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.     

基于机器视觉的首饰识别

为了实现首饰的自动识别，设计了一套基于机器视觉的首饰识别系统，并提出相应的算法。采用8种首饰作为试验样本，利用G+R分量和的颜色阈值分割法，并用27×27的模板对二值化图像进行滤波，采用2×2窗口内像素灰度值之和并结合阈值的边缘提取方法。提取面积特征和图像形心到边缘的距离特征。对面积判断其大小在设定数值范围内，对距离特征采用互相关算法处理。实验结果表明，该方法的识别准确率达100%，识别一个首饰所用时间约3秒，满足在实际中应用的要求。     

基于模糊推理的彩色图像帧内误码掩盖方法

本文研究了RGB彩色图像基于模糊推理的误码掩盖(FRBEC)方法.首先将RGB图像转换到YCbCr彩色空间,对Y分量图像的丢失块进行周围像素匹配以获得最佳匹配块,并把最佳匹配块的位置直接作为R、G、B分量图像对应的最佳匹配块位置,以减少计算量.然后分别对R、G、B 3幅分量图像采用模糊推理对匹配的结果进行模糊分类,并对匹配准确度低的块进行改进的像素逐点修正.实验结果表明,FRBEC方法无论对于彩色和灰度的图像,都可以获得较高的峰值信噪比(PSNR),不过彩色图像的PSNR一般比灰度图像要低一些.     

基于字符边缘检测和颜色特征的车牌定位方法

针对复杂背景下车牌定位精度低的问题,提出一种基于字符边缘检测和颜色特征的定位方法. 针对图像中车牌区域含有的丰富边缘,首先进行垂直边缘检测,然后去除大量背景和噪声边缘,接着通过对垂直边缘的统计分析确定2个候选区,最后结合车牌的颜色特征确定最终的车牌图像区域. 实验结果表明,该方法准确率高,鲁棒性好,具有较大的实用价值.     

基于卷积神经网络的胶囊内镜息肉与溃疡辅助诊断

针对目前胶囊内镜(WCE)自动检测方法需要对每种病灶设计对应的识别算法以及识别准确率不高的问题,设计一种基于卷积神经网络的息肉与溃疡辅助诊断算法。与传统检测算法相比,卷积神经网络可自动学习病灶图像特征,实现更强泛化能力,更高准确率和效率。该方法针对具体WCE图像,首先评价图像R、G、B通道携带信息的特征;其次,分析全局直方图均衡化、伽玛变换和拉普拉斯变换对提升图像对比度的效果,选择其中表现最佳者与信息最丰富的2个颜色通道组合成3通道输入到卷积网络中训练和识别。测试表明,本算法识别准确率96.8%,比传统的经典图像检测方法高出至少16.73%,检测速度达到68.6图/s,能够推广应用到医疗辅助诊断领域。     

基于四元数离散Fourier变换的医学图像融合算法

针对医学图像融合中易忽略色彩过渡区域的信息,导致融合图像中存在色彩失真与纹理模糊的不足,本文提出了一种四元数离散Fourier变换的多通道彩色医学图像融合方案.首先,为了降低噪声干扰与颜色失真,将图像分割为一定大小的图像子块.其次,通过四元(Quaternion Numbers, QN)虚数映射像素的R,G,B分量,将每个块转换成QN表示.然后,将每个RGB块从空域变换到频域,使大部分图像信息集中到原点附近或少数几个区域,引入四元数离散Fourier变换(Quaternion Discrete Fourier Transform, QDFT),得到每个子块的QDFT系数.再测量和比较源图像的对比度值来得到融合QDFT系数.最后,在每个块上应用逆QDFT后,结合变换子块获得新融合图像.实验表明:与当前医学图像融合方案相比,本文方法具有更好的融合质量,其输出图像具有更加丰富的边缘与纹理,以及更高的对比度与分辨率.     

基于相容粒的彩色图像检索算法

图像特征的提取与表达是图像检索技术的基础,而图像边缘是重要的视觉感知信息,由此提出一种基于相容粒度空间模型的图像检索方法.首先利用Canny边缘检测算子提取原始图像的彩色边缘信息,然后使用相容粒的合并计算方法对图像边缘颜色进行动态量化,根据得到的信息粒计算图像之间的相似度并进行图像检索.仿真实验表明,本文算法与传统颜色...     

一种汽车保险盒熔断器插接位置检测方法

针对汽车保险盒熔断器插接位置检测,提出了一种以颜色识别为基础,结合边缘检测与特征匹配理论的检测方法.此方法通过比较样板图像和待检测图像中关注区域的颜色信息差异,判断熔断器插接位置正确与否;通过对样板的大量实验,解决了现场光线干扰造成的检测失准问题;采用对图像进行均衡化处理和边缘提取的方法,解决了颜色经常变化的非熔断器位置检测的难题.工业现场实际测试表明,该方法稳定可靠.     

基于模糊集的车牌提取方法

利用了车牌的颜色特征与纹理特征,提出一种新的基于模糊集的车牌提取方法.该方法用图像颜色对区域检测、颜色对边缘检测、色度峰值统计及密集小边缘增强,使用模糊集算子综合它们的结果,精确提取出车牌.实验结果表明:对在不同条件下拍摄的图像应用本方法,车牌提取准确率达到98.0%.特别地对光照不均、背景复杂的图像,本方法仍具有很强的鲁棒性.     

基于边缘检测的多特征智能图像检索模型

提出一种智能图像二级检索模型.第一级检索利用改进的Canny算子和颜色向量角分别检测图像边缘,再基于db2小波进行图像融合得到二值边缘,并运用图像位错率进行边缘信息比较,将相似度大的图像组成一个新的备选图像库,以缩小图像检索范围.然后利用HSI颜色不变量模型改进颜色相关矩阵,加以边缘直方图进行综合特征第二级检索.实验表明该模型能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的准确率和回想率.     

基于NSCT和KFCM聚类的图像边缘检测方法

为进一步提高现有图像边缘检测方法的性能,提出了一种基于非下采样Contourlet变换(NSCT)和核模糊c-均值(KFCM)聚类的图像边缘检测方法.首先通过NSCT将原始图像分解成低频分量和高频分量;然后对含噪声较少的低频分量提取边缘信息,并采用KFCM聚类算法进行聚类得到低频边缘图像,以提高定位精度,而对于边缘细节信息较多的高频分量各个子带,通过模极大值检测边缘以减少伪边缘,丰富图像细节;最后对低频和高频图像边缘进行融合得到完整的边缘.实验结果表明,相比于Canny方法、边缘检测算子与模糊聚类结合的方法、边缘信息与混沌粒子群优化的模糊聚类结合的方法、NSCT域模极大值方法,文中方法具有更好的边缘检测效果,边缘定位准确、完整、连续、细节丰富.     

基于分量提取的眼底图像预处理研究

临床中获得清晰的眼底图像信息是准确诊断相关病情的先决条件.为获取数据量小且较为清晰的眼底图像辅助诊断,本文结合眼底图像的特点,对其彩色图像进行了均衡化预处理研究.通过比较彩色眼底图像的灰度图像及R、G、B三分量图像均衡化结果显示,G分量图像不仅保持了原彩色图像的基本特征信息,数据量压缩了2/3,且获取手段较灰度图更为方便.     

基于统计正交性分析的彩色人脸识别

提出了一个用于彩色人脸识别的特征提取方法.该方法根据Fisher准则按顺序分别计算彩色人脸图像集中红(R)、绿(G)、蓝(B)三个彩色分量集的投影变换,同时使获得的三个投影变换互相统计正交.该方法能够加强三个彩色分量鉴别特征之间的互补性,移除相关性.AR和第二版的FRGC两个彩色人脸图像数据库上的实验结果表明,该方法的识别效果超越相关的几个彩色人脸特征提取方法.     

基于色彩空间和小波分析的多聚焦彩色图像融合

分别基于RGB、HSV和YIQ三种色彩空间,对多聚焦彩色图像融合进行了大量的研究.在实验中,基于RGB色彩空间时,将图像分解为R分量,G分量,B分量,分别在各个颜色分量上进行小波分解,然后在小波变换域上对所有图像的各个颜色分量的小波分解系数运用加权平均的融合规则,最后做小波反变换得到融合图像.而基于HSV或YIQ色彩空...     

基于边缘颜色对特征及笔画穿越双层检测车牌定位算法

针对现有车牌定位算法鲁棒性不够、准确度不高以及参数设置困难等问题,提出基于边缘颜色对特征以及笔画穿越双层检测车牌定位算法,不但充分利用车牌边缘颜色搭配信息,而且有效利用了车牌字符结构信息。粗检测阶段:首先进行边缘检测,人工收集所有搭配的彩色边缘特征数据,利用机器学习模型建立车牌边缘颜色对覆盖分类学习模型,然后利用车牌边缘颜色对覆盖分类学习模型,并利用先验信息进行形态学处理形成车牌候选区域。验证阶段:针对粗检测车牌候选区域,扫描车牌边缘穿越信息,最后利用车牌区域整体边缘分布覆盖分类模型进行候选区域验证处理。该方法利用车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性。实验采用100幅含有不同颜色搭配的车牌图像进行实验,定位准确率达到96%以上。     

基于多尺度小波变换的图像边缘检测

图像边缘是图像中的重要信息,为了检测图像中的边缘信息,提出了一种基于多尺度小波变换的图像边缘检测算法．该算法充分利用了图像边缘在多尺度下的信息,首先选用二次B样条小波对原始图像进行多尺度小波分解,提取出图像中的高频信息,包括真实的图像边缘和噪声,然后根据图像边缘和噪声在不同尺度下具有不同的传递性,抑制噪声分量,保留图像边缘分量．实验结果表明,该算法获得了较好的图像边缘检测效果．     

基于PDE的视频图像数据快速预处理方法

通过人手识别跟踪模拟实验,研究基于偏微分方程方法(PDE)的视频图像数据快速预处理方法.实验根据颜色模型,利用边缘信息、颜色信息和图像的帧差对人手进行分离,并在边缘检测部分,提出简单背景环境下基于PDE概率统计的一种检测方法,减少了边缘检测的时间,实现了视频图像数据的快速预处理.     

采用机器视觉技术的软胶囊药板质检系统设计

采用机器视觉技术设计软胶囊药板质量检测系统.通过图像采集将被检测软胶囊药板转换成图像信号,图像处理系统根据像素亮度、颜色分布等信息对目标特征进行提取,并综合使用包括聚类算法、形态学分析、图像滤波、边缘检测及模板匹配在内的数字图像处理算法,对软胶囊常见缺陷模式进行识别.系统如果判断药板存在质量问题,则控制现场设备将不合格产品分检出来.实验结果表明:该系统每分钟可检测软胶囊2 400粒,对黑点的检测精度可达0.3 mm,检测准确率达到99.7﹪以上.     

基于小波变换及融合技术的图像边缘提取

图像边缘检测是图像分割、图像识别的基础,传统边缘检测是基于图像整体的边缘检测.小波变换使基于图像分解的边缘检测成为可能,利用小波变换将数字图像分解为高频和低频分量,对高频和低频分量分别进行边缘检测.常规融合方法是将高频边缘和低频边缘进行简单叠加,由于高频、低频边缘是通过不同方法提取的,二者之间的相似度、吻合度存在差异,简单叠加不能够有效融合高频、低频边缘图像特征,本文算法采用局部区域方差准则把高频和低频边缘在小波域进行融合.实验表明,该算法能够有效融合高频、低频边缘图像特征,具有较好的边缘检测和去噪功能.     

基于颜色与缺陷检测的椪柑分级算法

以湘西椪柑为研究对象,提出了一种基于颜色与缺陷检测的椪柑自动分级算法.首先,对椪柑灰度图像进行阈值分割和孔洞填充得到二值图像;然后,将二值图像与椪柑彩色图像的R,G,B分量分别进行与运算,并将运算后的3幅单色图像进行合成,从而得到彩色图像的椪柑目标区域;接着,提取目标区域的黄色像素占比和缺陷面积作为色泽特征参数和缺陷特征参数;最后,利用决策树模型融合特征参数以进行椪柑分级判定.实验结果表明,对比基于单一特征的椪柑分级算法,新算法通过特征的互补提高了椪柑分级的准确率.