直线检测的灰度投影积分方法

为了提高图像上直线检测的鲁棒性和精度,提出一种灰度投影积分(GP I)方法。GP I方法将需要检测的图像直接在直角坐标空间沿某个投影方向进行投影,将对应到同一投影点的像素灰度值进行累加,得到灰度投影积分向量,再旋转投影方向计算不同投影方向的灰度投影积分向量,从而得到一个原图像的灰度投影积分矩阵,再由该矩阵的极值元素所在的行和列求出图像中直线的方程。实验结果表明,GP I方法不需要事先提取边缘点,就能够快速准确地检测出图像中的直线,避免了传统方法在提取边缘点时阈值选取不当带来的直线检测误差。     

一种自适应红外图像增强算法

针对红外图像普遍存在的目标与背景对比度差的特点,提出一种自适应红外图像增强算法.该算法首先采用峰值与局部最大值估算法相结合的方法自适应地计算出两个阈值,由此将图像分为背景段、目标段和过渡段三部分;然后对不同的灰度段采用不同的变换系数分段进行灰度拉伸和压缩变换,实现图像的自适应增强;最后对得到的图像进行灰度间距的均衡化处理,把灰度等级在整个显示范围内等间距排列.实验结果表明,该算法能够实现自适应阈值选择,获得灰度更加连续的红外图像,有效地增加了图像的细节和清晰度.     

基于帧差法与Mean-shift算法相结合的运动熔滴识别与跟踪方法

为了对焊接视频图像中的运动熔滴进行自动识别与跟踪,针对熔滴图像为灰度图像且背景单一的特点,提出了一种基于帧差法与Mean-shift算法相结合的方法.利用帧差法对视频图像的前2帧进行差分处理,获取目标窗口和中心位置并进行标定,以解决Mean-shift算法需要在起始帧手动框取目标的问题;结合基于灰度直方图的Mean-shift算法确定下1帧的目标模板位置,以实现对运动熔滴的自动识别与跟踪.结果表明,所提出的运动熔滴识别与跟踪方法能够对熔滴图像进行自动识别与跟踪,且具有良好的鲁棒性和实时性.     

基于灰度共生矩阵和区域生长算法的红外光伏面板图像分割

随着光伏产业的迅速发展,这种新能源在各个方面正扮演越来越重要的作用,因此对光伏面板的维护和状态监测就变得尤为急切。对光伏面板红外图像的分割是对光伏面板故障检测的基础。因此,针对红外图像对比度低、信噪比低等特点,提出一种改进的区域生长算法结合灰度共生矩阵(GLCM)的纹理特征和图像的梯度特征对红外光伏面板图像进行分割,该算法通过图像的梯度特征和灰度共生矩阵的熵特征对原始红外光伏图像进行预处理,获得梯度特征和熵特征图像加权叠加后的预处理图像,然后再利用红外图像灰度直方图分布集中的特点,使需要人工干预进行种子点的选取,实现自动进行种子点的选取,同时对区域生长准则进行改进,使其能够自动地调整生长阈值,从而可以分割出光伏面板区域。实验结果表明,本文算法相比OTSU和K-means聚类算法分割效果更好且更接近手动分割的目标区域。     

基于灰度共生矩阵和区域生长算法的红外光伏图像分割

随着光伏产业的迅速发展,这种光伏新能源在各个方面正扮演越来越重要的作用,因此对光伏面板的维护和状态监测就变得尤为急切。而对光伏面板红外图像的分割是后期对光伏面板故障检测的基础。因此,针对红外光伏图像对比度低、信噪比低等特点,本文提出一种改进的区域生长算法结合灰度共生矩阵(GLCM)的纹理特征和图像的梯度特征对红外光伏面板图像进行分割,该算法通过图像的梯度特征和灰度共生矩阵的熵特征对原始红外光伏图像进行预处理,获得梯度特征和熵特征图像加权叠加后的预处理图像,然后再利用红外图像灰度直方图分布集中的特点,针对需要人工干预进行种子点的选取,实现自动进行种子点的选取,同时对区域生长准则进行改进,使其能够自动的调整生长阈值,从而可以分割出光伏面板区域。实验结果表明,本文算法相比OTSU和K-means聚类算法分割效果更好且更接近手动分割的目标区域。     

预检测红外弱小目标的灰度迭代法

为了提高检测红外弱小目标的速度和精度,提出了一种用于预检测红外弱小目标的灰度迭代法。通过由红外图像X的灰度均值、最大值和抑制比定义的迭代函数系统对X的灰度值进行分形迭代来降低X中的背景灰度值和噪声灰度值,从而增强X中红外弱小目标的亮度。运用这种方法对夜空、乌云和丛林三类单帧红外图像进行分形处理,预检测效果较好。     

基于直线和圆的工程图的自动识别方法

提出基于直线和圆的工程图识别方法,该方法首先对工程图的图像进行预处理,找出图形中的种子段,然后由种子段确定搜索的方向和范围,实现对直线和圆的整体识别,从而识别工程图．实验结果表明,基于直线和圆的工程图的自动识别方法具有良好的识别性能.     

基于假设检验的SAR图像机场跑道自动识别

针对复杂条件下合成孔径雷达图像中机场目标自动检测识别问题,提出了一种基于假设检验的机场跑道自动识别算法,利用雷达图像中跑道灰度特性和结构知识,通过迭代分割和形态学滤波提取感兴趣区域,抑制具有类似灰度特性的水域对跑道线检测的影响,并结合Hough变换和线段跟踪连接提取候选跑道,最后采用假设检验方法对机场跑道进行识别.试验结果表明该方法可快速有效地检测识别复杂背景下低分辨率、低信噪比合成孔径雷达(SAR)图像中的机场跑道.     

可见光与红外图像融合方法研究

针对红外图像中目标图像灰度值的分布特点,提出了一种以基于区域生长法为基础的先提取红外图像中的目标,然后再进行与可见光图像融合的方法,并与加权平均等融合方法做了仿真对比实验,实验结果表明,该方法在保留可见光图像高分辨率和纹理细节信息的同时,又突出了红外图像中的目标,并且计算量相对较小,有利于实现图像的实时融合处理.     

基于Hough变换的红外图像的目标分割

红外图像是根据目标与背景的温度差异而形成,不受光照等其他条件的影响,可全天工作,被广泛应用在各个领域中.但是由于目标和背景的热辐射所造产生的红外图像的分辨率低,对比度差等特点,使红外图像的分割变得较为困难.Hough变换具有对图像中直线的残缺部分、噪声以及其他共存的非直线结构不敏感的特性,具有较强的抗干扰性和鲁棒性.本文提出一种基于Hough变换的红外图像规则目标的检测方法.通过观察红外图像中目标分布情况,估计出目标边界的曲线方程,对该方程进行Hough变换,从而检测出目标并进行分割.利用该方法避免了由于红外图像的目标与背景对比度差、边缘模糊、视觉效果较差等原因造成的不易检测边缘曲线的问题.经实验证明,基于Hough变换的规则的红外目标的检测方法具有可行性,且检测效果好.