基于遗传算法的最大熵双阈值分割的芯片缺陷图像分割

本文着重提出一种针对塑封芯片缺陷的基于遗传算法的最大熵双阈值分割算法,对芯片缺陷进行识别分割提取。塑封是指把支撑集成芯片的引线框架、集成芯片和键合引线等部分用塑封材料包裹密封起来,从而为集成芯片提供保护和隔热的功能。由于塑封为非气密性封装,故塑封工艺流程中容易产生各类缺陷,降低芯片的可靠性。对塑封完成的芯片进行质量检测可以避免缺陷芯片进入下一生产环节。传统的的图像缺陷阈值分割方法对其焊层图像缺陷分割的效果并不理想,本文结合缺陷超声图像本身的灰度高度图和自身特点进行分析后,提出基于遗传算法的最大熵双阈值分割法进行图像分割,最大熵结合了遗传算法的鲁棒性,并行性,效率高等优点,很好的对缺陷的细节进行分割,明显优于传统的算法。

基于分割评价的多层次自适应双阈值分割算法

论文通过分析最大信息熵双阈值分割算法原理,根据先验知识,设置目标出现最小最大频度条件,改变自适应双阈值计算条件,加快计算速度.同时通过计算分割后各个目标相关特征,利用BP神经网络技术对每个目标进行评价,根据评价结果修改原输入图像相应目标区域,并引入多层次迭代机制,实现了图像的多层次综合分割.实验结果表明,基于分割评价的多层次自适应双阈值分割算法提高了算法的通用性和分割的精确性,但是算法复杂性增加.

一种提取模糊图像边缘区域的双阈值分割方法

针对目标和背景在同一平面的图像,提出一种双阈值分割方法获取图像由目标过渡到背景的边缘区域,并将提取的边缘区域平均梯度用于图像清晰度的评价,评价效果较好.

特殊靶标图像的Otsu自适应双阈值分割法

针对特殊管道弯曲度测量光斑的高精度定位要求,提出了一种特殊靶标图像的Otsu自适应双阈值分割法。介绍了基于准直激光管道弯曲度测量原理,先对特殊靶标图像进行处理,然后对整个图像灰度分布统计特性进行计算,建立起计算自适应双阈值的数学模型,从而实现特殊靶标图像自适应双阈值分割。实验结果表明,该方法具有较强的稳定性、实时性好、靶标图像分割效果较好,提高了光斑的定位精度。

基于量子粒子群算法的双阈值图像分割方法

为了提高图像分割效率,将量子粒子群算法QPSO应用于图像阈值分割领域,并在QPSO算法基础上提出了一种基于边界控制的量子粒子群阈值分割算法BQPSO。改进算法BQPSO引入了边界控制策略,使得飞越搜索区域的粒子不再聚集到区域的边界,而是回到搜索区域内边界附近的某一位置,保持了群体的多样性,有效地避免了算法陷入局部最优解,增强了算法的全局搜索能力。实验结果表明,与遗传算法GA、粒子群算法PSO和标准量子粒子群算法QPSO的阈值寻优结果相比较,BQPSO算法在运算效率、阈值搜索精度和稳定性以及图像分割效果等方面均具有明显的优势。

基于双阈值运动区域分割的AdaBoost行人检测算法

结合单目摄像机静止拍摄的视频序列使用背景差法或AdaBoost算法检测行人时分别存在易受噪声干扰或检测速度慢的问题,提出一种双阈值运动区域分割的AdaBoost快速行人检测算法。首先建立背景帧,利用前景帧与背景帧的差分图像拟合噪声曲线,提取噪声与亮暗运动目标的阈值,消除噪声,分割出运动区域;然后通过AdaBoost学习算法选择少量有效的Haar-like弱矩形特征构造强分类器;最后在运动区域利用强分类器检测是否包含行人。实验结果表明,该方法迅速缩小了检测范围,加快了检测速度,降低了误检率。

基于自适应天空区域分割的图像去雾算法

针对暗通道算法在处理图像中天空区域时会出现色彩失真和光晕现象以及大气光值错误估计的问题,提出一种改进的暗通道先验去雾算法。利用雾图中天空区域的物理特征粗略分割图像天空区域,从天空区域中对大气光值进行估计;设计一种自适应双阈值分割方法用于天空区域的精细分割,提出一种基于亮通道先验的透射率估计方法,将亮通道先验模型估计的天空区域透射率值和暗通道先验模型估计的前景区域透射率值进行融合;引用一种快速引导滤波器对融合后的透射率进行边缘细化,基于大气散射模型完成图像的复原。实验结果表明,该算法很好地克服了暗通道算法的缺陷,保留了复原图像的视觉真实性。

回转窑火焰图像阈值分割的应用研究

提出一种基于多区域双阈值的氧化铝火焰图像分割算法。根据专家经验和实际情况定义"火焰区域"和"物料区域",再分别利用迭代阈值法计算对应的区域阈值,最后应用此双阈值对火焰图像进行分割。应用电荷耦合器件(CCD)和数字图像采集卡对某氧化铝厂回转窑火焰图像进行采集,并进行预处理。实验中分别应用单阈值分割法、FCM分割法和所提出的方法进行火焰图像的分割。结果表明:提出的算法基本能达到FCM算法的分割效果,而处理速度则更快,且二者都要比单阈值分割效果要好。

基于高光谱成像的烤烟着生部位识别

【目的】采用高光谱成像技术结合机器学习方法,建立烤烟着生部位(上部、中部、下部)的识别模型。【方法】首先,通过分析烟叶在水、氮敏感波段下的强度分布特征,采用了一种结合OTSU和Sauvola图像分割算法的双阈值感兴趣区(ROI)选取方法,然后对比分析不同预处理方法对数据建模的影响规律,采用支持向量机(SVM)、极限梯度提升(XGBoost)算法进行判别模型的建立,通过参数寻优进行模型的优化。使用遗传算法(GA)和遗传算法结合连续投影算法(GA-SPA)进行特征波长的选择,建立简化模型。【结果】(1)建立的双阈值感兴趣区选取方法能准确高效地实现烤烟叶片正常叶面区域的选取(2)不同数据预处理方法对识别模型影响较为显著,基于一阶导和萨维莱茨-戈莱平滑(1Der+SG)预处理光谱数据,结合GA选取的特征波长建立的XGBoost着生部位识别模型具有最佳的分类效能,其准确率高达97.78%。【结论】研究建立的基于高光谱成像技术结合机器学习方法的部位模型可满足烤烟着生部位的高效准确识别。

基于超分模型与改进Canny算法的零件测量系统

针对工业测量零件尺寸中存在测量精度低、算法适应性差等问题,设计了基于超分模型与改进Canny算法的机器视觉零件测量系统。首先,对相机进行尺寸标定,得到像素距离与实际尺寸的比例关系;其次,引入并改进超分模型对输入图片进行预处理,得到边缘细节更加清晰的图像;接着,为了优化工业测量环境中光照条件差导致的边缘检测问题,结合Otsu算法与双阈值分割算法,利用局部阈值分割的方式改进Canny边缘滤波算法得到边缘图像;最后,对边缘图像进行圆拟合与直线拟合后,根据相机标定结果与超分模型参数标记零件尺寸结果。实验结果表明,本系统的测量精度可以达到0.001 mm,平均测量误差为0.0074 mm,整体测量速度为6.44 s,能够满足高精度工业测量需求。

相差细胞图像的光照均衡与分割计数方法研究

为了解决相差显微细胞图像的光照不均匀,实现准确、快速的细胞图像分割与计数,本文提出了一种图像光照均衡,并结合双阈值分割计数的方法。该方法对图像进行分块,依据子块与整幅图像平均灰度的比值进行亮度调节,并采用高斯函数权值优化比值,消除因图像分块而产生的“方块效应”,并通过图像熵与高斯函数标准差关系曲线确定了最优的标准差;使用双阈值方法分割修复后的图像,结合孔洞填充与面积约束优化分割后的细胞形态。利用C2C12相差显微细胞图像数据集测试该算法,其中高细胞密度图像的分割精确率、召回率和F值分别为0.9662、0.9678和0.9670,明显优于其他对比方法。实验结果表明,该方法在处理不同细胞密度的光照不均匀相差细胞图像时,均能实现光照均衡,且图像信息损失较小,分割计数结果准确。

基于遗传算法最大熵值法的毫米波图像分割

利用遗传算法与最大熵值法相结合的算法对毫米波辐射图像进行处理。通过结合遗传算法改善了最大熵值法运算速度慢的弱点,实现了毫米波图像的双阈值分割。实验表明通过遗传算法改进的最大熵值法在提高求解最优阈值速度和对分辨率低的毫米波图像实现多目标的同时,提取效果更加理想。

结合灰色理论和粒子群算法的归一化图像分割

为了对多目标图像进行有效分割,使用灰色关联分析来衡量像素点间的相似性,并将normalized cut准则推导为双阈值分割准则,最后使用粒子群算法优化该准则,得出最佳的分割阈值。实验表明该方法计算速度快,能有效分割多目标图像。

改进的晶圆测距图像清晰度评价方法

针对传统的清晰度评价算法在晶圆测距中时存在重复性低、单峰性差、速度慢等问题,提出引入高亮面积的清晰度评价算法,利用双阈值分割法确定高亮面积和有效区域,并根据晶圆图片特点,将高亮面积引入清晰度评价函数.实验表明,清晰度评价算法在重复性、单峰性、时效性方面均远优于传统算法.

基于不变矩的前视红外图像机场目标识别

根据远距离前视红外图像中机场跑道的成像特点,提出了一种基于仿射不变矩的红外序列图像机场目标识别方法.该方法对图像进行多次双阈值分割,搜索分割图像中各潜在目标区域轮廓链,计算其仿射不变矩和目标背景梯度特征,并利用前后帧目标大小的约束关系等先验知识,对各候选目标区域进行识别,最终获取机场目标.试验结果表明:该算法对复杂背景下的远距离前视机场目标的正确识别率优于96%,误识率低于2%.

一种基于图像的星体表面撞击坑自动提取方法

以星体表面的图像数据为基础,根据撞击坑的向阳面呈亮色调而背阳面呈暗色调的原理,提出了一种基于图像的星体表面撞击坑自动提取方法。该方法先用自适应双阈值分割法对星体表面的光学图像进行分割处理,获取图像中明暗区域的形状和位置信息;再用统计学原理分析明暗区域组成结构、像平面上光照方向,结合相关的约束条件来匹配同一撞击坑的明暗区域,同时拟合出撞击坑的外边缘并确定其半径、位置等信息。实验结果表明,该方法能够从常见的星体表面光学图像中快速、可靠地提取出撞击坑的中心位置和半径大小,具有较宽的普适应性和一定的应用价值。

基于自适应边缘配准的非结构化道路检测

为了解决非结构化道路区域分割过程中复杂背景与目标的多峰分布问题，提出了一种适用于双阈值分割的改进Otsu方法。该方法借助于灰度直方图的峰值搜索解决目标与背景方差差异较大导致的Otsu误分割问题，并利用Otsu边缘与加权Canny边缘的配准提高道路区域分割的精度。基于配准后加权Canny边缘的结果，采用自适应蒙特卡罗方法提高道路边界识别的精度，通过自适应粒子规模选取和观测模型采样机制克服传统蒙特卡罗方法的粒子退化问题。不同场景下的非结构化道路识别实验表明，该方法能够有效克服道路缺损、光影、照度变化等不利因素的影响，同时能够满足智能车辆视觉导航的实时性要求。

车载热成像行人检测RoI提取方法

热成像适合低照度行人检测,车载热成像背景灰度分布变化大,行人目标易与背景干扰物混淆,捕捉远距离行人困难,以双阈值分割方法提取RoI(region of interest)很难满足系统召回率和虚警率要求.针对车载热成像行人检测,提出新的RoI提取方法,包括图像预处理、RoI提取和后处理.设计膨胀最大值滤波器进行图像增强;利用Haar-like特征来改进自适应双阈值分割法进行RoI提取,设计增量计算模型以提高计算效率;设计目标时序特性和空间对称性过滤器来排除虚假RoI.与基准方法相比,当虚警率不高于40时,本文方法提高召回率49%,且RoI提取速率不低于18帧/s.

一种基于白帽变换的细小水体信息提取方法

提出一种基于形态学白帽变换的线性特征增强处理技术,从而有效提取遥感影像中的细小水体信息.通过白帽变换对改进的归一化差异水体指数(MNDWI)影像进行线性特征增强处理,获取形态学细小水体指数(MNWI)特征影像,并采用经验阈值和自动阈值相结合的方式实现水体样本信息双阈值分割提取,解决细小水体与线状道路容易混淆的问题.利用多幅Landsat影像测试本文方法,结果表明,本文方法能较好地提取细小水体信息,较好地保持细小河道形态的连续性,细小水体提取精度达到80%以上.

视频与AIS信息融合的海上目标检测

提出了一种视频与AIS信息融合的海上船只目标检测方法。首先结合AIS信息确定船只所在区域,提取小范围图像,然后对图像进行高频加强滤波处理,增强船只目标与海面背景的对比度,利用显著性区域检测方法生成显著性图像,随之采用双阈值分割提取高显著性目标,最后通过形态学处理判断船只目标。实验结果表明,该方法适应性强,能够准确快速地实现船只目标提取。