多方向图像模糊边缘缺陷在线检测方法仿真

由于现今图像复杂度不断提升,目前的图像边缘检测方法不能满足当前环境对多方向图像模糊边缘缺陷检测的要求,为了准确地提取多方向图像模糊边缘缺陷信息,提出了一种基于互信息图像融合的边缘缺陷检测方法。利用多方向灰度值矩阵将图像中无用的图像信息进行删除,通过计算多方向图像的像素灰度值标准差来计算单个像素点算子,完成多方向图像灰度值矩阵预处理操作。将上述处理完成的多方向图像作为检测样本,实际的多方向图像作为对比样本,计算出它们之间的互信息,将图像进行几何变换,提取出图像中相同大小的模糊边缘部分,进行旋转缩放操作,将大小相同的两个图像进行融合,实现对多方向图像模糊边缘缺陷的在线检测。仿真结果证明,所提方法提高了多方向图像边缘缺陷的检测速度与准确性。

多方向局部相位量化模式及纹理分类

梯度是图像的一种的特征,而同时考虑不同方向上的梯度信息是一种更加有效利用梯度的方式,因此提出多方向梯度的纹理局部相位量化模式算法。多方向梯度的纹理局部相位量化模式首先从不同方向提取图像的梯度特征,然后对每个方向上的梯度特征采用局部相位量化方法进行编码,各方向梯度采用相位量化编码后的特征连接成一个匹配特征向量。为了充分利用图像的梯度信息,还探讨了块模式的局部相位量化方法。两个纹理数据库和一个掌纹数据库上的实验充分表明,对图像各方向上的梯度信息进行局部相位量化编码是一种有效的纹理特征提取算法。