与背景图像相比较即可提取出磁瓦表面的缺陷.实验结果表明,该方法能准确、快速地提取出磁瓦表面图像各区域的缺陷,通用性好,可用于磁瓦缺陷在线自动识别系统.     

X射线光栅相衬成像拼接缝消除算法

针对X射线光栅相衬成像拼接过程中出现的拼接缝问题,提出一种基于改进的中值滤波结合全变分平滑模型的拼接缝消除方法。首先利用方差的全局亮度调整方法消除待拼接图像间亮度不均,获取亮度均匀图像。然后通过改进的中值滤波对拼接缝两侧灰度值进行修正,以抑制灰度突变的干扰;再利用全变分平滑模型对修正后的图像进行平滑,使拼接缝过渡光滑。最后对平滑后图像进行增强,获得增强后的大视场图像。实验结果表明,所提方法在保持图像边缘细节的同时,能够有效消除拼接缝隙,提高了拼接图像质量。     

空域同态滤波算法研究

改进空域同态滤波算法,将图像低通滤波结果反相作为补偿模型来平衡图像的光照非均衡性,减少低频信息的损失;对主要影响同态处理速度的空域滤波进行优化,提出了两种简化计算方法:基于Kronecker积构造2维窗的模板分解方法和基于抽样和插值方案的空域滤波近似方法。仿真结果表明,基于优化计算方案的改进同态滤波快速算法在补偿图像光照非均衡性、降低计算量的同时,有效地保持了图像低频信息,且可通过更多滤波模板实现。     

自动分布阈值图像多目标分割算法

为解决熙度不均匀条件下亮度特征不同的多个目标图像分割问题,根据目标局部区域的灰度特征,用分布式闻值进行图像二值化分割处理,提出模糊因子可调的快速序贯性平滑滤波算法,调节模糊因子对图像快速滤噪和自动生成近似照度图像,凭借照度图像生成分布式闻值图像,给出不同类型图像的模糊系数袁,快速地分割出明暗不同的目标。实验和工业视觉系统应用均表明算法分割效果和速度均好于最优局部闻值算法,可满足实时处理要求。     

基于深度神经网络的表面划痕识别方法

为实现亮度不均的复杂纹理背景下表面划痕的鲁棒、精确、实时识别，提出一种基于深度神经网络的表面划痕识别方法。用于表面划痕识别的深度神经网络由风格迁移网络和聚焦卷积神经网络（CNN）构成，其中风格迁移网络针对亮度不均的复杂背景下的表面划痕进行预处理，风格迁移网络包括前馈转换网络和损失网络，首先通过损失网络提取亮度均匀模板的风格特征和检测图像的知觉特征，对前馈转换网络进行离线训练，获取网络最优参数值，最终使风格迁移网络生成亮度均匀且风格一致的图像，然后，利用所提出的基于聚焦结构的聚焦卷积神经网络对生成图像中的划痕特征进行提取并识别。以光照变化的金属表面为例，进行划痕识别实验，实验结果表明：与需要人工设计特征的传统图像处理方法及传统深度卷积神经网络相比，划痕漏报率低至8.54%，并且收敛速度更快，收敛曲线更加平滑，在不同的深度模型下均可取得较好的检测效果，准确率提升2%左右。风格迁移网络能够保留完整划痕特征的同时有效解决亮度不均的问题，从而提高划痕识别精度；同时聚焦卷积神经网络能够实现对划痕的鲁棒、精确、实时识别，大幅度降低划痕漏报率和误报率。     

最大差值图决策的低照度图像自适应增强算法

应用于光照分布不均的低照度图像,传统的图像增强算法会出现色彩失真、亮区过度增强等问题,因此提出一种最大差值图决策的低照度图像自适应增强算法。首先,提出最大差值图的概念,通过最大差值图粗略估计出初始光照分量;然后,提出交替引导滤波的算法,利用交替引导滤波对初始光照分量进行校正,实现光照分量的准确估计;最后,设计了图像亮度自适应的伽马变换,能够根据获取的光照分量自适应调整伽马变换参数,从而在增强图像的同时消除光照不均带来的影响。实验结果表明,增强后的图像有效消除了光照分布不均带来的影响,图像亮度、对比度、细节表现能力和色彩保真度都得到了明显提升,平均梯度提升了1倍以上,信息熵提升了14%以上。由于提出的算法对光照分量估计准确,自适应伽马变换针对低照度图像进行了优化,因此,对于夜间等弱光源条件下的彩色图像具有十分有效的增强效果。     

数学形态学梯度算子检测铸铁金相图像边缘

金相图像处理是进行定量分析的前提,将金相图像中的目标物正确的提取出来对定量分析起着重要的作用.利用同态滤波器对亮度不均匀的铸铁金相图像进行滤波,校正因反射光强引起的亮度不均匀现象.基于数学形态学梯度算子提出新算法,利用预先定义的结构元素对图像中石墨边缘进行提取,之后经过后处理再进行填充.实验结果表明,该方法在保证石墨边缘的同时可以抑制噪声,能够有效提取出石墨的边界.     

光照不均管道内图像增强算法的研究与应用

采用机器视觉技术对大型引水压力钢管内的裂纹进行检测,容易受现场环境限制,使摄像机获取到的图片存在光照个均匀和掺杂噪声等问题.若不进行有效的预处理来消除非均匀背景光和噪声,会影响后期裂纹检测和提取结果.为此,提出一种新型图像增强算法,该方法基于线性空间滤波原理对图片的背景光进行拟合,以改善光照不均匀现象;利用小波变换去除...     

基于顶帽底帽变换的仿生图像增强算法

针对低照度图像对比度低、细节模糊、色彩饱和度低的问题,通过分析人眼的主观亮度感受和光照强度的非线性关系以及人眼的视网膜神经节细胞中感受野的传输特性,提出一种顶帽变换和底帽变换相结合的仿生图像增强算法。首先,将低照度图像的RGB色彩空间转换为HSV空间,对亮度分量进行全局亮度对数变换;其次,采用视网膜神经元感受野三高斯模型对图像局部边缘的对比度进行调整;最后,用顶帽变换和底帽变换辅助对较亮背景的提取。实验结果表明,所提算法增强的低照度图像不仅细节清楚、对比度高,同时还没有设备采集图像存在的光照不均匀和图像景深的问题,而且增强后的图像色彩饱和度高,具有很强的视觉感受效果。