一种基因芯片图像的对比度增强方法

为降低对比度对网格定位和基因点分割的影响,提出了一种基因芯片图像的自适应对比度增强方法.基于四阶矩进行图像对比度计算,并统计图像背景灰度,从而实现仅针对基因点的自适应对比度增强.通过6个不同数据集的79幅图像实验表明:该对比度增强方法无需人工干预及参数输入,可自动增强图像对比度,鲁棒性强;对比度增强后的图像网格定位准确率普遍提高,最高可达25%.     

一种基于网格聚类的图像分割方法

针对聚类算法在图像分割上存在分割效果和时间效率上的不足,基于网格聚类算法ShrinClus,提出一种新的图像分割方法,该方法通过把图像的RGB空间分割成网格,将所有像素点分配到原子网格当中,然后对非空原子网格集合进行收缩聚类,通过查找低密度的边缘网格来确定簇的边界,最终将原子网格的分类结果映射至像素点.该方法能有效地分割在RGB空间中存在部分重叠的图像,算法具有接近线性的时间复杂度.最后通过实验验证了新方法的有效性.     

板料零件应变测量的网格图像处理

基于网格测量板料冲压零件拉延成形的面内应变分布和厚度变化,是进行冲压成形分析的一种有效手段.结合实例研究了视觉测量中的关键技术之一——网格图像处理主要步骤、理论及方法.结果表明采用图像处理技术能改善网格图像的视觉效果,提高图像的清晰度;突出图像中的有用信息,削弱干扰和噪声,强调边缘,从而将图像转换成了一种更适合人或机器进行解释和分析处理的形式,是视觉技术进行板料零件应变测量的必备基础.     

基于深度学习与图像处理的废弃物分类与定位方法

针对现有人工垃圾分类工作环境恶劣、自动化程度差等问题,提出基于深度学习与图像处理的废弃物分类与定位方法,为智能分拣提供理论依据.建立基于Inception模块与残差单元,搭建改进的卷积神经网络废弃物分类模型,预测目标物体种类.针对复杂环境采集到的图像,利用图像处理算法对图像降噪、阈值分割、边缘检测,有效提取目标轮廓信息,并结合质心定位算法实现废弃物准确定位.实验结果表明:该方法中废弃物分类模型预测准确率可达88.8％,基于轮廓信息的质心定位算法可以准确定位目标,具备较强的废弃物分类与定位能力.     

基于定位与识别系统图像处理技术的实现

为了提高定位与识别系统中定位和识别的正确率,可以根据图像的应用特点采用不同的图像处理技术进行预处理.本文分别对图像二值化、图像锐化、图像滤波这三种图像处理技术突出待定位和识别区域、增强定位和识别图像的边缘信息和去除图像中的噪声的方法进行了对比分析,并给出了基于Laplace算子对二值化图像进行梯度锐化的方法,实验结果表明该方法有效地提高了定位和识别正确率.     

网格技术在图像处理中的应用研究

简要介绍了网格技术在图像方面的应用,并且遵循WSRF规范、基于GT4开发工具包设计和实现了一个方便快捷的开发平台GBuilder.同时,在给出了网格环境下的图像处理时序图的基础上,实现了图像填充和着色处理两个应用实例.通过这两个应用,验证了基于GBuilder平台网格环境下网格应用开发的实用性和网格技术在分布式高性能计算中的优势.     

基于傅里叶变换的植物根系图像拼接方法

提出一种基于傅里叶变换的植物根系图像拼接方法.采用快速傅里叶变换方法提高图像处理质量,缩短图像处理时间,实现图像实时处理,便于图像处理和数据统计.算例应用该方法将微根管采集到的植物根系图像拼接成一个完整的根系图像.结果表明该方法可以为生长在固坡中植物的作用机理研究提供全面的根系生长信息,进一步为植物根系的研究提供可靠的数据源.     

基于机器视觉和激光测距的输电线故障定位

结合定位技术和激光测距技术,提出了一种基于机器视觉的电力巡线故障定位新方法.通过无人机搭载可见光相机进行巡线拍摄,将航拍图像实时传回地面站进行处理.采用数学形态学的图像处理方法和模式识别方法进行故障检测与识别.通过惯性测量系统进行初步定位,得到无人机的经纬度坐标.利用无人机机载激光测距模块,测量故障点到无人机的距离来修正坐标.最后,经过空间大地坐标系和空间直角坐标系的变换,以及两个空间直角坐标系的基准转换,计算出了故障点的准确位置,并且很大程度地提高了定位的准确性,其空间直角坐标测量精度可达0.11m.     

足球机器人视觉子系统的改进

简要概括了YSU足球机器人系统的视觉结构框架,对视觉系统的关键技术进行了详细介绍,通过几何矫正,克服了成像系统本身存在的图像形变问题.为了提高足球机器人图像处理的速度与精度,在分析了RGB彩色空间模型的优缺点后,提出采用HSV彩色空间模型进行图像处理,并根据足球机器人比赛的实际情况对HSV彩色空间模型做了相应改进.此外提出了一种基于连续图像相关性的顺序网格和种子填充相结合的目标搜索方法.     

基于CNN的中文字体图像超分辨率重构算法

提出一种针对中文字体生成图像的超分辨率字体重构方法,以提高字体图像矢量化的准确度.结合字体行业领域知识和图像处理技术将网络生成的9169个字体图像进行超分辨率重构,该方法联合优化了所有网络层,使用双三次插值将单个低分辨率字体图像放大到所需的大小,通过卷积神经网络(CNN)拟合非线性映射输出较高分辨率的字体图像.实验结果表明:提出的方法生成的字体分辨率更高,能更好辅助字体设计师进行字体设计.     

基于图像处理的管道泄漏检测与定位

压力曲线上的负压波是管道泄漏的征兆.为快速检测和准确定位压力曲线上的负压波,提出了一种基于图像处理的方法.该方法将压力数值转化为图像灰度值,将压力曲线上的负压波起始点定位等价为图像处理中的边缘检测.利用灰度统计直方图计算一段压力曲线前半段的主流数值,如果压力曲线的后半段偏离主流数值,则表明检测到负压波.对此压力曲线进行灰度拉伸变换,使负压波更为凸显.试验研究表明,该方法可减少系统的误报和漏报,提高定位的精度.     

基于MATLAB的血管三维重建

根据血管序列切片的二值图像特征,利用MATLAB丰富的矩阵运算和图像处理命令,将血管三维重建过程分成半径搜索、交点定位和轴线拟合三个主要步骤,并编制通用M程序包实现从数据采集到模型渲染的全程自动计算.最后应用给出的方法完成了对100张序列切片图像的计算机三维重建.     

一种基于局部迭代函数系统的数字水印技术

以提高水印的鲁棒性和图像质量为着眼点,提出了一种基于局部迭代函数系统(LIFS)的数字水印技术.利用原始图像与恢复图像的分形参数不变性,将水印信息嵌入到灰度补偿因子中.实验结果表明本文的方法在一定程度上提高了图像质量,并对某些图像处理操作和有损压缩仍是鲁棒的.     

基于模糊集的图像增强方法研究

图像增强处理中常用的均值滤波和中值滤波等方法有较强的抑制噪声的能力,在一定程度上会导致图像模糊,影响图像处理的效果.直方图均衡化是目前地震图像增强的主要方法,但它存在着图像细节信息丢失和噪声放大的缺点.基于模糊集的图像增强方法逐渐被应用到实际的图像处理中,并且显示出它优于传统图像增强算法的特点.因此,将基于模糊集的图像增强方法应用到图像处理中,以克服传统图像增强方法的不足.首先对传统的Pal-King基于模糊集的图像增强算法进行了研究.针对Pal-King算法的缺点和不足,提出了两种改进算法,并且运用模糊熵理论对改进算法的正确性进行了证明.     

基于数据网格的肝脏CT图像感兴趣区域分割

通过图像分割获取医学图像感兴趣区域是医学图像处理与分析要解决的首要问题及技术难点。为了获取肝脏CT图像中的感兴趣区域,针对肝脏CT图像的自身特点,提出了一种基于数据网格和改进的区域生长法相结合的肝脏CT图像感兴趣区域分割方法。首先利用数据网格对肝脏CT图像做粗分割,最大程度地去除骨骼及背景对后期分割的影响。其次,利用先验知识,确定区域生长的种子点,做基于改进的区域生长法的二次分割。实验结果表明,能较完整的分割出CT图像的肝脏区域。实验结果为进一步的医学肝脏图像的处理与分析奠定了基础。     

低空航拍全景图像拼接研究

航拍图主要被用来作为一些图像处理的基础材料，但是由于无人机飞行高度的自限性和一些干扰因素导致图像的视野和对齐效果受限，致力于研究一种改良的对齐评估方法和运动目标去除以提升全景拼接的效果，以减少局部扭曲，使得拼接结果更加接近自然和平滑.采用网格优化引导拼接来提升全局拼接效果，对于网格的规划采用三个联合的能量函数进行求优，对齐效果的直观感受来源于人类视觉对场景目标中的边缘和线条对齐的观察.因此，加入直线对齐能量函数作为联合的优化方法也能在一定程度上提高对齐的效果，拼接角度问题通过估计一个合适的三维旋转来缓解.最后，对于场景中的动态目标的影响，使用深度学习中的实例分割网络进行潜在的运动目标去除，比如行人、车辆等，并在分割网络输出的目标区域进行图像修复.     

一种CIELab颜色空间中的车牌定位方法

提出了在CIELab颜色空间中进行车牌定位的方法.首先将图像从RGB颜色空间转换到CIELab颜色空间;然后通过数学形态学增强和图像连通体分析提取出候选区域;最后通过分析候选区域的面积、宽高比及灰度阶跃次数提取出真实的车牌区域.大量的车牌定位实验表明:所提算法适用于不同尺寸的车牌图像,定位准确率较高.     

档案图像处理模型研究

经扫描获取的档案图像,往往需要经过档案图像处理才能被档案图像信息系统所使用,档案图像处理的好坏直接影响到档案图像信息系统的质量,因此对处理模型进行研究具有重要意义.通过对档案图像处理模型的现状进行分析,针对政府资源类档案,指出档案图像处理的要求,提出一种档案图像处理模型.该模型能够满足一般档案图像信息系统的应用要求,可为档案图像信息系统的建设提供指导.     

图像特征提取方法的综述图像特征提取方法的综述

图像特征提取从计算机视觉和图像处理中分离出来,运用计算机来分析和处理图像信息,然后确定图像中的不变特征,进而将提取的特征对实际问题进行处理.基于图像处理技术的基本原理和理论,阐述了图像特征提取的4种方法,并对其方法进行了比较分析研究.     

基于图像处理的移动机器人视觉定位方法

移动机器人视觉定位方法,主要是将目标物体的图像像素与移动机器人和目标物体之间的距离联系起来。应用视觉传感器搜寻目标物体,并借助于图像处理技术提取目标物体的特征对目标进行定位。通过计算目标物体图像的像素数,比例关系来确定目标物体与机器人之间的距离。这种方法成功地运用于RIRAII移动机器人上。