焊缝图像边缘线提取的一种有效算法

基于机器视觉智能焊接自动化,提出了一种有效的焊缝识别算法.通过对图像进行滤波、图像锐化、二值化增强,以及针对二值化后的图像以形态学滤波方法进一步滤除图像中的孤点噪声等方式,采用Roberts边缘算子提取出焊缝图像的边缘,并利用骨架运算提取.在预处理和检测时都使用感兴趣区域.结果表明,该算法具有良好的实时性、可靠性和鲁棒性.     

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.     

基于灰度累积投影与边缘图像跳变统计的车牌定位方法的研究

针对交通检测系统中数码相机所拍摄到的图片,提出一种车牌定位方法:首先对图像进行二值化和边缘检测等预处理,然后根据边缘二值图中车牌区域的边缘特征,利用行扫描方法对图像进行灰度累积投影与边缘图像跳变统计,再根据车牌区域的字符纹理特征及灰度值特征确定车牌的水平位置.利用列扫描方法对图像进行灰度累积投影,用形态学的方法对细长线条的过滤,从而达到对车牌进行准确的垂直定位.实验表明,这种方法取得了较好的效果,具有较高的实用性.     

基于虚拟仪器的动车图像条纹噪声消除算法

为更好地采集动车车号部分的图像,针对图像中车号部分所包含信息变化微小的特点,采用了一种基于虚拟仪器技术开发平台LabVIEW的去除条纹噪声的方法.首先,在频域内将含有条纹噪声的图像与原始图像的频谱图二值化,并对二值化的频谱图像进行逻辑操作,同时结合多样本进行综合处理,最后运用巴特沃斯带阻滤波法滤除条纹噪声;然后,在空域内通过IMAQ Gray Morphology.VI和IMAQ BCGLookup.VI对处理后的图像进行增强处理,锐化因频域内滤波而边缘虚化的车号图像.进行动车图像条纹去噪处理实验,运用均方误差(MSE)和峰值信噪比(PSNR)对去噪效果进行评价,并与普通带阻滤波、矩匹配法等去噪方法进行对比.结果表明,本文方法消除噪声的效果更显著.     

基于目标特征的图像预处理技术

结合建筑物搜索与识别的实例,提出了有利于保留目标特征的二值图像平滑算法和水平分割算法,改进了中心差分算子的边缘检测方法,并采用基于边缘特征的二值化算法对图像进行预处理.实验表明,这种基于目标特征的图像预处理方法对各种条件下采集的图像都能达到较好的处理效果,并取得了令人满意的速度.     

基于二维变分模态分解的矿井图像增强方法

针对煤矿主皮带图像的低光照、多尘雾、噪声大等问题,提出一种基于加权引导滤波的二维变分模态算法对主皮带图像进行增强。该算法对预处理的图像进行二维自适应非递归变分分解,对分解后的低频子模态进行加权引导滤波,增强图像的边缘细节以提高图像清晰度;并采用去噪能力强维纳斯滤波器。通过与自适应双边滤波和加权引导滤波技术仿真对比,该方法在图像边缘细节、滤除噪声等方面视觉效果不错,同时客观的峰值信噪比参数较高,均方差参数较低。     

混合反射特性表面形貌测量中光刀条纹的提取方法

该文通过分析混合反射特性表面在实施光刀法三维形貌测量过程中的噪声来源,给出了噪声与有效条纹图像形态学特征的差异。根据两者的灰度连续性差异,提出了去除噪声的图像处理方法。首先增强条纹状噪声的灰度离散化程度,使用灰度阈值的图像分割方法,分离噪声与背景亮度,同时保持有效条纹的灰度连续性;再通过基于图像形态学的处理方法去除已经颗粒化的噪声,对已去噪图像的有效条纹进行边缘修复和断线连接,得到有效条纹的二值化掩模图像。用掩模图像与原图像相乘,可提取出原图像中的有效信息。结果表明:该方法从具有噪声的光刀图像中准确地提取出了有效条纹。     

基于谱聚类的边缘检测算法

区分高频噪声点和边缘点是提取噪声图像边缘的难点之一,为了得到噪声图像的清晰边缘,提出一种基于谱聚类(spectral curvature clustering,SCC)的边缘检测算法.该方法通过将边缘检测问题转化为分类问题,利用图像边缘点、平滑点和噪声点位于不同子空间的性质,在有效地聚类平滑点和边缘点的同时,SCC能够较好地抑制噪声点.另外,该算法通过编辑聚类标签并将其转换为二值图像,对二值化图像进行简单的处理即可得到图像的边缘,成功地避免了传统算法中的阈值选择问题.相比于传统的边缘检测方法,实验结果证明了所提算法的有效性.     

汽车轮胎号识别中的预处理问题

为便于对汽车轮胎号字符图像进行识别,对其进行一系列预处理．着重研究胎号图像预处理中的增强、降噪及二值化问题．提出一种将邻域均值滤波法和中值滤波法相结合的图像降噪算法,采用该算法能保护图像边缘和细节．提出一种基于经验知识的改进Otsu算法,可缩小Otsu算法搜索阈值范围,减少计算类间方差的次数．结果表明,胎号增强图像比原始图像清晰,降噪后字符图像边缘不模糊,胎号字符二值化速度得到提高,二值化效果也很好．     

一种PCB走线质量检测的预处理方法

在印刷电路板(PCB)走线视觉检测系统中,待测图像好的预处理效果是整个系统性能优秀的前提,而它的速度又是决定系统能否达到实时检测的关键因素.介绍了一种PCB走线质量检测的预处理方法,它包括对PCB待测图像的二值化和去噪两个部分.实验结果表明,使用该方法能够得到一个满意的二值化阈值,并有效地消除噪声,处理速度也较快.     

基于分层密度特征的文档图像检索

为克服基于版面重建的文档图像检索方法对图像质量要求高,且局限于部分文种,以及基于版面分割的文档图像检索方法受限于版面分割技术等问题,提出了一种基于二值文档图像分层密度特征的检索方法。该方法通过倾斜校正、去除黑边等预处理得到有效文本区域,提取有效文本区域的长宽比和分层密度特征,通过特征比对进行检索。实验表明:该方法对不同分辨率以及不同的输入设备具有自适应能力,对复杂版面和批注等噪声鲁棒性好,漏检率为2%,是一种简单有效的文档图像检索方法。     

基于排序统计的图像边缘增强滤波

主要研究了如何对受混合噪声污染的模糊图像进行边缘增强滤波,并提出了一种基于排序统计的图像边缘增强滤波算法,该算法将输入样点集划分成两个具有不同灰度值的子集,通过子集的运算值之差判断边缘是否存在。如果边缘存在,则通过判断滤波窗位于边缘的哪一侧来选择某个子集的输出运算值以增强边缘的梯度;如果边缘不存在,则考虑进行噪声的平滑,计算机模拟实验表明,基于排序统计的图像边级增强滤波器在增强边缘的梯度的同时,能     

边缘保持递归去噪算法及在图象处理中的应用

为了在图象处理时，既可以有效地去除噪声，又不会太多地破坏边缘，在一维卡尔曼滤波器的基础上，通过加入噪声图象边缘的结构信息，导出了一种简单的、可快速计算的边缘保持递归去噪算法。算法的主要思想是将与边缘大小和位置有关的信息从噪声图象中提取出来并将这些信息作为卡尔曼滤波器的控制输入，采用这种方法可以有效地降低图象边缘破坏的程度。对包含边缘信息和不含边缘信息的Ｘ线头影图象进行了处理，实验结果表明，加入边缘信息的卡尔曼滤波器的性能明显优于传统的卡尔曼滤波器，改进的滤波器在去除图象噪声的同时，可以有效地保持图象的边缘。     

基于双重Sigmoid变换的PCB图像增强算法

 在基于边缘的PCB缺陷检测中提出了一种新的图像变换方法——双重Sigmoid变换,并导出了Sigmoid变换算子。试验表明,采用该变换对PCB图像进行增强能有效地锐化边缘,对边缘附近的噪声滤除能力强,有利于精确定位边缘,对原图像的清晰度及均匀性要求不高。     

相干增强扩散与冲击滤波相结合的指纹增强算法

自动指纹识别系统(AFIS)的性能严重依赖于输入指纹的质量,因此有效指纹增强算法对该系统具有重要意义。针对相干增强扩散滤波增强的指纹图像会出现边缘模糊,以及谷线与脊线间对比度较低的现象,提出使用冲击滤波和相干增强扩散的加权模型方法,既能保持相干增强扩散的优势,又能锐化指纹脊线边缘,以及增强指纹脊线与谷线的对比度。增强的主要过程为,建立一个相干增强扩散和冲击滤波的加权组合模型,加权函数是以指纹梯度为自变量,使得在扩散过程中在图像边缘处以冲击滤波为主,在脊线与谷线内部则以相干增强扩散为主。实验表明,使用这种方法,能得到更加清晰的指纹图像,便于之后的二值化与细化过程处理,使得自动指纹识别系统具有更好的性能。     

分数阶微分掩模及其滤波器的构造

基于整数阶微分定义的一阶图像增强模板在处理图像时会产生宽边缘,而二阶模板会同时增强纹理和噪声.为了避免整数阶微分模板所产生的副作用,根据分数阶微积分的Riemann-Liouville定义分析和推导了数字图像的1～2阶分数阶微分掩模,构造了基于该定义的1～2阶分数阶微分滤波器.仿真实验表明,该滤波器不仅可以保留平滑区域...     

基于卡通纹理分解和NSCT的卫星云图边缘提取

为方便提取云图的缓变边缘,提出了基于卡通纹理分解和无下采样轮廓波变换(NSCT)的卫星云图边缘特征提取算法。首先使用基于张量扩散的卡通纹理分解对卫星云图进行预处理,减小云图中噪声和纹理的影响,将云的缓变边缘转化为阶跃边缘;然后依据NSCT域中高频系数的正负关系和相关性进行边缘特征提取。通过实验,将文中算法分别与基于投影卡通纹理分解的预处理算法、小波多尺度积、NSCT模极大值和NSCT多尺度积等边缘特征提取算法进行比较。结果表明,本算法可更准确地提取云的边缘,且受噪声和纹理的影响小,边缘的连续性更好,为准确地进行云分类提供了保障。     

基于梯度二阶导数的Canny阈值自适应选取算法

图像边缘含有丰富的图像信息,对于很多视觉系统至关重要,比如目标检测与图像分割等。传统的Canny算子仅能用于灰度图像,无法有效利用彩色图像中的颜色信息;此外,该方法需要人为设定高低阈值,不能自适应提取图像边缘,进而造成背景边缘放大等问题。提出了一种基于Canny的自适应彩色图像边缘检测算法;该算法首先通过图像一阶直方图的统计特性,自适应地选取高斯滤波器的参数σ,有效去除了噪声;同时改善了σ参数设置不合理对边缘检测的影响。其次采用了基于图像梯度二阶导数的阈值选取的方法,即根据图像特性自适应选取合适的阈值。实验结果表明:算法能很好地改善传统Canny算子的缺陷,对于彩色图像的边缘信息提取能达到很好的效果。     

多方向几何非线性扩散图像去噪方法

现有几何非线性扩散滤波器同时在水平和垂直方向进行扩散,没有考虑图像边缘的方向性,有损其去噪效果.提出根据像素8-邻域方向的梯度值检测边缘点及其边缘方向,对边缘点仅沿该边缘方向进行几何非线性扩散,而对非边缘点进行4个方向上的几何非线性扩散.5个等级噪声强度和5个典型加噪图像去噪实验结果表明,本文方法能够更有效地去除图像中的噪声,同时更好地保护图像边缘.     

利用偏微分方程的Tetrolet变换图像去噪

对图像进行Tetrolet变换后利用偏微分方程对图像进行了质量改善,仿真结果表明,该算法不仅能有效去除噪声,而且可得到更高的峰值信噪比和更好的视觉效果,去噪后图像较光滑,减少了方块效应,更多地保留了图像边缘和细节等局部特征.