梯度熵改进边缘检测的自适应阈值曲面分割算法

光照不均匀往往造成背景亮度不均和灰度分布范围较大,会导致图像分割困难和不准确.考虑图像的边缘信息受光线变化相对不敏感,引入梯度熵信息对Canny算法进行改进提取准确合适的边缘.采用最小二乘法的多项式曲面拟合获得阈值曲面,进而提出了基于梯度熵改进边缘检测的自适应阈值曲面分割算法.对多种背景灰度分布不均匀的图像进行算法验证...     

基于边缘方向和梯度的图像特征匹配算法

主动形状模型(Active shape model,ASM)是一种基于统计参数化的图像特征匹配算法,它主要应用于提取图像的特征点.在分析传统方法不足的基础上,提出一种基于改进主动形状模型的图像特征匹配新算法.传统的ASM直接采样灰度值信息建立局部纹理模型,灰度值对光照、姿态等因素是非常敏感的,常会带来较大匹配误差或者导致模型匹配失败.采用基于每个像素的边缘方向和强度来代替灰度值,改进的表示方法是利用边缘方向和强度的信息去建模,并且加入了边缘结构的方向和强度.改进的表示方法增加了纹理表示的边缘特征,边缘特征能有效地让模型收敛到图像的外轮廓,当外轮廓精准匹配后可以有效抑制和促进图像内部特征点定位更加准确.实验结果表明,改进的方法可以有效提高模型的匹配精度.     

基于表面法线和元胞自动机的自由曲面重构

通过2个阶段实现了从单目灰度图像重构自由曲面的过程:a.对表面法线通过3个约束条件进行逐步调整,光滑约束保证表面法线的光滑过度和可积性,灰度梯度约束确保重构所得的灰度梯度和原始图像的灰度梯度一致.灰度约束保证每点的法线满足光照模型;b.利用一个二维元胞自动机系统,从表面法线重构自由曲面,每个元胞具有自我决策能力.以表面法线为模板,根据自动机系统的自组织行为,实现自由曲面的重构.实验验证了本算法的可行性和准确性,与传统算法相比,重构精度至少提高30%.     

单幅室外自然场景中的阴影检测与消除

为了改进Retinex算法在阴影消除中的不足,该文提出了一种基于高斯分布与Retinex模型的阴影检测与消除算法,通过灰度分布将图像分割为阴影区域、半影区域和正常光照区域,采用Retinex算法分别对阴影区域和正常光照区域提取光照,并消除光照影响,然后对半影区域进行双线性插值,得到消除阴影后的图像.该算法对大面积阴影的检测与消除具有很好的效果,同时避免了Retinex算法在灰度变化剧烈区域产生的模糊问题,实验证实了该算法的有效性.     

基于轮廓线的旋转体三维重建

由旋转体的二维灰度图像恢复其三维形状已经成为计算机视觉领域的一个研究热点.对该问题进行了深入的研究,提出了一种基于单幅图像,采用轮廓线特征信息进行旋转体重构的方法.该方法从一幅二维灰度图像中提取旋转体作为研究对象,通过角点检测方法获取有效轮廓线及其分段曲线,根据分段曲线类型及其特征信息构造旋转体的对称轴,结合旋转体的几何特性实现了旋转曲面的三维重建.实验证明,该方法可以根据旋转体的二维灰度图像方便有效地重建出其三维形状.     

融合彩色和光照信息的尺度不变特征变换图像匹配算法

针对灰度图像色彩信息缺失导致尺度不变特征变换(SIFT)算法匹配能力差的问题,提出一种新的融合色彩和光照信息的SIFT图像匹配算法。新算法首先求出彩色图像各个像素的彩色补偿量和光照补偿量;在图像灰度化时增加彩色补偿量和光照补偿量来增强对比度,以减小颜色差异带来的匹配误差;采用SIFT算法对获得的灰度图进行图像匹配。对7组存在多种变化的图像对进行匹配测试,结果表明,新算法可以有效区分不同颜色但灰度相似的区域,增加了SIFT算法的匹配点数和准确率,提高了算法的匹配性能。     

铅浮选泡沫视频图像的物理校正及算法补偿

针对铅浮选视频采集图像光照不均、纹理丢失导致难以精确分割的问题,提出了一种用于优化视频图像的物理校正和算法补偿的方法。利用非成像光学理论构建均匀方形光斑自由曲面透镜,在此基础上,提出一种改进的方向波变换图像增强算法,再通过经典的谷底边缘检测算法对其进行分割。结果表明,该方法能有效提高浮选图像的信噪比和对比度,其分割精准度提高了25%。     

基于CAD模型的NURBS形状公差评定

为了对曲面零件的加工精度进行高精度检测,提出一种形状公差评定的新方法———基于CAD模型的NURBS形状公差评定。实现了各种标准解析曲面和自由曲面形状加工精度统一地高精度检测。采用NURBS统一的表达式精确地表示各种标准解析曲面和自由曲面;利用NURBS统一的表达式研究CMM测量点云和名义CAD模型统一的最佳匹配算法;比较测量点云和名义CAD模型的法向偏移量即曲面形状误差,且用图形直观显示。最后进行计算机仿真实验,实例验证算法可行性。     

一种由明暗恢复形状的改进变分算法

针对变分算法可能丢失表面细节信息的问题,提出了一种由明暗恢复形状的改进变分算法,使用接近实际的混合反射模型描述的反射图方程和图像梯度方程构造了新的目标泛函,由于图像梯度反映了二维图像的细节信息,新目标泛函比仅使用反射图方程的目标泛函蕴涵了更加丰富的三维形状细节信息.然后,使用变分原理求解该目标泛函,得到由明暗恢复形状的改进变分算法.所提出的算法比基本变分算法三维形状恢复的精度有显著提高.合成半球图像的实验表明,新算法在相同迭代次数时恢复三维形状的平均相对误差比基本变分算法减小了13.45%.实际复杂图像的.三维形状恢复结果表明,新算法在恢复表面三维细节时比基本变分算法更加准确.     

基于立体视觉的自由曲面三维重构

利用BP神经网络对立体视觉系统进行隐式标定,采用投射大小光斑的方法增加自由曲面的图像特征;提出了一种基于射影变换原理的分块匹配算法,分别在左右两幅图像上,对大点构成的区域进行标准形状变换,然后实现区域内小点的自动匹配.对石膏像面部进行三维重构的实验表明,投射光斑的方法增加了自由曲面的图像特征,分块匹配算法能有效地实现图像间的特征匹配.     

基于光照不变特征的数字散斑相关方法

边坡问题是中外工程建设中的主要工程地质问题之一,准确、可靠的边坡变形监测方法对预防滑坡灾害起着至关重要的作用.将数字散斑相关方法应用在边坡变形监测中,可以快速得到准确的边坡位移场信息,具有操作简单、非接触式等优点.但是在野外测量环境下,光照变化对图像的灰度唯一性产生了较大影响,从而导致测量精度的下降.在数字散斑相关方法求解边坡变形场的基础上,使用局部敏感直方图替换原始图像对应位置的灰度值,作为图像的光照不变特征,克服了光照变化对图像灰度信息的影响,并通过数值模拟实验对算法精度进行验证.实验结果表明,该方法大幅提高了边坡变形计算精度,为研究边坡破坏机理和发展过程,提供了一种经济有效的监测方法.     

一种针对钢卷尺图像的二值化方法

在钢卷尺自动检定系统中,图像二值化是误差检测的前提,由于标准钢卷尺图像受材料和环境影响较大,目前常用的方法都不能有效地对不同质量的图像实现自动的二值化。根据Berns-en算法原理,提出了一种改进模板和垂直线滤波结合的二值化方法。实验结果表明,此方法二值化效果好,对于非均匀光照的钢卷尺图像有良好的适应性。     

基于图像语义分割的水位智能监测方法

为了解决现有基于灰度图像分割的水位线检测方法易受水面耀光、倒影等复杂光照条件的影响,且在高洪期水尺易被漂浮物缠绕引起测量粗大误差的问题,设计了一种基于深度学习的水尺水位智能监测方法。该方法采用不同条件下采集并由人工精确标注的水尺、水面和漂浮物三分类样本图像构建数据集,训练深层全卷积神经网络,实现了对水尺图像的逐像素分类预测,最终在语义分割图像中检测水位线的像素位置,将其转化为实际水位值。试验结果表明:该方法能够克服传统方法在图像特征提取方面的不足,提升图像分割对野外复杂变化环境的适应性,实现测量有效性的识别,达到水尺水位智能监测的目的,测量的综合不确定度小于3.cm。     

基于改进SRResNet深度学习网络的低照度图像超分辨率重建方法

为解决低照度条件下低分辨率图像的超分辨率重建问题,提出一种基于改进超分辨率残差网络(super-resolution residual networks, SRResNet)深度学习网络的低照度图像超分辨率重建方法。通过将读取的图像下采样、亮度降低等处理生成低照度低分辨率图像,并将该图像与高分辨率图像作为数据对输入学习模型,以便改进SRResNet的训练数据对的生成方式,优化训练过程,从而构建面向单帧低照度彩色图像的基于改进SRResNet训练的超分辨率重建方法。实验结果表明：与现有流行的图像超分辨率重建方法相比,该方法的峰值信噪比(peak signal to noise ratio, PSNR)、结构相似性(structural similarity, SSIM)指标整体为最优,低照度环境下的超分辨率重建图像更为清晰明亮、细节更丰富,该方法训练出的深度学习网络的重建效果更好。     

基于Retinex理论的电子内镜图像增强算法

为解决电子内镜图像亮度较暗、光照不均匀和对比度较低的实际问题,提出一种基于Retinex理论的电子内镜血管图像增强算法.算法基于图像差分L₁、L₂范数的特性和对光照进行纹理抑制的实际需求,建立Retinex理论的优化表达式;使用变分法进行求解以获取图像的光照分量与反射分量,分别进行光照矫正和细节拉伸;使用改进的对数直方图均衡调整图像颜色通道比例,提高血管图像的对比度.Matlab测试实验表明,该算法能较好增强电子内镜图像,与同类型算法相比,各评价参数有不同程度提高,具有一定的实际应用价值.      

基于统计特性的路面图像光照不均匀校正算法

针对传统的灰度校正方法不能有效地校正全局光照不均匀的路面图像,提出基于统计特性的路面图像光照不均匀校正算法。算法根据路面图像自身的特点,以及正态分布特性,利用图像的均值和方差估计每个子块图像的背景灰度值,然后利用双线性插值的方法构造背景灰度矩阵,最后原图像减去背景灰度即可得到校正后的图像。仿真实验证实,该算法能有效地减少图像的光照不均匀,达到校正图像的目的。     

一种基于灰度映射与融合技术的微光图像增强模型

针对低照度图像对比度差、暗区视觉质量差的问题,本文提出了一种全新的低照度图像增强算法.该方法能够有效地避免传统增强方法容易导致图像色彩失真以及亮区过度增强的问题.首先,设计了一种针对像素含量极少的灰度区域进行压缩的线性映射函数,该函数能够在保持图像灰度分布特征基本不变的前提下提升图像的整体亮度.然后,利用图像的灰度分布特征来生成相应的增强映射函数.最后,通过图像融合技术来进一步提升图像的整体色彩表现.实验结果表明,本算法在色彩表现方面以及亮度提升方面均有较好的性能表现,并在视觉质量和定量测量方面优于目前最先进的方法.     

基于视觉的水面垃圾清理机器人目标检测算法

针对中小型水域漂浮垃圾清理困难问题,通过分析水面图像的特点,提出基于视觉的水面机器人垃圾检测方法。首先使用Mean-shift滤波平滑算法,在保持目标边缘的基础上尽可能平滑波纹的干扰;然后使用基于色差灰度模型与改进的OTSU阈值法分割出水面目标,能有效地抑制水面光照不均和水面倒影的问题;接下来采用先闭运算后开运算的形态学处理,填充小孔、消除孤立噪声点;最后计算各目标对象的质心坐标,最小外界矩,对目标进行标记,进为机器人的进一步动作提供依据。实验结果表明该方法能够较好地克服水面复杂环境影响,快速、准确地提取出水面的漂浮垃圾。