荧光磁粉探伤自动缺陷识别方法研究

针对荧光磁粉探伤的人工观察识别过程中工作量大、效率低、准确性低及健康危害严重等问题,提出一种新的自动化图像处理与缺陷识别方法。通过分析磁痕图像,设计了一种基于Photoshop中"色彩范围"选择功能的彩色图像分割算法;基于图像形态学提出图像去噪与还原算法;在区域生长理论的基础上进行相关优化,实现单个连通区域的高效提取;基于真伪信号的特征差异设计了缺陷识别方法。以样本图片为例,在集成了OpenCV的VC环境下进行了算法调试,结果显示:彩色图像分割模块滤除了原始图像中由于紫外灯光照射形成的蓝紫色区域和附着磁粉形成的暗绿色区域等干扰信号;开运算后图像中的斑点噪声已经完全被去除,部分细小区域在开运算过程中被断开,导致图像失真;通过闭运算图像得到了还原,图像特征指标保持良好;在识别效率显著改善的同时,识别方法的通用性与准确性也都得到了明显提高。     

基于边缘流和区域合并的岩屑颗粒图像分割

边缘流分割算法可利用图像的多种特征进行准确的图像分割,但传统的边缘流分割算法运算复杂度高,容易造成过分割.针对这些问题,作者对边缘流算法进行改进,并提出一种基于边缘流和区域合并的图像分割方法.该方法首先对原始彩色图像进行改进的边缘流分割;再通过曲线演化和边缘连接得到封闭的边缘;最后根据区域颜色相似度对初分割的图像进行区域合并,得到最终的分割结果.实验表明,该方法提高了分割效率,解决了过分割问题,将该方法应用于岩屑颗粒图像分割取得了较好效果.     

基于区域形状的静脉图像特征提取与匹配

为了准确地对人的身份进行识别,提出了一种基于区域形状的静脉图像特征提取与匹配算法.静脉图像经预处理后得到二值图像,该算法首先对二值图像进行细化处理,得到了静脉的骨架信息;然后,标注4连通区域并寻找到与连通区域相连接的端点与交叉点;再利用最小距离法将连通区域的边缘逼近成若干条线段,将线段角度作为特征;最后,利用改进的最长公共子序列算法,进行了局部区域匹配,并利用改进的豪斯多夫距离算法进行整幅图像的匹配.实验表明,该算法获得的图像特征具有较高的区分度,识别效果受采集静脉图像中信息缺失的影响较小,正确识别率可达到96%以上.     

基于数学形态学与HSV颜色空间特征的车牌定位

车牌定位是车牌自动识别系统的关键,算法首先将彩色图像进行灰度化、中值滤波去噪、边缘二值化一系列的预处理;然后,运用数学形态学基本运算选定若干个候选区域;最后基于HSV颜色空间特征,结合数学形态学所选的候选区域,扫描出车牌区域并进行裁剪。     

基于Mean Shift方法的视频车辆检测与分割

提出了一种基于Mean Shift方法的视频车辆检测和分割方法.首先将交通场景图像与路面区域所对应的二值掩模图像进行“与”运算以排除无关背景干扰,并对所得的结果图像用Mean Shift聚类方法进行分割以得到原始的分割图像.然后根据区域的面积、分布以及颜色的均匀性和相似性等特征有效过滤出路面区域.进一步基于颜色的不相似度量,将路面区域置“黑”,所有其他区域置“白”,对路面区域图像进行二值化.最后通过特定的后处理过程可把路面区域中所存在的动、静态车辆检测出来.     

基于区域检测的多聚焦彩色图像融合

针对在空域中基于分块的区域检测的多聚焦图像融合算法存在着对清晰部分的提取不完全的问题,对图像边缘部分无法准确提取的缺陷,本文提出一种基于非规则区域检测的彩色图像融合方法.首先将待融合的彩色图像由RGB模式转换到HSV模式,并且比较其对应的V分量图像像素点的邻域内方差的大小,将较大者标识为清晰像素,较小者标识为模糊像素;然后在此基础上根据像素邻域内的统计特征得到具有连续性和不规则性的图像的清晰区域;最后,根据多幅待融合图像的的清晰区域重构得到融合结果图像.实验结果表明,与基于分块的区域检测相比,本文所提出的方法能更为准确的提取图像的清晰部分.对比于传统的小波方法,从主观的视觉效果和客观数据分析来看,本文算法是有效的.     

基于Labview机器视觉的SIM卡槽缺陷检测系统研究

设计了一套基于Labview机器视觉的SIM卡槽缺陷检测系统,首先通过光学相机获得SIM卡槽的彩色图像,并结合Labview软件对图像进行灰度化处理和模板匹配算法,获得模板的匹配特征及位置;其次对图像进行形态学处理细化目标轮廓;再对图像进行二值化处理,得到引脚上白色的斑点面积,通过判断斑点面积来确认引脚是否存在折弯、变形、缺失等情况;最后采用彩色定位算法来判断SIM卡槽上引脚是否存在漏铜情况,实现对SIM卡槽缺陷的准确检测,并将检测结果在人机交互界面进行显示.试验表明,所设计的检测系统误报率为0,漏报率为0,平均检测时间小于750 ms,满足实际生产的应用需求.     

一种基于图的彩色图像分割算法

为了解决图像分割中容易出现的过分割问题,提出了一种基于图的彩色图像分割算法.该算法在区域合并的基础上,首先用Mean shift方法进行预处理,得到初始过分割区域后对其构造邻接图,然后计算邻接区域的颜色、纹理及边缘特征相似性以判断区域是否需要合并直到所有满足条件的区域都被合并.为了保持图像的全局属性,文中通过查找最优合并成本的方式进行区域合并.实验结果表明:即使在图像目标和背景区域颜色比较相似时,文中算法也能较好地实现对目标区域的完整分割;与其他4种算法相比,文中算法具有更好的分割性能.     

基于TWSVM超像素分类的彩色图像分割算法

图像分割是图像分析与理解的关键环节之一.提出了一种基于TWSVM超像素分类的彩色图像分割算法.首先,利用熵率超像素生成算法,将原始彩色图像划分成超像素区域;其次,结合直方图与双树复小波变换理论,提取出超像素的颜色特征和纹理特征;然后,采纳最大类间方差阈值法确定出TWSVM训练样本;最后,利用训练好的TWSVM模型对超像素进行分类处理,以获得最终分割结果.实验结果表明,本文算法可以获得较好的彩色图像分割效果.     

焊缝表面缺陷的视觉图像表征

提出一种基于焊缝表面缺陷几何特征提取的视觉图像表征方法.以视觉系统采集的焊缝表面视觉图像为信息源,通过图像增强、图像平滑、阈值分割等方法完成了焊缝与母材的分离,采用多尺度Retinex增强、模糊边缘检测算法,实现焊缝图像中缺陷几何特征区域的提取.基于焊缝及其成像间的坐标变换关系,建立缺陷几何特征参数的求取算法.验证结果表明,获取的几何特征参数能够准确表征缺陷的大小、形状、位置等信息,基于视觉图像表征焊缝缺陷的方法是可行的.     

基于颜色与结构特征的车牌定位算法

针对车牌具有稳定的颜色特征和形状特征,提出基于颜色与结构特征的车牌定位算法.利用OTSU自动阈值化技术将灰度车牌图像转化为二值化图像,通过对每一个连通区域提取形状参数,粗划分出候选车牌区域,最后利用颜色特征确定车牌.实验表明,这种车牌定位方法具有一定的优越性.     

一种基于消失点和颜色过滤器的车道线检测算法

针对经典霍夫车道线检测方法实用性较差,无法准确区分车道线和路沿与应用道路场景简单等问题,提出 了一种基于消失点和颜色过滤器的车道线检测算法,不仅提高车道线检测的准确率,而且能够应用较复杂行车场 景;首先,对行车视频连续五帧图像进行预处理,获取行车环境下车道线消失点位置,能够自适应选取行车环境图 像的感兴趣区域(Region of Interest,ROI);然后,对 ROI 图像根据车道线颜色特征进行过滤得到二值图像,获取二 值图像中所有连通区域质心和倾斜角等数据,通过结合消失点特征和角度阈值进行限制,筛选记录符合车道线特 征连通区域的数据,接着分割较大区域获取更多质心点,识别漏检符合车道线特征的区域质心点;最后,对获取的 质心点使用最小二乘法进行拟合并标识车道线;实验结果表明:算法能够在多场景道路上快速准确的检测出车道线,与经典霍夫算法进行仿真比较,算法具有一定的鲁棒性和实时性。     

基于HSV颜色特征的多目标视频检测与跟踪算法

针对跟踪多个运动目标交错运动时容易丢失目标的问题,提出了一种基于HSV颜色空间去识别与跟踪不同颜色目标的算法,对光照具有一定的鲁棒性。通过颜色空间转换提取目标原始二值图像,经中值和高斯滤波后,通过亮度检测判断是否对滤波后二值图像进行形态学膨胀;之后对较为精确的目标二值图像进行边缘检测,得到其最小包围矩形框,逐帧检测后绘制各颜色目标对应的运动轨迹,完成多目标的视频跟踪。对比经典Cam-Shift算法,实验表明,在多个目标具有不同颜色特征时,有效解决了视频跟踪中多目标交错运动丢失目标,且对光照敏感的问题,跟踪精度较高。     

基于激光标定的热工缺陷面积测量方法

针对建筑外墙热工区域缺陷面积的测量难题,提出了一种利用激光标定和热成像技术探测热工区域,从而进行图片处理计算面积的方法。该方法使用红外热像仪器采集目标图像,并由Matlab设计相关算法,首先将目标图像转换成YCbCr色彩模型,然后进行灰度处理,二值化目标图像,最后利用激光标定对目标的面积进行计算。为了验证其有效性,通过实体工程的运用,证明该方法具有方便快捷、准确度高的优点。     

基于YCb＇Cr＇肤色特征和Otsu算法的人眼定位优化方法

为了解决光照和人脸姿态对人眼定位的影响,提出一种基于肤色特征和最大类间方差法（Otsu）相结合的人眼定位优化方法.该方法首先在检测出人脸的基础上,在YCb＇ Cr’色彩空间里做肤色检测,运用肤色分割原理缩小人眼检测的搜索区域;接着,对图像进行Otsu阈值分割,提取二值图像的眼睛区域;最后,在眉眼区域利用二值积分投影分别定位左右眼睛.该方法减小了光照对图像的影响,并且简单快速.在标准的VidTIMIT人脸库和自采图库上进行了实验仿真,结果表明,此算法在光照和人脸姿态变化的情况下都具有很好的鲁棒性.     

鹰眼系统运动目标特征参数精确提取算法

鹰眼系统在赛场上可对球类运动轨迹进行跟踪和记录并在辅助裁判对边界球的判罚中起着重要作用,然而由于网球提取过程存在目标小、飞行速度快、光照变化、广告字符以及其他的运动物体影响的问题,网球特征参数提取精准度有待进一步提升。针对这些问题,提出了一种鹰眼系统运动目标特征参数精确提取算法,该算法利用网球色彩一致性较好的特点,根据彩色训练获取网球色调的范围,在HSV色彩空间中对网球图像进行颜色分割,减少背景图像的干扰,采用帧间差分与混合高斯模型融合算法对网球图像进一步分割获取运动目标,对分割后的二值图像使用Sobel算子提取边缘信息减少后续目标圆检测的运算量提高效率,采用Hough圆变换检测轮廓边缘信息完成网球圆心和半径参数的精确提取。实验结果表明,该特征参数提取算法拟合准确率高、相对偏差小,具有一定的实际应用价值。     

基于自适应三分图的玉米穗丝精细化提取

玉米穗丝是玉米的受粉器官,它的生长发育状况将直接影响玉米产量。为了实现穗丝性状的自动监测与评价,提出一种基于自适应三分图的玉米穗丝精细化提取方法。首先基于直方图对比度的显著性检测算法预估目标显著性,形成显著图,再利用自适应阈值分割对显著图初步预分割;然后寻找最大连通域获得单一目标二值图像,根据穗丝特点确定形态学处理的最佳卷积核并生成包含目标、背景和不确定区域的自适应三分图,以Laplace矩阵优化closed-form matting算法中目标函数的分块矩阵;最后根据玉米穗丝特点,结合三分图结果和优化过的算法对玉米穗丝进行软分割实现精细化提取。实验结果表明：所提的研究方法像素精度值为97.96%,综合评价指标值为94.16%;其中像素精度值相较于基于点运算的OTSU算法、Grabcut算法和基于神经网络的深度学习算法SeFormer和DeeplabV3,分别提高了10.43、2.35、1.67和1.91百分点,综合评价指标值分别提高了23.96、5.59、4.28和5.13百分点。此方法能有效弥补硬分割算法对玉米穗丝这种特殊对象的分割缺陷,提取的目标区域接近真实区域,准确度高,从而为智...     

基于注意力特征融合稠密网络的图像去雾算法

目前主流图像去雾算法输出的结果图像存在颜色失真、边缘模糊的问题.为改善上述问题,提出一种基于深度学习的图像去雾算法,所提算法由两个模块构成:注意力特征融合模块和雾霾模型参数估计模块.注意力特征融合模块用于充分提取雾霾图像的颜色、边缘特征;基于稠密连接空洞卷积自编码器的雾霾模型参数估计模块用于估计雾霾模型的参数,改善网络退化的问题.在浓雾图像、薄雾图像数据集上的实验表明,本文提出的算法有效地实现了图像去雾,与主流的图像去雾算法相比具有更高的结构相似性(SSIM),更低的均方误差(mean-square error,MSE)和边缘误差e_○edge.     

基于二阶池化特征融合的孪生网络目标跟踪算法

为提升基于孪生网络目标跟踪算法的特征表达能力,获得更好的跟踪性能,提出了一种轻量级的基于二阶池化特征融合的孪生网络目标跟踪算法。首先,使用孪生网络结构获取目标的深度特征;然后,在孪生网络结构的末端并行添加二阶池化网络和轻量级通道注意力,以获取目标的二阶池化特征和通道注意力特征;最后,将目标的深度特征、二阶池化特征和通道注意力特征进行融合,使用融合后的特征进行互相关操作,得到地响应图能很好地区分目标和背景,提高跟踪模型的判别能力,改善目标定位的精度,从而提升跟踪性能。所提算法使用Got 10k数据集进行端到端的训练,并在数据集OTB100和VOT2018上进行验证。实验结果表明,所提算法与基准算法相比,跟踪性能取得了显著提升：在OTB100数据集上,精确度和成功率分别提高了7.5%和5.2%;在VOT2018数据集上,预期平均重叠率(EAO)提高了4.3%。