基于数学形态学的运动图像模糊长度识别方法

基于数学形态学思想提出一种运动图像模糊长度识别方法,并进行仿真实验。该方法通过对模糊图像频谱图进行一系列数学形态学的处理,准确提取频谱图的边缘,再利用频谱图中相邻黑色条纹间距与模糊长度的数量关系计算出模糊长度。该方法在35像素范围内能准确识别模糊长度,超过40像素范围时需人工辅助才能识别模糊长度。     

基于机器视觉的刚性罐道接头缝隙宽度测量算法

针对罐道结构复杂、空间狭小、传统检测系统不便于安装,容易导致接头缝隙测量困难问题,提出一种基于机器视觉的非接触式测量接头缝隙宽度的方法。使用高斯滤波和CLAHE算法,去除噪声并提高图像对比度,经过阈值分割、图像形态学操作提取接头缝隙边缘特征;通过孤立点消除和透视变换去除图像畸变,使用SKE-骨架提取算法减少接头缝隙特征像素宽度,通过霍夫变换和最小二乘法计算接头缝隙宽度。测量了4~12mm接头缝隙宽度,结果表明：该方法测量误差控制在0.8 mm以内,为立井提升系统安全稳定运行提供保障。     

一种改进的图像边缘检测方法

为了有效提取图像的边缘,提出一种新的基于欧氏距离图的边缘检测方法.首先计算像素间新的欧氏距离,得到欧氏距离图,新得到的欧氏距离在计算过程中强化了图像块中心像素的作用.为了消除噪声对距离图计算的影响,利用主成分分析去除图像块组中的图像块之间的相关性,从而达到降噪目的.得到的距离图能更好地突出背景与边缘信息,通过改进的水平...     

基于Arimoto熵和Zernike矩的刀具图像亚像素边缘检测

为满足基于机器视觉的刀具尺寸测量系统快速及高精度的要求,提出一种基于直线截距直方图的Arimoto熵和Zernike矩的图像亚像素边缘检测方法.首先,通过高斯滑动窗口获取图像的邻域平均灰度,构造图像的灰度-邻域平均灰度二维直方图,并利用直线截距法将其降为一维直方图;然后,针对得到的直线截距直方图,依据Arimoto熵准则进行阈值分割,并将所得阈值映射回原二维直方图实现目标区域及像素级边缘的提取;最后,由基于Zernike矩的边缘模型对获取的像素级边缘进行重定位,以完成刀具图像亚像素级边缘的提取.通过对刀具图像进行的大量实验,将文中方法与基于Canny的、基于空间矩的、基于灰度矩的以及基于Zernike矩的边缘提取方法进行对比,发现文中方法运行速度更快且提取精度更高.     

利用颜色向量角直方图进行基于内容的图像检索

分析颜色直方图在基于内容的图像检索（content-based image retrieval,CBIR）中存在的问题,提出一种应用图像边缘空间分布的检索方法.利用颜色向量角对亮度不敏感,对色度和饱和度敏感的特性提取彩色图像边缘.在图像的边缘像素及其近邻提取颜色向量角直方图,同时在图像的平滑像素区提取颜色直方图,将两种直方图结合起来用以描述图像内容.该方法较充分地利用了图像的颜色、边缘、形状信息,具有良好的光照不变性,与颜色直方图法相比,检索效果有明显改善.     

实体模型表面流场、河势测量中图像技术应用研究进展

介绍了粒子图像测速技术(PIV)引入水流研究的历程,结合近10年来图像技术的应用及发展情况,讨论了将图像技术应用到流场及河势测试中的图像识别、边缘检测等关键问题的研究进展,并对相关的测试理论进行了探讨.指出,对河工模型表面流场测量中的图像畸变矫正、示踪粒子在三维水流中的跟随性、浑水条件下表面流场的测量以及河势的实时自动提取方面还有待进一步深入研究,将图像技术获得的流场、河势信息与数值模拟相结合实现实时混合模拟是今后的研究方向.     

基于二维阈值向量分割的足迹边缘提取方法

根据足迹图像特点,提出了基于灰度 梯度二维阈值向量区域分割的边缘提取方法·该方法以灰度 梯度共生矩阵为模型,利用最大熵原理,自动求出灰度 梯度二维阈值向量;用此二维阈值向量对图像进行区域分割,具有抗干扰能力强和正确分割模糊边缘像素的特点,构造两个适合足迹图像特点的结构元算子,对区域分割后的二值图像作数学形态学运算,以光滑边缘、提取边缘·大量实验表明,用本文方法提取的足迹边缘光滑,与原始图像具有很高的相似性;噪声得到抑制,取得令人满意的效果·     

基于机器视觉的不规则形状超薄热管宽度测量方法

为实现不规则形状超薄热管宽度测量自动化,提出一种基于机器视觉的中轴线梯度角逐像素宽度测量算法。首先采用Canny算法获取像素边缘,并进一步使用改进二次插值法提取亚像素边缘;然后利用细化算法提取边缘内封闭区域中轴线并适当裁剪;接着使用形态学膨胀与高斯滤波构造中轴线区域边缘,计算梯度角,并借助双侧均值滤波逼近真实梯度角的光滑变化;最后沿梯度角两侧搜索亚像素边缘点,边缘点对距离即为所测宽度。文中算法解决了常规测量算法无法确定不规则形变轮廓对应宽度测量点和高次过渡曲线区域无法测量的问题,实现了在轴线方向密集测量宽度,最大程度逼近真实边缘宽度分布。实验结果表明,测量对象宽度在10 mm以内时,文中算法的测量不确定度为±0.026 mm,能很好地适应超薄热管的不规则外形,实现稳定可靠、高精度的自动化测量。     

基于超像素融合算法的显著区域检测

针对目前流行的显著性检测算法不能精确反映显著性信息的问题,提出一种基于超像素融合方法的显著性检测算法. 首先对图像进行超像素分割,在保证高质量的图像目标边缘信息前提下,建立以超像素为节点的图模型;然后计算超像素邻接矩阵,将该图模型转化为最小生成树模型. 通过OTSU算法自适应地确定最佳阈值,根据该阈值将最小生成树模型的部分节点进行融合,获得大超像素分割区域;最后利用大超像素的颜色和相互距离信息,获得高质量的显著性图. 实验结果表明,相对于其他检测方法,该算法可以更有效地检测出图像中的显著目标,并能达到接近分割的效果.      

基于改进的Zernike矩亚像素边缘提取算法外螺纹非接触测量

为了进一步改善螺纹图像轮廓提取效果、提高螺纹参数的计算测量精度,在分析基于Zernike正交矩亚像素边缘检测算法的基础上,建立了边缘灰度阈值与一阶导数相结合的模型,提高了亚像素边缘点的定位精度,并在此基础上提出了计算螺纹中径和牙型角的新方法.结果表明,该方法对于克服工件表面水油污染、提高检测精度具有显著效果.