基于灰度共生矩阵和区域生长算法的红外光伏面板图像分割

随着光伏产业的迅速发展,这种新能源在各个方面正扮演越来越重要的作用,因此对光伏面板的维护和状态监测就变得尤为急切。对光伏面板红外图像的分割是对光伏面板故障检测的基础。因此,针对红外图像对比度低、信噪比低等特点,提出一种改进的区域生长算法结合灰度共生矩阵(GLCM)的纹理特征和图像的梯度特征对红外光伏面板图像进行分割,该算法通过图像的梯度特征和灰度共生矩阵的熵特征对原始红外光伏图像进行预处理,获得梯度特征和熵特征图像加权叠加后的预处理图像,然后再利用红外图像灰度直方图分布集中的特点,使需要人工干预进行种子点的选取,实现自动进行种子点的选取,同时对区域生长准则进行改进,使其能够自动地调整生长阈值,从而可以分割出光伏面板区域。实验结果表明,本文算法相比OTSU和K-means聚类算法分割效果更好且更接近手动分割的目标区域。

考虑小波包-灰度共生矩阵的高压断路器弹簧疲劳故障程度诊断研究

弹簧操动机构作为高压断路器(High voltage circuit breakers,HVCBs)分合闸操作的储能单元,其可靠性对电力系统的安全运行具有重要意义。本文以六氟化硫高压断路器的弹簧操动机构为研究对象,分析分合闸弹簧的动作机理,对弹簧进行不同程度的故障设置。介绍了振动、声音传感器设备及采集参数,针对小波包时频分析法的缺点,提出一种基于小波包-灰度共生矩阵(Gray level co-occurrence matrix,GLCM)的特征提取方法。从诊断速度和诊断准确度两方面对比了支持向量机(Support vector machine,SVM)、决策树(Decision tree,DT)、朴素贝叶斯、K近邻(K nearest neighbors,KNN)4种诊断模型。实验结果表明,在模拟实际应用场景中,选用K近邻算法对分合闸弹簧故障进行深度诊断能够准确判断故障类型及故障程度,对高压断路器安全可靠运行具有实际应用价值。

基于灰度-梯度共生矩阵模型的最大熵阈值处理算法

阈值法是图像分割的一种重要方法 ,在图像处理与识别中广为应用 .本文提出了基于灰度 -梯度共生矩阵模型和最大熵原理的灰度图像的自动阈值化技术 ,该方法不仅利用了图像的灰度信息 ,而且也利用了图像的梯度信息 .该方法通过计算基于灰度 -梯度共生矩阵的二维熵并使边缘区域的熵最大来选择阈值向量 .

结合灰度共生特征和水平集算法的宫颈醋白区域分割

肉眼醋酸实验是宫颈癌筛查的重要手段,使阴道镜设备具备自动识别醋白区域的功能是解决在临床上缺乏有经验医生这一难题的有效方法。针对这一目的,提出了一种建立在灰度共生特征矩基础上的CV模型水平集算法。该方法首先使用k-means聚类从肉眼醋酸实验后的原始宫颈图像中分割出宫颈区域,继而利用合成的灰度共生特征矩对宫颈区域进行醋白特征提取并获得待分割的特征图,最后使用改进的CV水平集算法对特征图进行分割并得到醋白区域。实验结果显示:改进后的CV水平集算法比传统CV水平集算法的敏感度在平均值上低26.6%,比分水岭分割高47.6%,比模糊聚类分割高11.23%;其特异性在平均值上比水平集分割高29.45%,比分水岭分割低11.64%,比模糊聚类高45.23%;而以Jaccard Index(JI)统计的精度指标在平均值上比传统CV水平集算法高19.74%,比分水岭算法高23.27%,比模糊聚类高38.11%。该新方法在总体性能指标上精度更高。

基于灰度共生矩阵的纺织品瑕疵识别算法

提出了一种利用灰度共生矩阵对纺织品瑕疵进行识别的方法。首先构建纺织品图像的灰度共生矩阵,提取逆差矩和相关性特征,讨论了步长和角度对分类的影响,确定了最佳的参数,采用最近邻分类器在1391幅图像上进行实验,最终分类准确率为95.36%,表明该方法能有效地将瑕疵样本和正常样本分开。

基于灰度共生矩阵的多波段遥感图像纹理特征的提取

主要探讨用灰度共生矩阵测度纹理特性,对多波段适感图像进行特征提取时,各个波段的权重选取问题。根据纹理技术特点,将原始的多波段适感图像分成若干个互不重叠的多波段适感子图像。其中,用均值法和主分量分析法,将子图像各个波段的特征向量合成一个向量,并且把这个合成的向量作为这个子图像的特征向量。应用高斯有限混合模型与期望极大化算法,对适感图像纹理特征空间的数据进行聚类分析和参数估计,用贝叶斯定则对多波段遥感图像进行分类。最后我们将各种不同的分类结果进行了对比,得到了最佳的分类结果并给予讨论。

基于灰度共生矩阵的自适应图像边缘检测

纹理分析是图像处理中一种十分重要的方法。通过纹理分析,利用灰度共生矩阵惯性矩特征值能够反映图像灰度空间复杂度的特性,成功获取了LOG边缘检测算子最佳空间系数,抑制了图像中的大部分噪声。并通过基于TMS320C6000专用信号处理器的图像处理系统实现了图像边缘检测的自动提取。实验结果表明,采用这种方法可以取得很好的噪声抑制效果,并且检测出的边缘精度高,实时性强,便于实现。

基于灰度共生矩阵纹理特征的SAR影像变化检测方法研究

利用灰度共生矩阵提取SAR影像的纹理特征,分析灰度共生矩阵的原理、特征向量以及特征参数的确定。利用对数比值算子构造差异影像,通过比较发现基于反差的差异影像更能突出变化信息。选择基于反差的差异影像作为变化检测的基准,由于其影像符合高斯混合模型,利用期望最大(EM)算法对高斯混合模型进行参数估计。最后利用贝叶斯最小错误率进行变化信息的提取,与基于像元灰度值的变化检测结果进行比较,试验证明基于灰度共生矩阵纹理特征的变化检测方法虚警率更低、漏检率更低、总体误差更小,具有更好的检测效果。

结合巴氏系数和灰度共生矩阵的遥感影像分割

针对遥感影像纹理信息丰富的特点,以及传统分水岭变换用于遥感影像分割容易出现过分割的问题,提出了一种基于巴氏系数和灰度共生矩阵的区域合并方法改进分水岭算法的分割结果。首先,利用数学形态学的方法提取原始影像的梯度图像,并且从梯度图像中获取标记;其次,在标记的梯度图像上进行分水岭变换,得到初始分割图像;最后,利用所提出的结合巴氏系数和灰度共生矩阵的区域合并方法对过分割区域进行合并,得到最终分割结果。实验结果表明,该算法既能得到连通,封闭的分割轮廓,还能有效解决分水岭分割算法的过分割问题,得到了较为准确的分割结果。

Laws纹理能量结合灰度共生矩阵的遥感影像面状地物提取

针对遥感影像中纹理较复杂的面状地物提取问题,提出一种Laws纹理能量结合灰度共生矩阵的遥感影像面状地物提取方法。该方法首先利用数学形态学膨胀、腐蚀对影像进行预处理;然后,分别对影像进行直方图均衡化,利用4个微观滤波算子滤波生成4幅微纹理影像;计算影像4个方向灰度共生矩阵及每个共生矩阵的4个纹理测度,生成4幅纹理影像;最后,结合8幅纹理影像进行区域生长跟踪轮廓。

基于灰度共生矩阵纹理特征的输电导线识别

分析了输电线路图像的特点,利用图像的灰度共生矩阵纹理特征,对导线的提取进行了研究。首先,选取合适的窗口大小分析输电图像的灰度共生矩阵纹理特征,选取分辨率较高的特征进行导线提取;其次,利用上述纹理特征遍历整幅图像提取导线;最后,利用图像区域分割技术去除图像中非导线区域的像素点,并且利用最小二乘法拟合得到完整的输电导线。

基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法

【目的】提出一种基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法,根据缺陷部分与正常部分纹理特征不同,利用分层聚类算法将缺陷分离出来,以解决板面缺陷检测系统中刨花板表面纹理导致缺陷提取不准确的问题。【方法】将刨花板表面灰度图像划分成若干个窗口,使用灰度共生矩阵的统计特征参数对各窗口纹理进行表征,通过分层聚类算法将纹理特征不同区域区分开。首先确定灰度共生矩阵构造因子的取值,包括窗口大小、灰度级、方向和步长,构建出各个窗口的灰度共生矩阵;使用Fisher准则和线性相关性对灰度共生矩阵14个统计特征参数的表征能力进行度量,选取出分类能力强且相关性低的特征构成特征向量,所有窗口的特征向量构成样本集。然后运用BIRCH分层聚类算法对样本集进行聚类,为使聚类结果更准确,同时加快计算速度,提出一种优化策略,绘制样本集均值和统计直方图,将其波峰数量作为理想的类别数量,当聚类产生的类别数量大于理想类别数量时,将聚类结果中距离近的簇合并,解决聚类精度过高而导致的过分割问题。最后根据聚类结果,对原图像中各窗口进行标记,提取出缺陷区域。【结果】选择大小为512像素×512像素,带有杂物、油污、胶斑、大刨花和松软5种类型缺陷的刨花板表面图像,使用本研究方法能够准确将缺陷区域提取出来,精确度达92.2%,召回率达91.8%。【结论】基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法,可解决因刨花板表面纹理导致缺陷提取不准确的问题,为机器视觉板面缺陷检测系统的缺陷度量和识别提供良好支撑。

基于灰度共生矩的图像区域复制篡改检测

针对图像区域复制—粘贴篡改,提出了一种基于灰度共生矩阵的检测算法。首先将待检测图像分成大小相同的多个重叠块,用灰度共生矩阵的统计量表示每块图像的纹理特征,得到图像的特征矢量。然后将特征矢量进行字典排序,并结合图像块的位移矢量,检测且定位出篡改区域。实验结果表明,该算法在抗旋转处理和效率方面均优于经典的基于主成分分析法(PCA)的检测算法。

基于灰度共生矩阵和BP神经网络的道床板结识别

将神经网络处理非线性问题的优势和灰度共生矩阵描述纹理的经典算法应用于铁路道床板结的识别研究。本文通过改进Hough变换的方法来检测定位道床区域,然后采用灰度共生矩阵对正常的道床和板结的纹理图像进行特征提取,探索基于BP神经网络进行道床板结检测和识别的方法,实现了道床板结识别的算法。实验结果表明,有较好的效果。

基于共生矩阵的红外图像检索匹配算法

图像检索匹配是在给定的图库中找出与查询图相匹配的图像或者无匹配图像。首先,对红外图像进行预处理后用Sobel算子与图像作卷积,得到图像边缘强度图;然后提取图像边缘强度图的灰度共生矩阵作为图像的特征;最后用改进的Manhattan距离方法计算图像特征向量间的距离,并根据一定阈值找出相匹配的图像或无匹配图像。本文用变电站红外图像进行的实验结果表明,本文算法能准确找出相匹配的图像,具有可行性。

依据彩色共生矩阵对木质板材的识别

为了实现对木质板材种类识别智能化,提出一种基于彩色灰度共生矩阵的识别方法。将原彩色图像色调、饱和度、明度颜色空间3个通道的图像作为伪灰度图像,分别获取其灰度共生矩阵纹理特征参数,组成一个42维特征向量。使用遗传算法进行特征选择后,得到优化后的22维特征向量,在此特征向量形成的特征空间中,概率神经网络(PNN)分类器的识别率为96.0%。试验结果表明,此方法用于解决木质板材分类识别的问题是可行的。

基于小波分析和灰度纹理特征的乳腺X线图像微钙化点区域的提取

目的乳腺癌的早期发现对患者意义重大。为帮助医生进行乳腺癌的早期检查和诊断,本文提出利用小波分析与图像纹理特征提取相结合的方法来提取乳腺X线图像微钙化点区域,在提高检查准确性的同时避免漏检误检。方法首先利用灰度共生矩阵所提取的能量、熵、对比度、相关性以及小波分解后得到的各层高频系数的方差、能量作为图像的特征向量,然后利用支持向量机进行训练建立最优分类模型。最后利用建立的最优分类模型实现乳腺X线图像微钙化点区域的提取并利用检出率和误检率对结果进行评估。结果使用临床数据进行验证,结果表明利用小波分析与图像纹理特征提取相结合的方法能有效提取乳腺图像中的微钙化点区域。结论基于小波分析和灰度纹理特征的乳腺X线图像微钙化点区域的提取方法比单一的图像纹理特征提取或小波分析等方法,提取的效果更好。另外,该方法设计简单,更易于实现乳腺癌的自动化诊断。

气象雷达回波图中区域地物杂波检测算法

针对多普勒气象雷达回波图中的地物杂波只能通过肉眼识别且效率低下的问题,提出一种结合卷积神经网络模型与区域重叠灰度共生矩阵的算法,以实现对雷达回波图中特定杂波区域的高效识别。首先设计一个卷积神经网络模型,利用数据集对卷积神经网络进行训练,从而对雷达回波图的俯仰角进行识别;然后利用区域重叠灰度共生矩阵算法对低仰角的气象雷达回波图进行特征提取,检测出存在地物杂波的具体区域;最后得出地物杂波所在具体区域的坐标。经过大量实验,结果表明,该算法可对气象雷达回波图中的地物杂波进行有效识别。

基于剪切波变换和无人机麦田图像的区域杂草识别方法

区域杂草的识别有利于植保作业中的除草剂精准喷施。现有图像处理技术主要针对行间和株间杂草,而传统的图像采集与分析设备对苗期麦田杂草的识别存在一定局限性,难以满足非人工的区域性喷洒农药等作业需求。由于麦田区域中的麦苗和杂草具有形态和颜色区分度差的特点,传统的图像识别方法难以有效识别。针对此问题,该文提出利用剪切波变换对无人机麦田区域图像中杂草进行识别。该方法利用其自身的方向敏感性以及在纹理识别中的方向无关性,根据麦田区域图像在杂草较多的部分叶片纹理杂乱,反之则纹理相对规则的特点,处理得到不同尺度和不同方向下小麦与杂草的剪切波系数。然后针对小麦和杂草剪切波系数的不同特征,对剪切波系数矩阵进行归一化处理,同时对其均值和方差进行了统计分析,得到麦苗和杂草剪切波系数图中竖直锥第二尺度所有系数均值的区分值约为0.07,第二尺度各个方向的均方差均值的区分值约为0.08。通过对含杂草麦苗区域图像以及麦苗区域图像的验证,准确率为69.2%,效果优于传统的灰度共生矩阵方法。此外,该文对无人机拍摄区域图采用分块的方法,实现了对非麦苗区域的有效标识。由此可见,剪切波变换方法能够为基于低空植保无人机喷洒农药中的区域杂草识别提供参考。

基于颜色和纹理特征提取彩色图像的有意义区域

针对猪肉眼肌彩色图像中眼肌区域的提取,提出一种基于颜色和纹理特征的彩色图像分割方法,实现了眼肌区域的自动分割。该研究在RGB彩色空间下进行,改进以往区域生长算法中种子点的选取方法,实现了基于彩色图像的区域生长算法,并比较以灰度为特征,以颜色为特征和以颜色与纹理相结合为特征进行区域生长的分割效果。研究结果表明,基于R、G、B和纹理特征的改进区域生长算法具有较好的分割效果。