基于灰度共生矩阵的非平面表面粗糙度的图像纹理研究

采用灰度共生矩阵对不同加工工艺形成的非平面工件表面粗糙度进行了研究。讨论了灰度共生矩阵中二阶矩、对比度、相关值，熵等与图像纹理特性的关系，构建了实验装置，并利用Matlab软件对采集的激光散斑图像进行了处理，得到了共生矩阵的4个特征参数随表面粗糙度的变化曲线。为研究非平面工件的粗糙度，提供了一种新的技术途径。     

基于相关因子的无衍射光斑图像定中算法

为实现无衍射光斑作为直线基准在复杂噪声背景下精确定中, 提出了一种基于相关因子的无衍射光斑图像定中算法。该算法先根据光强重心理论计算光斑中心的大致位置, 再将光斑图像转换成极坐标系下的灰度图, 并生成角频率与光斑图像空间频率相同的离散周期正弦信号, 求解其相位角并对各径向上的相位信息作均方差评价, 计算出极坐标系下理想光斑中心与实际光斑中心的相关因子, 从而达到定中无衍射光斑中心的目的。在模拟噪声环境下, 对比该算法与其他常规算法, 其结果表明:该算法抗背景噪声干扰能力强、计算耗时短, 具有稳定的亚像素定中精度。     

一种实用的可见光图像自适应对比度增强方法

提出了一种基于图像一阶、二阶统计特性的自适应可见光图像对比度增强方法。通过分析可见光图像数字特性,提取了图像序列两个时间平稳的特征,即均值和方差。以此为基础,在灰度域对图像进行对比度增强。实验结果表明,提出的方法有效地增强了图像的对比度,同时抑制了部分起伏的背景。该算法在视觉质量上优于传统的基于图像最大最小值的对比度增强方法和直方图均衡方法,而且易于实现。     

“句芒号”激光光斑质心提取方法与稳定性分析

根据句芒号足印影像特点,提出一种针对复杂背景噪声的激光光斑质心提取方法：基于灰度转换模型去除地物背景,结合距离约束、高斯滤波和大津阈值分割去除影像噪声,并利用灰度重心法计算质心坐标。使用所提方法对多种地物类型仿真光斑和实测光斑进行质心提取,结果表明：所提方法的质心提取均方根误差约为0.074 pixel,最大误差约为0.482 pixel,对句芒号光斑影像的适应性较好。对句芒号足印影像光斑开展了稳定性分析,结果表明,所有激光波束的光斑质心坐标的标准差小于0.34 pixel,激光器与光轴监视相机的相对几何关系较为稳定。所提方法可用于激光光斑质心提取及稳定性监测,对句芒号激光数据处理和应用有一定参考价值。     

一种基于图像特征和神经网络的苹果图像分割算法

苹果识别是开发苹果采摘机器人的关键环节,利用图像处理技术和神经网络分类器探索苹果图像分割算法.从苹果树图片中选取苹果图像样本和背景网像样本.分别计算这两类图像样本的颜色特征和纹理特征.颜色特征的计算基于RGB色彩模型,纹理特征的计算基于灰度共生矩阵.选取适当的颜色特征(R/B值)和纹理特征(对比度值和相关性值)作为输入节点,利用反向传播神经网络分类器建模,输出值是一个O～1之间的计算值.通过阈值将输出结果分类为苹果或背景.试验结果表明,该算法正确率大于87.6%,对光照的影响不敏感,是一利较为实用的苹果分割算法.     

三维高斯拟合激光光强快速衰减算法

为缩短衰减倍率调整的时间,提高激光参数测试的效率,提出激光光强快速衰减算法。衰减倍率精确调整量由当前衰减倍率和采集到的光斑光强真实的最大灰度值共同决定。当因光电接收器件(CCD)饱和造成采集光斑图像失真时,即衰减倍率过小时,由于激光光斑的光强通常满足高斯分布,通过对光斑图像进行处理,去除饱和部分光强信息,对剩余部分光强信息利用最小二乘法进行三维高斯拟合,还原出激光光斑光强的真实分布并获得最大灰度值;当衰减倍率过大时,根据采集光斑图像可以直接获得当前最大灰度值,最后通过计算获得最佳的衰减倍率调整值,实现了激光光强快速准确的调整。算法的有效性通过步进电机带动的双轮可变衰减器及CCD配合得到验证。     

纹理分析在红外目标识别中的应用

若背景有雾时，红外图像中的目标会受到影响而变得比较模糊。雾的纹理是一种比较典型的自然纹理，利用灰度共生矩阵提取纹理特征图像的方法，对雾天获取的红外图像进行分析。通过实验证明了该方法对红外图像中（背景有雾时）目标的提取和识别有积极的作用。     

光栅衍射型超广角激光告警系统光斑定位方法

成像光斑中心精确定位是光栅衍射型超广角激光告警系统具有高定向准确度和高波长分辨能力的基础.本文分析了光栅衍射型超广角激光告警系统成像光斑特点.针对随激光入射角增大,系统成像光斑畸变为强度近似高斯分布倾斜光斑的问题,提出一种改进型高斯拟合法计算光斑中心,通过仿真模拟和实验测试研究了新方法的定位性能.模拟结果表明,高斯噪音标准差为0.01情况下,光斑长轴与x轴夹角由0°逐渐增大为90°过程中,本文方法的定位误差平均值小于0.005像素,误差标准差小于0.02像素.实验测试表明,实验图像经帧相减和高斯平滑滤波预处理后,光斑长轴与坐标轴方向一致时,本文方法与高斯拟合法的定位结果非常接近,明显优于灰度重心法.光斑倾斜时,本文方法求得的激光入射方向角的误差均值和标准差明显小于灰度重心法和普通高斯拟法.     

同步辐射X射线图像对比度增强算法研究EI北大核心CSCD

在同步辐射X射线成像中,时常会出现对比度不高或对比度不均匀的问题,这将导致图像中样品的一些细节信息难以被观察和分析。针对这一问题,提出一种X射线图像对比度增强的算法。该算法以同态滤波为核心,结合图像降噪预处理及灰度调整,以现图像的对比度增强,并提高图像质量。编写程序实现该算法,并通过对分辨率靶图像和海洋鱼类样品的X射线图像进行测试。结果表明,该算法可以很好地增强灰度分布不均匀的低对比度X射线图像,使样品信息显示更清晰,灰度分布更均匀。同时,对X射线图像的降噪效果明显。     

无衍射光莫尔条纹的中心定位方法

无衍射光莫尔条纹被广泛应用在精密测量领域中，实现无衍射光莫尔条纹中心的精确定位是高精度测量的关键。通过对无衍射光莫尔条纹图像特征进行分析，提出了一种无衍射光莫尔条纹的中心定位方法。该方法首先根据光强分布特征，提取莫尔条纹图像中两光斑中心局部同心圆区域；然后进行局部同心圆环检测，确定初始圆心集；再对初始圆心集进行聚类分析确定两光斑中心的初始位置；最后删除异常点并迭代求取两光斑中心较精确的位置，实现无衍射光莫尔条纹两光斑中心的定位目的。理论和实验结果表明该方法能快速、准确地同时确定两光斑中心位置，且误差小于1 pixel。     

利用光斑图像特征确定飞秒激光有效烧蚀焦距

为确定飞秒激光光束对微尺度结构的烧蚀深度,研究了给定功率条件下对应的激光束有效烧蚀焦距。提出采用激光焦点处获得的烧痕阵列图像及在离焦状态下提取烧痕图像特征,通过分析图像特征与离焦距离,获得激光束有效烧蚀焦距范围的方法。在激光束焦点附近的硅晶片表面烧蚀出斑痕阵列,向下逐渐减小焦距,采集硅晶片斑痕图像,提取斑痕平均像素面积及斑痕目标与背景之间的R分量灰度差,获得斑痕像素面积及灰度差随激光束焦距变化的曲线;向上逐渐增大焦距,提取并获得斑痕像素面积及灰度差随激光束焦距变化的曲线。结合激光束向下离焦阈值(633 μm)及向上离焦阈值(993 μm),确定20 mW输出功率条件下,飞秒激光在硅晶片材料表面的有效烧蚀深度为360 μm。采用中位值方法确定了激光束在硅晶片表面聚焦时的焦距为0.823 mm。实验表明,激光烧蚀斑痕像素面积及灰度差与激光束焦距之间的关系能够客观地反映激光束有效烧蚀焦距的变化范围。     

基于脑部磁共振图像三维局部模式变换特征提取进行阿尔茨海默病病程预测分类

本文提出一种三维局部模式变换提取进行纹理特征并与常规特征相融合的方法,基于脑部磁共振图像,对认知功能正常的健康人体（CN）、轻度认知障碍（MCI）患者和阿尔茨海默病（AD）患者进行预测分类.首先对46例CN对照组、61例MCI患者和25例AD患者的脑部磁共振图像提取感兴趣区域,然后提取双侧海马体组织、灰质和白质的三维局部模式变换纹理特征和常规特征,并将两类特征融合,使用支持向量机分类算法进行分类.结果显示利用本方法,基于双侧海马体组织对AD组和CN组进行分类的准确率为88.73%、敏感度为78.00%、特异度为95.7%、受试者工作特征（ROC）曲线下面积（AUC）为0.886 5;基于灰质的准确率为85.92%、敏感度为80.00%、特异度为86.6%、AUC为0.854 3.这证明基于海马体磁共振图像,利用本文提出的改进三维局部模式变换提取的纹理特征进行阿尔茨海默病病程分类效果较好,融合常规特征后更可提高分类预测的精度.     

一种基于灰度变换的红外图像增强算法

针对红外图像，采用双门限分割法进行图像分割，然后采用分段灰度变换法进行图像增强。根据具体图像，通过人机交互的方式确定2个阈值，将图像分割为目标区、过渡区和背景区3部分；按照每一部分的特点，设计不同的灰度变换，对图像进行分段线性增强，得到感兴趣目标区的最佳视觉效果。通过对16位红外图像进行实验，得到了满意的结果。实验表明,该算法灵活便捷，在增加对比度和去除噪声的同时，还抑制了背景，达到了预期的效果。     

基于统计特征的轮胎纹理缺陷在线检测

根据轮胎X光纹理缺陷区域灰度及灰度分布异常的特点,研究了一种通过分析统计特征进行在线缺陷检测的方法。在轮胎X光纹理灰度分布模型基础上,采用正则化预处理去除背景噪声,然后进行图像分块,分别计算每块的灰度均值和方差,并采用双线性插值运算形成均值图像和方差图像,再通过二值化实现缺陷检测。实验表明,与人工检测方法进行对比,该方法误判率低,检测精度高,并且运算速度快,能满足在线检测要求。     

列图像中遮挡缺损图像补偿算法

针对动态图像的遮挡缺损问题,提出了基于图像块的帧间预测算法,可以检测出序列图像中的遮挡缺损区域;利用帧间灰度相关性修正补偿算法进行遮挡缺损区域补偿,利用修正的像元对缺损区域进行补偿能够克服传统插值补偿算法补偿痕迹明显的缺点.仿真结果表明:该算法补偿处理区域与邻域灰度过渡平滑,消除了补偿痕迹,补偿效果比较理想.     

基于支持度变换和top-hat分解的双色中波红外图像融合

为了解决用多尺度top-hat分解法融合双色中波红外图像时经常存在对比度提升有限、边缘区域失真较重的问题,提出了基于支持度变换和top-hat分解相结合的融合方法。先用支持度变换法将双色中波图像分解为低频图像和支持度图像序列;再从最后一层低频图像中用多尺度top-hat分解法提取各自的亮信息和暗信息;用灰度值取大法分别融合亮信息和暗信息;通过灰度值归一化和高斯滤波分别增强亮、暗信息融合图像;然后融合两低频图像和亮、暗信息增强图像;将融合图像作为新的低频图像和用灰度值取大法融合得到的支持度融合图像序列进行支持度逆变换,得到最终融合图像。该方法的实验结果同采用单一的支持度变换法融合和多尺度top-hat分解法融合相比,融合图像的对比度提升了11.69%,失真度降低了63.42%,局部粗糙度提高了38.12%。说明提出的从低频图像提取亮暗信息,并经过分别融合、增强,再与低频图像进行融合,能有效破解红外融合图像对比度提升和边缘区域失真度降低之间的矛盾,为提高图像融合质量提供了新方法。     

基于频域纹理消除的结构性纹理缺陷检测方法

针对金属加工表面等结构纹理表面图像缺陷检测问题，结构纹理的存在会对缺陷（比如划痕）检测带来干扰，该文开展在频率域中消除背景纹理的方法来进行缺陷检测的研究。首先基于傅里叶变换的图像复原技术，空间域图像中的结构性纹理对应傅里叶域中高能频率分量，使用最小二乘法直线拟合操作去除，并将这些能量设置为零，经傅里叶逆变换为空间域图像。在复原的图像中，原始图像中的结构纹理区域将变为近似的均匀灰度级，但其中缺陷部分将被保留下来。再使用统计过程控制来设置阈值的方法就能从复原图像中分离出缺陷。最后在一系列的结构性纹理图像上的实验证实了所提方法可行且有效。     

Multistage morphological segmentation of bright-field and fluorescent microscopy images

This paper describes the multistage morphological segmentation method (MSMA) for microscopic cell images. The proposed method enables us to study the cell behaviour by using a sequence of two types of microscopic images: bright field images and/or fluorescent images. The proposed method is based on two types of information: the cell texture coming from the bright field images and intensity of light emission, done by fluorescent markers. The method is dedicated to the image sequences segmentation and it is based on mathematical morphology methods supported by other image processing techniques. The method allows for detecting cells in image independently from a degree of their flattening and from presenting structures which produce the texture. It makes use of some synergic information from the fluorescent light emission image as the support information. The MSMA method has been applied to images acquired during the experiments on neural stem cells as well as to artificial images. In order to validate the method, two types of errors have been considered: the error of cell area detection and the error of cell position using artificial images as the “gold standard”.     

基于梯度和小波变换的水下距离选通图像去噪

水体的散射效应、激光光斑、成像器件的非理想化等因素使得图像出现大量无规律粒状噪声,它们增加了水下距离选通图像的背景噪声,模糊了目标轮廓,掩盖了目标细节,降低了图像的信噪比。针对上述问题本文提出了一种基于梯度和小波变换的去噪方法。首先对图像进行余弦小波变换,得到不同频率空间的图像集。低频空间引入新的图像梯度强化方法以提高图像的纹理信息量;对应非均匀性条带的LH或HL空间做曲面拟合处理以消除非均匀性条带的影响;在HH空间去噪过程中,低层空间做非局部均值处理以保留图像相似信息,高层空间做分数阶积分处理以保留图像细节信息。最后小波逆变换得到结果图像。从实验水槽中采集水下图像进行算法验证,将改进方法与已有算法比对分析。实验表明,本文所研究的水下去噪算法,能够平滑噪声且更大限度地保留图像细节纹理,在客观评价指标上提升了6%。