基于亚像素定位的图像边缘检测策略研究

针对图像处理与计算机视觉技术中低对比度、边缘模糊图像的边缘检测问题,参考局部极值与梯度方向两种因素,并结合图像边缘方向趋势,提出了一种单像素边缘跟踪策略。相较于应用广泛的Canny算法,该跟踪策略无需设置全局阈值,实现方式更为简洁、高效;提取的图像边缘连续、平滑、完整,并有效地减少了图像边缘的冗余像素,进而提升了图像后续处理的效率;边缘跟踪方向抗干扰性强,具有较强的鲁棒性。为了减小检测的图像边缘与真实图像边缘之间的偏差、提高图像边缘检测的精度,参考边缘像素点的相邻区域灰度,以边缘像素点的梯度分布为依据对该像素点进行亚像素定位。经实验验证,经过亚像素优化的图像边缘检测策略可用于检测边缘模糊、对比度低的图像,检测的图像边缘完整、连续且平滑。该策略有效地消除了程序运算中引入的截断误差,提升了图像边缘检测精度,且适用于亮度5~100000 lx的高动态成像场景中。

基于超像素标注的岩石薄片图像训练数据

图像标注在计算机视觉中起着至关重要的作用。鉴于岩石薄片图像的复杂性,长期以来,为岩石薄片图像手动创建语义标签是一项耗时、耗力的事。为了加快岩石薄片图像像素级标注速度,提出了一种基于超像素标注的方法生成岩石薄片图像的机器学习训练数据集。首先,使用超像素算法进行预分割处理;然后,进行区域合并,提取到岩石颗粒的边界;最后,通过交互式的标注工具,人为给岩石颗粒包含的超像素区域分配指定标签。结果表明,所提出的方法能够避免人为标注岩石颗粒的边界决策问题,可以对薄片图像进行快速标注并生成高质量的语义图像数据,推动岩石薄片图像在深度学习领域的研究。

基于多光谱数据和融合像素差卷积的壁画线稿提取

使用现有边缘检测方法提取古代壁画的线稿,存在噪声干扰大且丢失信息较多的问题。本文提出一种融合像素差卷积的壁画最优波段线稿提取方法,利用最小噪声分离方法将壁画多光谱数据的有效信息和噪声分离,选择最优主成分波段进行线稿的提取。针对传统卷积提取图像梯度信息的问题,引入像素差卷积提高边缘检测的图像梯度信息。在侧输出网络加入尺度增强模块(SEM)丰富多尺度特征,同时针对像素级别不平衡引起的像素错误分类问题,设计了基于图像相似度的Dice损失函数策略,逐级最小化像素距离获得清晰图像边缘,并利用壁画数据集先验知识微调模型解决数据集不足的问题。实验结果表明,本文方法可以在壁画褪色和噪声较多的场景下提取出较为清晰的线稿,线稿图像的SSIM和RMSE均优于其他算法,分别提高了2%~10%和2%~4%;在公开数据集BIPED上对模型进行验证,所提方法的ODS和OIS较PiDiNet分别提高0.005和0.007。该方法对褪色及具有病害的壁画可以提取出清晰完整的线稿图像。

基于多时相光学遥感影像亚像素相关的边坡监测——以溪洛渡电站为例

水电站高边坡监测是水电站灾害防治中的关键问题,基于卫星遥感技术进行库区滑坡监测是解决该问题的重要手段之一。利用卫星影像亚像素相关性算法获取地表形变位移场,能够克服SAR影像失相关因素,在水电站边坡监测中具有重大的应用潜力。本文以溪洛渡电站2015-2019年5期Google Earth影像和2019-2022年4期Sentinel-2影像为数据源,采用相位相关算法计算了边坡形变量,通过构建一次多项式曲面拟合模型去除轨道误差等趋势性误差,获取了2016、2017和2019年溪洛渡电站下游边坡形变值。分析显示,两种影像提取得到的边坡形变量具有相同的变化趋势,均与谷幅实测数据吻合较好。本文结果验证了基于多时相遥感数据将亚像素相关性匹配技术运用于大型水电站边坡形变监测的可行性。

基于超像素的硅基有机发光二极管微显示器

基于超像素技术,针对彩色硅基OLED(Organic Light Emitting Diode)微显示器,提出一种数字驱动策略,通过复用相邻像素信息,使单像素用于多个相邻像素成像,大幅提高显示分辨率.设计了一种数字驱动彩色OLEDoS(Organic Light Emitting Diode on Silicon)微显示器驱动电路,在120 Hz帧频的条件下,可实现256级灰度和4K显示分辨率,且电路面积和每秒数据传输量仅为传统驱动方式的50%.经测试验证,该驱动电路可实现的OLED像素平均电流范围为13.1 pA~3.74 nA,可满足微显示器近眼显示需求.

基于优化Hough变换的铆接高度差亚像素检测方法研究

针对飞机铆接高度差的检测问题,提出了一种优化的Hough变换铆接高度差亚像素检测方法。该方法首先通过空间域点运算的灰度变换法对采集的铆接孔图像进行增强处理,然后利用局部阈值分割法进行图像分割,采用Canny算法进行边缘粗提取,再利用优化的Hough变换进行亚像素级的边缘精细提取,提取出铆接孔和铆钉钉头的圆环区域,最后结合RANSAC算法进行圆拟合,利用开发算子get_current_region_z()分别提取内外圆环区域的高度平均值,再通过函数height_Z()将所得的高度平均值作差即可得到铆接表面的高度差。经试验证明,该检测方法亚像素精确定位能力强,检测结果准确率高、稳定性好,重复测量精度可达到±10μm。

焊缝缺陷三维成像及亚像素定量方法研究

为实现工业设备中焊缝结构内部缺陷准确地定量分析,针对构造缺陷三维重构模型时缺陷图谱的过分割和欠分割导致定量分析不够精确的问题,提出了一种基于图谱颜色分割的新算法。利用该算法处理缺陷切片并进行三维重构获取其长度,应用Canny算子与三次样条插值法结合获取缺陷亚像素边缘,基于缺陷区域连通标记算法和累加法可获取缺陷面积和体积的方法。研究结果表明:与实际数据对比,未焊透、未熔合、夹渣缺陷重构的长度误差分别为8.18%、5%、9.62%,基于此对分割缺陷的亚像素边缘内连通域进行标记以准确地获取其面积及体积。该方法能够在不破坏焊缝结构的情况下即时获取焊缝内部缺陷的形貌并对其进行精准且全面的定量分析。

基于Lagrange插值的数字图像相关亚像素位移测量算法

本文旨在通过改进经典Newton-Raphson算法中的插值方法来优化数字图像相关(DIC)亚像素位移测量的计算效率。针对经典Newton-Raphson算法在数字图像相关亚像素位移测量中应用的双三次样条插值算法,特别是在需要计算边界点灰度梯度(即灰度值的一阶导数)时,存在计算量大的问题,本文提出一种基于Lagrange插值的改进算法作为解决方案。Lagrange插值算法在未增加计算节点数的情况下,成功避免了边界点灰度梯度的计算,使插值效率可提高近1/3。应用数值模拟实验和真实刚体平移实验对本文算法的性能进行验证。结果表明,本文算法在保持求解精度的同时,计算测量效率较传统Newton-Raphson算法有了明显提升。单点插值效率平均提升近30%;单点测量效率平均提升近20%。本文首次将Lagrange插值算法应用于数字图像相关的亚像素位移测量中,解决了双三次样条插值算法计算量大的问题,为相关领域提供了一种更为优化的变形测量方法。该研究为DIC亚像素位移测量技术的进一步发展和应用提供了新的思路和参考,有望在实际工程中得到广泛应用,促进相关领域的进步与发展。

基于像素标记法的复合材料异型构件均匀性表征

纤维增强陶瓷基复合材料由孔隙缺陷引起的结构不均匀会严重影响构件的宏观力学性能,而整体孔隙率无法有效表征均匀性。针对此问题,提出了一种基于像素标记的空间区块划分方法,实现对异型构件CT扫描体数据的自动分块。在计算出每个区块体孔隙率值的基础上,以孔隙率均值与标准差的乘积为指标,对构件结构均匀性进行定量表征。采用光线投射法对孔隙率进行三维映射,对孔隙率分布进行直观的可视化表征。结果表明:该方法能有效定量表征出异型构件整体及局部均匀性,并从三维角度给出构件局部孔隙率的大小、空间位置信息,为进一步优化制造工艺参数、提高构件服役的可靠性提供了有力依据。

改进的局部最小像素先验遥感图像盲复原算法

为了解决遥感图像盲复原时模糊核估计不准确、复原图像存在振铃效应的问题,提出改进的局部最小像素先验遥感图像盲复原算法。该算法首先引入极端通道先验与局部最小像素先验结合,对图像的强度进行更好的约束,有利于得到更好的潜在清晰图像;然后采用基于梯度的方法估计模糊核,模糊核估计与中间潜在清晰图像估计交替迭代进行,获得较为理想的模糊核;最后引入联合双边滤波器,采用改进的拉普拉斯与正则化图像复原算法抑制图像复原的振铃效应。实验结果表明,本文方法对遥感图像复原效果较好,恢复的图像边缘清晰,振铃伪影得到抑制且模糊核较为理想;客观评价指标峰值信噪比(PSNR)较前沿复原算法平均提高约1.40 dB,结构相似度(SSIM)平均提高约0.02。

基于超像素快速模糊聚类的印刷品图像分割方法

针对当前彩色印刷品色差检测过程中效率低、复杂性高等问题,提出了一种基于超像素快速模糊聚类的印刷品图像分割方法(SFFCM)。先用简单线性迭代聚类(SLIC)算法将图像分割为紧密相邻的超像素区域。每个超像素区域被视为一个独立的聚类单元。随后,将模糊C均值聚类(FCM)算法应用于超像素的归属关系计算中,即引入隶属度值,允许超像素归属于多个聚类中心,并通过权衡归属度值来实现模糊聚类。实验结果表明,相对于其他算法,本文方法在保持良好实时性的同时,实现了较好的分割效果,有效平衡了算法复杂度与分割效果之间的关系。

硅像素探测器X射线探测效率实验研究

X射线探测器经历了气体探测器和闪烁体探测器时代,进入了半导体探测器时代。作为一种新型的半导体探测器,硅像素探测器具有分辨率好、探测效率高、时间响应快、功耗低等特点。为了研究硅像素探测器X射线探测效率,设计了一套X射线探测系统,并进行了实验研究。实验分别测试了4.51、5.41、6.40、8.05 keV共4种不同能量的X射线的探测效率。后期进行了误差分析和数据处理,得到4种不同能量X射线正面入射时探测效率分别为53.00%、51.56%、40.65%和29.91%。该实验研究为寻找高探测效率的X射线探测器提供了一种新的思路。

基于像素偏振相机的新型光弹技术应用

像素偏振相机与传统光弹方法相结合是近20年来发展起来的一种新型应力测试技术,其克服了传统光弹方法抗环境光干扰能力弱、定量测试操作复杂、很难实现实时测量等缺点。基于此,介绍了该方法的工作原理,并通过2个实例展示了该方法在适应复杂环境及高精度测试方面的巨大技术优势。给出了该新型光弹技术的若干前瞻性应用建议,包括玻璃幕墙安装应力的高效率检测及钢化玻璃内部缺陷的在线检测等。

基于亚像素精度的汽车冲压件尺寸测量系统设计

针对汽车冲压件尺寸人工测量方式存在的检测效率低和测量精度难以保证等问题,提出了一种基于亚像素精度的尺寸测量方法。先对汽车冲压件进行图像采集和预处理,接着利用Canny算子和改进Zernike矩进行冲压件图像亚像素边缘提取,再通过Hough变换对提取的圆轮廓进行拟合,最终获得了冲压件外圆直径和3个内孔直径的精确尺寸,4个圆轮廓的测量精度均高于0.025 mm,且多次测量结果的标准差小于0.009 6 mm。基于亚像素精度的尺寸测量系统,完成了测量平台的搭建和软件系统的开发,实现了汽车冲压件尺寸的非接触式亚像素级精度测量,能够满足工业应用的快速连续性测量要求。

自适应皮肤像素选择的非接触式心率估计研究

为了实现基于IPPG(Image Photoplethysmography)技术多种环境的非接触式心率的测量,针对视频采集图像时,光照射皮肤所产生的色调、饱和度等差异造成的影响,提出自适应HSV阈值设置的皮肤像素选择算法sA-HSV(Self-Adaptive HSV)。摄像头采集整个面部区域,通过sA-HSV算法设定阈值筛选皮肤像素作为特征区域,像素点绿色通道的均值作为原始信号,加入滤波算法得到最终信号,使用傅里叶变换估计心率。仿真结果同真实仪器测量结果相比,自采集数据在LED灯光下平均绝对误差小于2.29 bpm,均方根误差小于3.67 bpm,自然光场景下平均绝对误差小于1.7 bpm,均方根误差小于2.39 bpm,公开数据集VIPL-HR下,平均绝对误差为2.57 bpm,均方根误差为3.25 bpm,该算法更适合于光照环境下的非接触式心率估计。

叠加噪声干扰图像双阈值像素级分割方法

受干扰噪声的影响,在对图像进行分割处理时,难以实现对目标区域边缘的准确判断,导致错分的情况。为此,提出了叠加噪声干扰图像双阈值像素级分割方法。以叠加噪声干扰图像的灰度直方图为基础,在计算熵值的前提下,设置两个初始阈值为灰度范围的三等分点,按照步长5的标准迭代,并确定熵最大的阈值组合为叠加噪声干扰图像的最大熵双阈值。在分割阶段,利用计算得到的叠加噪声干扰图像最大熵双阈值进行边缘检测,并引入了一个3×3的窗口,计算噪声周围像素的平均值,实现对噪声像素的赋值,实现像素级分割。测试结果表明,该方法不仅实现了对背景的有效分割,还未造成目标区域缺失,且像素错分情况始终处于较低水平,对应的占比未超过0.60%。

基于皮尔森相关系数的自适应SLIC超像素分割算法

针对简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)算法对不同图像自适应性差的问题,提出了一种基于皮尔森相关系数的自适应SLIC超像素图像分割算法。首先,通过量化非间隔进行图像预处理,并计算颜色熵作为图像复杂度,从而确定所需分割的超像素个数。其次,利用皮尔森相关系数作为相似性度量函数。最后,通过纹理特征对类内异常点进行滤除,确保种子点更新的准确性。实验结果表明,在超像素个数相同的情况下,基于皮尔森相关系数的自适应SLIC超像素图像分割算法相比主流超像素分割算法,可以获得更高的边缘命中率以及更低的欠分割率,性能优于LSC(Linear Spectral Clustering)、SLIC和SLIC0(Simple Linear Iterative Clustering Zero)算法。

基于解耦区域校准的高分辨率超像素生成算法

超像素分割是计算机视觉领域的一项重要任务,该任务将具有相似属性的像素分组到称为超像素的簇中.图像超像素不仅可以增益图像注释,而且还是各种下游应用的基础,如分割、光流估计和深度估计.尽管超像素分割技术取得了显著进展,特别是随着深度学习方法的出现,但现有解决方案由于GPU内存和计算能力的限制,一直无法有效处理高分辨率图像.针对这个问题,作者提出了一种名为区域解耦校准的高分辨率超像素网络(Patch Calibration Network,PCNet)的新型深度学习框架,通过采用解耦的一致性学习策略,解决了现有方法的局限性.这种方法允许通过从低分辨率输入预测高分辨率输出来高效生成高分辨率超像素结果,从而绕过了GPU内存限制.PCNet的一个关键贡献是解耦的区域块校准(DPC)分支,它将高分辨率图像块作为额外输入,以保留细节并增强边界像素分配.为了改善边界像素的识别,作者利用二进制掩模设计了一种动态引导训练机制.这种机制鼓励网络专注于区域内的主要边界,将任务从多类分类简化为二分类问题.这一创新策略不仅减少了网络优化的复杂性,而且显著提高了边界检测的精度.本文通过在包括Mapillary Vistas、BIG和新创建的Face-Human数据集在内的多样化数据集上进行广泛的实验,证明了PCNet的有效性.结果表明,PCNet能够成功处理5K分辨率图像,并与现有的最先进的SCN方法相比,实现了更优越的性能,后者在处理高分辨率输入时存在困难.作者的贡献包括开发了PCNet,一种针对高分辨率超像素分割的深度学习解决方案,引入了解耦的区域校准架构,并构建了一个超高分辨率基准测试集,用于评估高分辨率场景中超像素分割算法的性能.本文首先回顾了超像素分割领域的相关工作,然后详细介绍了PCNet框架,接着展示了实验结果并与最先进的方法进行了比较.结论部分总结了研究结果并概述了未来研究的潜在方向.代码、预训练模型和新的基准数据集的可用性无疑将促进高分辨率超像素分割领域的进一步发展.总之,本文在超像素分割领域提供了一个重要的进步,提供了一种能够高效、准确处理高分辨率图像的解决方案.所提出的PCNet框架,凭借其创新的DPC分支和动态引导训练机制,为未来在计算机视觉领域的研究和应用提供了一个有前景的方向.本文的代码、预训练模型以及新构建的评估基准数据集可在https://github.com/wangyxxjtu/PCNet上获取.

基于JavaFx的硅像素顶点探测器原型机数据获取软件的研制

在环形正负电子对撞机(CEPC)实验中,硅像素顶点探测器对空间位置分辨率有着极高的要求,这使得其芯片和探测器设计面临巨大挑战。太初系列硅像素探测器芯片(TaichuPix)是基于CMOS技术的一种重要尝试,其首款工程批芯片被应用于开发第一个全尺寸顶点探测器原型机。为满足顶点探测器原型机在实验中的特定需求,设计并实现了一套基于JavaFx框架的跨平台数据获取系统。该系统能够高效地进行探测器原型机的配置、数据采集、在线数据校验和实时监测,同时提供了一个用户友好的图形化界面。在实验室环境及德国电子同步加速器研究所(DESY)的束流实验中,数据获取系统的功能完善性和运行稳定性得到了验证,充分满足了硅像素顶点探测器原型机的实验需求。

基于改进像素差分神经网络的碳管多层编织成形视觉检测

针对碳管预制体编织成形过程中编织网轮廓缺陷人工难以及时发现的问题,提出了多层碳管预制体编织网编织过程中的轮廓视觉检测方法。在原始像素差分神经网络的基础上进行改进,采用SimAM模块实现了网络的轻量化和更好的注意力关注效果,使用平衡交叉熵损失解决了碳管编织网数据样本分布不均匀的情况,同时,提出一种逐像素的编织网轮廓比对方法来判断编织网状态,以此判断编织网是否出现缺陷。试验结果表明:与原始像素差分神经网络相比,改进的像素差分神经网络对编织网轮廓提取结果的ODS和OIS分别提高了2.4个百分点和2.6个百分点。认为:改进的像素差分神经网络对于碳管编织网轮廓实现了更为精确的提取,更加适用于碳管多层编织成形视觉检测任务;逐像素比对方法对编织网轮廓缺陷可以实现准确及时的判断。