适于路面破损图像处理的边缘检测方法

根据路面图像存在的背景不均、损坏比例低和损坏方向不规则的问题,提出了适于路面损坏图像处理的边缘检测方法.在传统边缘检测方法的基础上,引入了预处理和边缘增强.其中预处理包括背景校正、高斯平滑、灰度直方图变换,并提出有效灰度区间的概念;边缘增强则采用了数学形态学的膨胀运算和中值滤波.针对路面损坏图像实例,采用8方向Sobel算子和最大类间方差分割算法,按照上述流程进行边缘检测.结果表明,该方法能有效降低噪声对路面图像处理的影响并最大限度地保留图像中的损坏特征,而背景校正和基于有效灰度区间的灰度直方图变换则是该方法的关键.对经过预处理的边缘图像,最大类间方差法可取得理想的分割效果.     

交警手势的图像处理与识别

提出了一种基于交警手势识别的交通灯控制方法.该方法首先对彩色摄影机采集的交警手势图像进行预处理,包括彩色图像平滑、彩色图像增强;其次利用边缘检测和图像分割方法对目标图像进行分割,由于图像受噪声干扰严重,采用Sobel算子消除噪声;再次将分割得到的目标轮廓进行表示与描述,为图像的识别作好准备;最后结合图像的轮廓特征对图像进行识别,采用了模糊模式识别方法.试验结果表明,该方法能够实现对交警手势准确的识别.     

基于目标特征的图像预处理技术

结合建筑物搜索与识别的实例,提出了有利于保留目标特征的二值图像平滑算法和水平分割算法,改进了中心差分算子的边缘检测方法,并采用基于边缘特征的二值化算法对图像进行预处理.实验表明,这种基于目标特征的图像预处理方法对各种条件下采集的图像都能达到较好的处理效果,并取得了令人满意的速度.     

棉花异性纤维定位新方法

以在生产线上采集的棉花异性纤维图像为研究对象,针对目前异性纤维识别算法编程复杂、运算速度低、无法满足在线剔除异性纤维等技术问题,提出运用标准差分割图像和定位异性纤维的新方法.该方法首先提取RGB图像的G分量并进行灰度值变换,接着运用列像素灰度值的标准差在宽度方向定位异性纤维,然后运用行像素灰度值的标准差在高度方向定位异性纤维,最后根据在图像宽度和高度2个方向异性纤维的位置信息进一步确定在输棉管道内异性纤维的精确位置.由测试含有塑料绳、地膜、麻绳、有色线和羽毛5类异性纤维的图像表明:该算法能快速准确地分割和识别异性纤维,在PC机上运用Matlab软件处理一幅3 096像素×60像素的图像,从读取图像到得到异性纤维精确的像素位置,算法运行约0.04 s;若直接采用FPGA硬件系统运行该算法速度会更快,有望实现在线剔除异性纤维.     

X射线检测焊缝的图像处理与缺陷识别

根据射线检测焊缝图像的特点,设计了图像去噪、增强的算法;针对焊缝缺陷对比度差、光照不均、纹理较多等不利因素,在去除焊缝背景情况下,设计了动态划分焊缝区域算法,利用局域阈值法分割提取出对比度不均的缺陷;通过对焊缝缺陷特征分析,选取缺陷识别的特征参数;建立了用于焊缝缺陷识别的模糊神经网络模型。试验结果表明,图像预处理和缺陷提取是成功的,提出的识别算法能够提高介于模糊边界模式分类时的识别率,对焊缝缺陷识别的效果优于分类识别法。     

叶菜根系图像的变分水平集分割算法

植物根系图像分割是根系构型特征提取和分析的前提.针对传统图像分割方法在处理叶菜根系弱边缘图像中存在分割精度和稳定性较差的问题,提出了一种基于改进C-V(Chan-Vese)模型的变分水平集分割算法.该算法不仅保留了C-V模型对于处理弱边缘图像的适用性,并针对叶菜根系图像局部灰度不均的特点引入了图像梯度信息,改进了原C-V模型.通过对小白菜根系样本图像的分割处理试验,证明了变分水平集分割算法的有效性.研究结果表明,相比传统的阈值处理、边缘检测及区域生长等算法,本文算法能更加精细地解决叶菜根系图像弱边缘和局部灰度不均的问题,并在分割精度和算法稳定性上具有明显的优势.变分水平集算法应用于叶菜根系构型观测系统中,可以有效地提高观测精度.     

基于深度残差网络的医学超声图像多尺度边缘检测算法

为提高医学超声图像在临床诊断的效果, 需先对图像进行优化检测和识别, 提出一种基于深度残差网络的医学超声图像多尺度边缘检测算法. 首先, 通过对原始医学超声图像进行自动标注, 构建医学超声图像灰度分布矩阵, 利用分布矩阵完成医学超声图像的多尺度分割; 其次, 构建医学超声图像多尺度边缘的轮廓模型, 提取多尺度图像边缘特征; 再次, 构建深度残差网络结构, 采用深度残差学习算法进行超声图像的底层图像信息融合; 最后, 对融合后的边缘图像数据进行多尺度边缘检测. 实验结果表明, 该算法的图像分割精度高, 特征提取准确率达80%以上, 图像边界中间断区检测效果较好, 边缘点查全性较高, 算法检测耗时短、收敛性强.     

应变片外观缺陷检测方法

应变片是用于测量应变的关键元件,在实际中应用广泛,其外观缺陷检测在工业生产中具有重要意义。本文针对应变片图像缺陷检测存在的难点和人工目视检测应变片外观缺陷存在的成本高、检测结果不稳定、效率低等问题,提出了一种自动检测应变片外观缺陷的方法。其中提出了方向canny边缘检测算法,在准确检测出应变片图像边缘的同时,有效解决了传统canny边缘检测算法的耗时问题;针对应变片图像灰度分布不均、光照剧烈变化等情况,提出了动态阈值法来分割丝栅区和焊接区。首先,对应变片图像采用双边滤波进行预处理,在去除噪声干扰的同时保留边缘信息;然后,根据方向canny算子分割出感兴趣区域;其次,根据动态阈值法分割出丝栅区和焊接区;最后,采用形态学操作的方法,检测应变片存在的缺陷。实验结果表明,本文所提检测方法能够准确有效的检测出应变片外观缺陷,算法稳定性高,满足实时性要求;同时系统人工干预少,检测效率高,能实现自动检测。     

热态重轨表面缺陷在线检测方法及关键技术

针对热态重轨轧制时表面缺陷检测困难,研制了一种基于机器视觉的热态重轨表面缺陷实时检测系统。根据重轨辐射和光照特性进行了光学选型,利用多个线阵CCD相机并行多角度采集得到热态重轨全表面图像,通过图像自适应预处理得到满足缺陷检测要求的图像。针对重轨表面缺陷结构连续性引起的传统图像分割算法难以实现缺陷提取的情况,提出了图像像素线线间相关度互检验算法,并利用像素去差异化和方差统计运算提取完整缺陷,此方法在该类问题的识别效果上明显优于传统边缘识别算法。系统在某集团轨梁厂的实际应用中取得了良好的效果。     

一种机器人导航中数字路标的分割和识别方法

基于路标的移动机器人视觉导航的基础上,提出了一种基于边缘点数量统计和FCM(Fuzzy C-means)聚类的路标图像分割方法。在对分割后图像进行维纳滤波,二值化等预处理的基础上,完成了数字路标的识别。通过实验证明,该算法能实时地完成数字路标的分割和识别,有效地应用于移动机器人的视觉导航。     

用于3D生物医学图象边缘检出的一种新零交叉算法

在三维生物医学图象分割中，Marr算法的缺点是当模板较大时运算速度很慢。Haralick算法的缺点是曲面拟合系数和方向导数的方向较难确定。对此，作者提出了一种新的零交叉算法。它是先对图象进行对称二阶微分运算，然后由平面拟合检出过零点。其优点是模板较大时运算速度比Marr算法快，且采用平面拟合具有较好的抗干扰性。     

图像测量技术在桥梁变形检测中的应用研究

为了提高桥梁变形检测的精度,文章提出了一种基于像素点灰度值插值的边缘检测方法。该算法首先对桥梁结构表面灰度图像进行插值运算,然后利用经典边缘检测算子检测结构变形。通过仿真实验证明该方法有效,变形精度满足工程检测要求。     

基于BP网络的棉花中异性纤维识别算法

针对原棉中的异性纤维种类繁多、特征各异,很难建立一个统一的异性纤维识别模型问题.提出了应用神经网络识别异性纤维的算法.在RGB颜色空间下,提取原棉图像中每个像素的R、G、B分量,采用统计纹理分析方法,计算R、G、B分量的纹理强度信息作为特征值.用MATLAB软件创建BP网络识别模型,对有代表性的原棉图像进行识别实验.实验结果表明该算法可以有效地识别出原棉中存在的有色和无色异性纤维.     

气门几何尺寸的多种边缘高精度检测

目前边缘检测算法只能检测水平边缘、垂直边缘,且检测精度低、处理速度慢、抗噪性能差;针对上述存在的缺陷,提出一种气门几何尺寸的多种边缘高精度尺寸检测算法。首先采用中值滤波和高斯滤波对气门采集图像进行预处理,然后针对不同的边缘使用不同检测算法实现图像边缘的像素级定位。在像素级边缘定位的基础上采用几何质心法亚像素边缘定位实现图像边缘的亚像素级精确定位。最后采用畸变校正技术对图像中边缘像素点的坐标进行校正,得到没有畸变情况下边缘像素点的理想坐标,根据像素当量计算得到气门的各个尺寸。通过在光学图像检测系统中的实际应用,证明提出的算法精确且稳定,满足高精度视觉检测的要求。     

复杂背景下的纤维识别研究

对在复杂背景下的纤维识别进行了研究.由于图像中纤维交错分布,相互遮挡,很难用现成的方法完成识别.本文作者提出的识别方法包括3部分:边缘检测,边缘细化与边缘修复.试验结果表明,本方法可避免纤维交叉,纤维弯曲等影响,并能较为准确地识别出每条纤维.     

一种高速印刷品缺陷在线检测系统

研究了一种印刷品缺陷(如刀丝、拉墨、飞墨、错印、漏印等)高速在线检测的机器视觉系统.通过多照射角度和防眩光的光学系统,再现印品上的微小印刷缺陷;应用基于行程长缺陷编码的缺陷快速查找算法和防轮廓误检算法,避免了因纸张形变和张力波动造成的误检;采用了C/S网络化并行结构,对图像数据进行分布式处理和集中统计管理.现场运行表明该系统实现了对印品100%全面在线质量检测的要求,在高速生产环境下运行稳定可靠.     

Feature Recognition of Low-resolution Fiber Image

The interpolatory edge operator is applied to the recognition of cotton and ramie fibers. Its performance is studied in comparison with the Canny edge operator in the fiber＇s edge detection for cross-sectional image. The input image is interpolated other than Gaussian function smoothing. The quality of edge output is improved by the interpolatory edge operator. It produces edge output with good continuity for low-resolution input. The fine edge output, such as crossmarkings, can be distinguished clearly, so the interpolatory edge＇operator is suitable for the study of cotton and ramie fibers. Furthermore, the application of the interpolatory edge operator can cut the hardware cost, reduce the storage and speed up the data transmission.     

基于图像结构信息的隧道衬砌裂缝实时快速识别

裂缝是隧道衬砌最常见的病害之一,裂缝检测是后期隧道养护的前提。在图像采集过程中对隧道衬砌裂缝进行实时快速识别,对提高隧道病害检测效率具有重要的意义。针对传统的裂缝图像识别方法存在运行速度慢、效率低等缺点,提出基于图像结构信息的隧道衬砌裂缝实时快速识别方法。首先将图像结构信息用图像像素的灰度均值、标准差和结构元素掩码表示,随后采用不同方向的结构元素掩码对采集的当前图像进行卷积运算,并计算当前图像与样本图像之间的亮度信息和对比度信息,最后计算图像结构信息因子,可实时快速识别出衬砌裂缝,并通过接受者操作特征曲线估计最优参数和最佳阈值。现场实验结果表明,算法的识别时间远小于图像的采集和存储时间,识别速度快且准确性高,可显著提高隧道衬砌病害的检测效率,具有一定的工程应用价值。     

反馈型颜色分割在边缘检测中的应用

针对传统的边缘检测算子容易产生边缘丢失和畸变的缺点,为准确获取彩色图像的边缘,本文提出了将传统方法提取的边缘作为反馈对原始彩色图像进行初步颜色分割,根据区域内颜色信息的分布统计,进行分裂合并及均衡化处理,对颜色区域边界进行骨架细化,从而提取边缘。实验结果表明:与传统方法比较,该方法可以更有效地检测出边缘信息。     

形态学多结构元多尺度熵权边缘检测方法研究

数学形态学广泛应用于图像处理和模式识别领域.针对形态学单结构元在边缘检测中边缘信息丢失的问题,提出了基于形态学多结构元多尺度熵权边缘检测方法.首先利用形态学高低帽运算对原始图像进行增强处理,由形态学运算调整结构元素尺度,采用抗噪型算子进行边缘检测,依据边缘图像的信息熵确定权值进行融合,改进了数学形态学边缘检测算法.实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时,有很强的去除噪声能力.