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。     

基于Halcon的硒鼓缺陷检测与一维尺寸测量

为实现硒鼓表面缺陷检测和尺寸测量的自动化, 运用图像处理算法中的数学形态学算子对硒鼓表面点缺陷和线缺陷进行精确检测与分类, 并根据亚像素测量方法对硒鼓尺寸进行精确测量, 通过机器视觉专用软件Halcon和.NET开发了硒鼓缺陷自动检测与尺寸测量系统。测试结果表明, 该方法与应用像素级测量法相比, 其精度提高1~2个像素, 具有精度高、 稳定性强等优点。     

基于深度网络分级特征图的图像超分辨率重建

从低分辨率图像中提取特征图恢复高分辨率图像中的高频信息是超分辨率重建的一个关键问题,针对该问题提出一个新的基于卷积神经网络的超分辨率重建算法.网络结构由卷积层与子像素卷积组成,特征提取网络中卷积层提取低分辨率图像的特征,重建网络中子像素卷积神经网络作为上采样算子.针对不能充分利用多级特征图的问题,采用跳跃连接和特征图联结在特征提取网络末端跨通道融合特征图,同时降低特征图的维度.并在此基础上再次提取特征图应用于重建.实验结果表明,算法在PSNR、SSIM和人类视觉效果上与其他基于深度学习的算法相比有着显著的提高.     

结合小波金字塔的空频域亚像素图像配准

基于图像序列的超分辨率重建,是利用同一场景的多幅低分辨率图像重建一幅高分辨率图像,其实现过程可分为两个步骤:首先,利用亚像素图像配准技术将所有的低分辨率图像配准;然后,利用配准的多幅图像重建一幅高分辨率图像.针对配准这一问题,提出一种新颖的图像亚像素配准方法.新方法先将Haar小波分解出的低频子图应用频域Vandewalle方法进行初步配准,然后结合空域Keren改进方法进一步提高配准精度,同时利用金字塔在不同层上分别实现亚像素配准,并逐层累加配准结果.实验结果表明,即使在较大的平移和旋转情况下,相比只有空域Keren改进方法和只有频域Vandewalle方法,该方法的配准精度和超分辨率重建效果都得到明显提高.     

摄像机标定的棋盘格亚像素角点检测

针对传统最小核值相似区(small univalue segment assimilating nucleus,SUSAN)算子对棋盘格角点检测时会将角点与边缘混淆的缺点,提出了一种运算速度快、定位精度高的改进SUSAN亚像素角点检测算法。根据SUSAN模板中角点的特性,提出了灰度对称度的概念,利用灰度对称度区别出棋盘格的角点和边缘。在利用改进的SUSAN算子进行亚像素角点检测时,综合应用了索贝尔边缘算子、灰度平方重心法等方法。提出的亚像素级角点检测方法快速有效,在摄像机标定试验中,其重投影平均误差小于0.2个像素。     

考虑填充率下亚像元与过采样成像MTF对比

针对探测器存在填充率时过采样和亚像元成像质量评价问题,利用亚像元算法反演线阵探测器像元扩散函数,发现较过采样成像不仅能在1/m微扫描作用下减小采样间隔,还能使探测器矩形窗口压缩m倍.根据MTF和一阶过零频率概念,得到同一填充率下亚像元较过采样对欠采样成像改善程度要大,且随着填充率的提高该优势愈加趋于明显.对比评价对实际亚像元算法成像的前景和优势给与理论上的肯定.     

黑白棋盘格角点检测算法

分析了现有棋盘格角点检测算法存在的不足,提出了一种新的棋盘格角点检测算法.该算法定义4个特征方向,并通过黑白检测算子(BW)检测特征方向上像素的灰度分布特征,获得像素级精度的角点坐标位置;再根据局部窗口内响应值的相似度与影响因子对角点坐标加以修正,实现了亚像素级精度的角点坐标定位.该算法对图像的旋转和亮度变换具有鲁棒性.将本方法应用于实际拍摄的棋盘格图像,证明了其对棋盘格角点检测的有效性和实用性.     

利用分形维数实现亚像素图像匹配

图像匹配是图像分析领域中的一个很重要的研究内容.图像相关性的研究是提高图像匹配精度的关键,分形由于具有自相似这一重要特征在充分利用图像相关性方面独具潜力.本文提出了一种基于分形维数的亚像素图像匹配算法,该方法通过在被匹配图中遍历搜索模板子区和对子区进行次子区划分,采用最优盒计数法求取模板子区和搜索子区中次子区的分形维数,根据统计相关性原理找到相似性最大位置,然后利用分形插值法将匹配点定位到亚像素级,实现高精度的图像匹配.实验证明,该方法具有良好的匹配效果.     

基于B超图像的HIFU运动控制系统位移标定

针对目前高强度聚焦超声（HIFU）治疗中运动控制系统与B超图像之间的位移标定准确度不高的问题，基于B超图像的亚像素级配准算法，研究组合探头运动时靶区组织的实际位移与B超图像中像素位移之间的映射关系并进行标定，以提高对靶区组织B超定位的准确性，帮助HIFU临床医生更加有效地对靶区组织进行治疗。     

基于视觉注意机制的眼底图像视盘快速定位与分割

视盘定位与分割对利用眼底图像进行眼科计算机辅助诊断十分重要。视觉注意机制模拟人类视觉系统从而能在复杂场景中快速定位目标。利用视盘在眼底图像中视觉显著度高这一特性,提出基于视觉注意模型实现视盘的快速定位并分割的算法。算法首先对不同眼底图像进行归一化,接着采用高斯金字塔提取图像不同尺度的颜色、亮度和方向特征图(feature map),进一步整合得到显著性图(saliency map),在显著性图中提取FOA(focus of attention)从而定位视盘。接着在视盘定位区域采用统计排序滤波器(rank-filter)抹除血管,在极坐标中采用亚像素提取图像边缘,实现视盘分割。采用国际Messidor数据库来验证算法的性能,定位精度为95%,运行时长为0.213 s,与其他算法相比,算法具有准确性高和实用性强等特点,具有良好的应用潜力。