基于组合型阈值分割的在线立铣刀侧刃磨损测量

在实际生产中，现场测量立铣刀侧刃磨损是一项艰巨的工作．光照条件、刀具空间几何形状和初始位置的标定等因素对刀具磨损参数的测量精度影响很大．针对上述问题，提出了一种基于组合型阈值分割方法的在线立铣刀侧刃磨损测量方法，在保证测量精度的情况下最大限度地获取刀具磨损参数的有效信息．首先，提出一种图像剪切策略对捕捉到的磨损区域不同光强下的原始照片进行预处理，选取弱光下的刀尖区域和强光下的均匀磨损区域作为数据源；其次，对该数据源采用包含改进的直方图法和局部阈值分割法的组合型阈值分割法进行磨损区域提取；然后，将两种方法的结果进行叠加，去除磨损区域以外的多种噪声，并根据第1步的剪切位置，将分割后的刀尖区域图像与均匀磨损区域图像拼接，得到完整的磨损区域；最后，利用最小二乘法求出原始切削刃位置，标定磨损区域图像，计算刀具磨损参数．在立铣刀磨损实验中，测得侧刃的最大磨损量的精度大于98%，最大误差不超过5μm．实验结果表明，本文提出的方法能够获取全面的磨损区域信息，给出完整的磨损区域和精确的刀具磨损参数，有助于更加可靠地评估刀具磨损状态．     

基于灰度空间大熊猫图像分割方法研究

大熊猫作为中国国宝,其监测及保护更受到越来越多的关注。本文详细介绍基于灰度空间的阈值分割方法,用于大熊猫图片前景的提取,并与基于YCbCr颜色空间的分割算法进行对比,分析阈值分割的适用范围及分割效果。     

基于图论的Normalized Cut图像分割算法

基于图论的图像分割算法是近年来图像分割领域研究的的热点问题，该文就其Normalized Cut算法进行了简要的介绍，并利用其对图像进行了仿真分割。     

采用时分割乘法器的电能测量系统

针对当前电能参数测量系统精度低、受器件和温度影响较大的现状，采用时分割乘法器设计了电能参数测量系统。该系统主要由时分割乘法器、低通滤波器、电压频率转换器组成，能够完成电流、电压真有效值以及无功功率、有功功率、视在功率、功率因数等的测量和显示。误差分析表明：该系统对有功功率的测量精度可达0．1级，其测量范围广且设计灵活，适合于设计高精确度、高准确度的电能测量仪器。     

连接门限阈值法在肝脏CT图像分割上的应用

讨论了区域生长算法的基本原理,并采用其中经典的连接门限阈值(Connected Threshold)算法,通过VC编程对肝脏CT图像进行了分割,提取了其中的肝脏组织轮廓.实验结果表明,该算法能较好的分割出肝脏组织轮廓.文中也对该算法存在的问题进行了分析讨论.     

基于NSST和FAST的图像配准方法

为了进一步提高图像的配准速度,提出一种基于非下采样Shearlet变换(nonsubsampled Shearlet transform,NSST)和加速分割检测特征(features from accelerated segment test,FAST)的图像配准方法.首先将参考图像和待配准图像分别通过非下采样Shearlet变换分解成高频和低频子带,对低频子带构建高斯金字塔并采用FAST算子检测图像特征点,利用加速鲁棒特征(speeded up robust features,SURF)向量描述子描述所检测的特征点并依据夹角余弦准则实现特征点的匹配.然后利用随机抽样一致(random sample consensus,RANSAC)算法剔除误匹配点对,实现图像配准.大量实验结果表明,与尺度不变特征变换(scale invariant feature transform,SIFT)算法、SURF算法、结合Shearlet和SURF的算法、改进的SURF算法相比,所提出的方法在保证一定配准精度的前提下,配准的速度大大加快.     

基于改进LGDF模型的超声图像自动分割方法

基于局部高斯分布拟合能量(LGDF)模型的图像分割方法,对初始轮廓选取及参数选择较敏感.如果初始轮廓手动选取不当会由于陷入局部极小值而导致分割失败,且分割速度较慢.针对以上不足,提出了一种改进的LGDF模型的超声图像自动分割方法.该方法的正则化项由具有双极值点的势函数构成,在水平集函数进化过程中,可以避免由单极值点势函数造成的水平集函数震荡和扭曲,从而加快了收敛;另外,将局部熵阈值分割的结果作为LGDF模型的初始轮廓,接近真实轮廓,可以克服手动选取初始轮廓的影响.实验结果表明,该方法能自动获取合适的超声图像初始轮廓,并得到较好的分割结果,同时大大提高了分割速度.     

过渡区提取方法综述

图像分割是图像理论发展的瓶颈, 过渡区是指图像中介于目标和背景之间的 特殊区域,借助于过渡区的确定进行图像 分割。主要介绍了过渡区提取的两大类方法 ：基于梯度的方法和基于非梯度的方法, 并对提取效果以及存在的问题做了简要分析。     

基于目标检测的激光雷达道路边缘检测算法

道路边缘检测是自动驾驶车辆环境感知的重要组成部分,有效地从点云数据中提取道路边缘信息,有利于进行目标检测以及可行驶区域检测。针对点云道路边缘检测问题,提出了一种考虑车辆等道路参与者对道路边缘检测带来干扰的解决方案。首先,采用地面点云分割算法,将原始点云分割成地面点云和非地面点云;其次,根据车辆等道路参与者的固有特性,采用点云聚类算法对点云进行聚类,并将符合车辆等道路参与者特性的非地面点云进行滤除;再次,根据道路边缘点云在二维平面内,能够有效的遮挡激光发射中心点与非道路边缘点之间的连线,从而提取道路边缘点云;最后,采用随机抽样一致性(random sample consensus,RANSAC)算法对道路边缘点云进行多项式拟合,并使用扩展卡尔曼滤波器对道路边缘进行跟踪。实验结果表明,所提点云道路边缘检测算法能够消除车辆等道路参与则对点云道路边缘检测的影响,且算法满足实车实时性和鲁棒性要求。     

基于GMM和MRF的自适应阴影检测

运动目标阴影在很大程度上会影响运动目标跟踪、行为识别的正确性和有效性.为此,文中提出了一种基于混合高斯模型和马尔科夫随机场的自适应阴影检测方法.该方法首先对混合高斯模型进行改进,使其可以自适应调整参数学习率以消除浅阴影;然后采用马尔科夫随机场综合邻域的空间依赖性信息进行精确的阴影检测.为了提高基于马尔科夫随机场的阴影检...