基于分形和数学形态学的TIG焊熔池图像分析

焊接图像中不可避免地存在烟尘和弧光等干扰造成的噪声,而传统的图像处理方法对噪声非常敏感,因此很难准确地对焊接图像进行处理.文中提出了一种基于分形和数学形态学理论的综合图像处理方法.该方法利用分形理论中的离散分数布朗随机场理论得到按分形维分布的熔池灰度图像,然后利用二值形态学中的连通域检测去除噪声并得到目标图像,进而利用形态学中的开运算和闭运算得到图像的强连通边界.试验结果表明,该方法能够快速、准确地检测熔池的边缘、高度、宽度以及面积等信息.     

一种有效抑制睫毛干扰的虹膜定位算法

为了提高在图像质量较差时的虹膜定位性能,改善虹膜定位的成功率和速度,在对Daug-man算法改进的基础上,提出了一种基于形态学算子的虹膜定位算法(ILBM).该算法将睫毛干扰看作虹膜图像中出现的缝隙,通过应用形态学中的膨胀算子对缝隙进行填补进而消除干扰,虹膜边缘参数则采用Hough变换来求取.与Daugman算法相比,ILBM算法可以有效抑制虹膜定位过程中存在的睫毛干扰,提高虹膜定位的速度.对比实验表明,ILBM算法具有比Daugman算法更好的抑制干扰能力和鲁棒性,具有更高的定位成功率和更快的定位速度,定位时间仅为Daugman算法的17%,定位成功率提高了3.7%.     

星和扇上的锥的D(2)-点可区别正常边染色

设G是顶点集合为V(G)={v0i|i=1,2,…,p}的简单图,n是正整数,称Mn(G)为G上的锥(或广义Mycielski图),如果V(Mn(G))={v01,v02,…,v0p;v11,v12,…,v1p;…,vn1,vn2,…,vnp,w},E(Mn(G))=E(G)∪{vijv(i 1)k|v0jv0k∈E(G),1≤j,k≤p,i=0,1,…,n-1}∪{vnjw|1≤j≤p}.在这篇文章里,我们讨论了星和扇上的锥的D(2)-点可区别的正常边染色,并给出了相应色数.     

高能X射线源尺寸测量方法的Monte Carlo模拟

介绍了对X光源尺寸的测量原理。在高能X射线情况下,利用Monte Carlo模拟法确定测量X光源尺寸的狭缝法、刃边法和Roll-Bar法的适用性,指出刃边法和Roll-Bar法可以直接用来测量光源尺寸,而狭缝法需要借助于Monte Carlo计算才能得到所需要的结果。根据实验测量的图像波形,得到实际轫致辐射源的半高全宽(FWHM)大于3.0 mm。     

图像处理过程中的边缘检测和边缘配准

综述了在图像处理过程中的边缘检测和边缘匹配的算法并比较了各算法的性能,同时在牙齿三维模型建立的实验中实现了边缘检测,同时根据边缘检测出来的Z子线,以及轮廓线与模型进行配准.     

一种改进的基于Canny算子的图像边缘提取算法

对Canny边缘提取算法进行改进, 采用二维高斯函数的一阶偏导数构造滤波器计算梯度幅值, 利用一种四阈值边缘检测定位方法定位边缘, 最后引入数学形态学方法对边缘细化处理. 改进算法对噪声抑制效果明显, 能够删除伪边缘, 检出边缘更加精细, 实验结果表明了改进算法的可行性和有效性.     

非线性滤波技术在地震信号处理中的应用

地震序列是具有线形纹理特征的图像.早期的去噪方法多是线性的,会产生一些副作用.目前一些处理软件使用中值滤波方法,但当同相轴有倾角时就不适应了.本文根据线形纹理图像的特征,采用一致增强性扩散算法,它以扩散张量作为扩散系数,是一种各向异性扩散,能较好的保护边缘纹理信息,并针对同相轴的弱边界问题提出二阶导数处理法,它能使断裂的同相轴变得连续,更有利于解释.经计算,一致增强扩散比中值滤波信噪比有所提高,同时,同相轴更为连续,纹理更加清晰.     

多尺度自适应加权形态边缘检测方法

针对常用的多尺度边缘检测方法因卷积运算造成模糊图像边缘，提出一种多尺度自适应加权形态边缘检测方法，利用大小不同的结构元素提取图像边缘特征，在大尺度下抑制噪声，可靠地识别边缘，在小尺度下定位，再由粗到细跟踪边缘，得到边缘的位置，再由各尺度结构元的抗噪性确定加权值的大小，然后加权处理得到最后的边缘结果，实验表明，用多尺度自适应加权形态边缘检测算法可得到较理想的图像边缘。     

基于边-边接触的三维离散数值计算模型

采用边-边（面-面）接触离散元模型，研制了三维离散元计算程序，计算了集中载荷作用下弹性基础的沉降和应力场，通过与解析解的比较，基本验证了该程序的可靠性，当单元之间的位移和变形相对于单元本身的尺度较小时，采用边-边接触模型研究不连续介质问题和颗粒散体问题比角-边接触模型更加有效。     

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像,提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法.算法首先利用特征提取与边缘检测对图像进行预处理,并且将特征匹配与最小二乘算法相结合,从而实现了图像与模板之间精确的子像素定位与匹配.实验表明,该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷,图像矫正效果良好,是一种有效的畸变图像矫正算法.