局部区域描绘子和SOM聚类算法在LED管芯计数中的应用

传统的图像处理算法往往受到光照干扰、角度变化、噪声等因素的影响,无法得到准确快速的识别结果。提出一种新颖的局部区域描绘子刻画目标点群的灰度值特征,并结合自组织映射SOM聚类,对发光二极管(LED)芯片中的管芯区域进行高效识别和准确计数。实验结果表明,该方法能够对LED管芯进行有效的识别计数,准确度高、鲁棒性好。

区域高斯描绘子及其在物体识别中的应用

为了对几何变形的图像进行正确和有效的识别,对基于物体轮廓的高斯描绘子进行推广,构造了一种基于区域的新的不变量——区域高斯描绘子。构造思路主要有两点:①定义一个具有平移、尺度不变性的函数——区域高斯势函数;②分别计算区域高斯势函数在8个同心圆上的平均值,从而获得8个不变量。这些不变量不仅具有平移、旋转、尺度和反射不变性,而且对噪声不敏感,适用范围广。将区域高斯描绘子应用于物体识别,获得很高的识别率。

基于统计法纹理描绘子的超声图像分割算法

超声C扫描成像中经常存在成像对比度低边缘模糊不清等现象,从而导致图像分割不完整。针对该问题,提出基于统计法纹理描绘子的图像分割算法。基于单晶探头C扫描成像中采样点之间声束重叠的特点,首先进行超声声束分析并且选取声束重叠数据;然后采用区域描绘子的相关纹理测度替代传统的幅值特征值,对采样区域中缺陷的特征信息进行描述,从而提高超声成像分辨率和对比度;最后采用数学形态学进行滤波,进一步提高缺陷的识别度。通过304不锈钢标准试块底面圆形盲孔C扫成像试验进行验证并与自适应阈值分割算法比较,实验结果显示该文算法可以得到清晰完整的缺陷分割区域,并且比自适应阈值分割算法更为有效可靠,尤其对于易忽略的小尺寸缺陷同样得到良好的分割效果。

基于自适应阈值分割和形态学的木材表面缺陷提取

木材在成材过程中,不可避免会产生缺陷,这些缺陷影响了木材的质量。文章对死节和活节木材表面缺陷进行缺陷提取。第一,对原图像进行前处理;第二,对前处理后的木材图像进行增强处理;第三,对增强后的图像进行自适应阈值处理;第四,采用形态学处理分割后的结果;第五,用区域描绘子去除伪木材缺陷;第六,利用木材缺陷区域对原图像的缺陷部分进行提取。经过试验,表明该方法能够有效将死节和活节2种缺陷提取出来,为后续缺陷的识别奠定了良好基础。