基于小波阈值与区域分裂合并的锂电池极片缺陷检测方法

针对锂电池在工业生产时极片上产生的低对比度缺陷难以检测的问题,提出了一种基于小波阈值与区域分裂合并的锂电池极片缺陷检测方法。首先对锂电池极片缺陷图片进行感兴趣区域(ROI)提取,并采用小波阈值对图像进行去噪;其次通过直方图正规化来增强图像,突出缺陷特征,并利用区域分裂合并算法实现缺陷分割;最后通过形态学来对缺陷区域进行填充,并采用高斯差分(DOG)算法进行缺陷检测。结果表明,该算法对极片涂布区域背景上难以辨别的黑斑、漏金属、刮痕和白斑等缺陷有较精确的检测效果,且对工业中的锂电池缺陷检测工作具有一定意义。

区域分裂合并法在图像分割中的应用

图像分割是信息处理、模式识别和人工智能等多个领域中的重要课题,也是计算机视觉技术中的关键步骤,本文介绍了区域分割中的区域分裂合并法,并用VC++6.0实现整个分割过程。

一种基于遗传算法的图像区域合并分裂方法

在分析图像的区域分裂合并分割法与自适应遗传算法特点的基础上,提出了将自适应遗传算法应用于图像分割的思路与方法,论证了该方法的可行性,并给出了具体的算法流程。

基于区域的图像分割

本文介绍了两种基于区域的图像分割方法,一类是区域增长法,另一类是区域分裂合并法,区域增长法是一种已经受到人工只能领域中的计算机视觉界十分关注的图像分割方法,而分裂合并方法则是利用了图像数据的金字塔或四叉树数据结构的层次观念。

基于区域的烟尘图像分割方法

烟尘图像分割是图像分割方法的一个较新的应用方向。高效、准确的烟尘图像分割技术对于大气污染监控、森林火灾预警以及军事情报获取等方面都有重要的意义。将阈值分割、区域生长、区域分裂与合并等基于区域的方法用于烟尘图像分割,并对三种分割方法在烟尘图像分割中的性能表现进行了分析。研究结果对烟尘图像分割中算法的选型具有一定的参考价值。

瓷砖表面纹理分割的几种算法分析

随着瓷砖品种的增多,表面纹理也越来越丰富。分别利用直方图分割算法、区域分裂合并算法以及傅立叶变换法对具有代表性的瓷砖进行了纹理分割,并在实验的基础上进行了相应的算法分析。

基于FCM聚类的自适应彩色图像分割算法

针对现有模糊c-均值聚类(FCM)算法存在的抗噪性能不佳且依赖初始条件的问题,提出一种基于FCM聚类的自适应彩色图像分割算法。通过直方图阈值方法分别得到彩色图像RGB各分量直方图的分割阈值,利用区域分裂合并方法获得聚类个数和初始聚类中心,使用一种考虑了像素间邻域信息的模糊c-均值聚类算法对图像聚类,得到最终分割结果。实验结果表明,该算法对彩色图像具有良好的分割效果,与现有同类主要算法相比,其分割效果和抗噪性能都有明显提高。

运动背景下的运动目标检测方法

对运动目标检测问题,提出了一种运动背景下的运动目标检测新方法,为了配准图像首先利用傅立叶变换的相位相关法进行背景补偿,然后采用六帧相邻图像差分相乘的方法增强运动目标的像素点,拉大目标与背景残留噪声的差异,利用区域-分裂合并法进行目标分割,将运动目标检测出来;从而计算出运动目标的形心坐标,并绘出运动目标的运动轨迹。由于方法稳定性强,准确率高的特点,可以使复杂背景能较好检测出运动目标,并且能够在正确分割的前提下可以很好绘出运动目标的运动轨迹。实验结果证明了算法的有效性和可行性。

一种彩色图像的分割算法

本文主要根据灰度图像的分裂合并算法思想，利用图像的边缘信息，提出了基于边缘的彩色图像分割算法。实现了彩色图像的分割，提出了分割算法的效率。