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。

一种双阈值熵算子边沿检测算法

分析了噪声点和边沿点局部熵的特点,提出了一种双阈值熵算子边沿检测算法,它具有良好的抗噪声能力,实验结果表明本文算法优于传统单一阈值熵算子边沿检测算法,它是一种很有效的边沿检测方法。

一种面向显微图象的双阈值边缘检测算法

文章将微分、LOG、熵等几种边缘检测算子用于显微图象的处理,介绍了显微图象边缘检测的一般过程。并在熵算子的基础上,提出了一种基于边缘采样和阈值曲线分析的双阈值选择方法。通过对几种算法处理结果的比较,将熵算子做为最终的检测算子。

粒子群算法及多阈值指数熵的遥感影像变化检测方法研究

在遥感影像检测中,一般采用多变化阈值来提高检测精度,但会导致运算量的增加。为解决该问题,提出利用粒子群算法及多阈值指数熵的遥感影像变化检测新方法。首先采用影像差值法构造差异影像;然后提出利用粒子群和多阈值指数熵的遥感影像分割方法,并将其用于对差异影像进行分割获取变化区域;最后对选取的实验数据进行变化检测,并与基于模糊C均值、双阈值指数熵、三阈值指数熵的非监督变化检测方法进行比较。实验结果显示,提出的变化检测方法其精度为94.77%,本案方法是一种有效地、可靠的遥感影像变化检测方法。

叠加噪声干扰图像双阈值像素级分割方法

受干扰噪声的影响,在对图像进行分割处理时,难以实现对目标区域边缘的准确判断,导致错分的情况。为此,提出了叠加噪声干扰图像双阈值像素级分割方法。以叠加噪声干扰图像的灰度直方图为基础,在计算熵值的前提下,设置两个初始阈值为灰度范围的三等分点,按照步长5的标准迭代,并确定熵最大的阈值组合为叠加噪声干扰图像的最大熵双阈值。在分割阶段,利用计算得到的叠加噪声干扰图像最大熵双阈值进行边缘检测,并引入了一个3×3的窗口,计算噪声周围像素的平均值,实现对噪声像素的赋值,实现像素级分割。测试结果表明,该方法不仅实现了对背景的有效分割,还未造成目标区域缺失,且像素错分情况始终处于较低水平,对应的占比未超过0.60%。

基于改进二维熵-量子遗传算法的图像多阈值变化检测方法

针对二维熵法阈值分割中精度和时间性能较差的问题,提出了基于改进二维熵-量子遗传算法的多阈值图像分割方法。定义了二维阈值量子染色体的编码方式,解决了传统遗传算法优化二维最大指数熵阈值过程中速度慢、多样性小的缺点;在产生阈值解时,提出了半随机策略来代替传统的完全随机策略,加快寻优速度;改进了量子门旋转角度方式,提出了一种新的自适应旋转角度的方法,提高了算法的精度和收敛速度。并进行了分割实验和SAR 图像变化检测实验。结果表明:该方法比基于一维熵的图像分割算法具有更高的抗噪性;其寻优速度较完全随机产生阈值解的量子遗传算法提高了 3 倍~5 倍;避免了算法发散或过早收敛。与其他基于阈值分割的变化检测算法相比,性能更好。

基于改进双滑窗的红外小目标检测算法

分析了红外小目标图像的时域特性以及小目标、噪声、背景的不同特点,提出了一种时空结合的红外小目标检测算法。首先根据背景图像变化较慢的特点,运用相邻帧相减以减少背景和噪声的干扰,提高了目标信噪比(SNR);接着,使用中心点判别方法检测出可能的小目标点;然后,利用双滑窗方法去除孤立的噪声;最后,运用区域相似度判别函数,剔除边缘纹理的干扰,检测出小目标。仿真实验表明,该算法不仅具有良好的实时性,同时还具有较高的检测概率和较低的平均虚警数。

基于自适应双阈值的SUSAN算法

传统SUSAN算法在提取图像边缘时,会出现漏检现象,且所提取的边缘较粗。为此,运用计算最大类间方差的方法自适应地选取双阈值,取代传统算法中人工设定的单阈值,采用多方向局部非极大值抑制方法进行改进,提出一种新的SUSAN边缘检测算法,并将其应用于遥感图像的边缘提取。实验结果表明,该算法能够有效提高边缘定位精度,降低漏检率,使边缘更细致光滑。

一种基于双阈值的运动目标边缘检测方法

文章针对运动目标检测中的实时性和准确性需求,结合视频图像的处理算法,设计了一种运动目标边缘的检测算法,该算法具有多角度、多层次的融合运动特征和边缘特征;采用了一种双阈值融合方法,最终快速、精确地定位出运动目标的边缘。实验结果表明了该方法的优越性。

基于双阈值SSDA模板匹配的遥感图像道路边缘检测研究

利用遥感图像提取道路边缘信息可以简化常规城市道路的测绘工作。根据一般道路在图像上的影像特征对图像进行模型化处理,提出了基于双阈值的序贯相似性检测算法(sequential similarity detection algorithm,SSDA)的模板匹配算法,并在该算法的基础上,提出了一个基于减小增长误差的算子,用以减少由于样本数过多而产生的增长误差。与其他算法相比,该算法能够更有效地获取道路边缘信息,在准确提取路面边缘信息的同时,能对预处理中难以完全提取的路面部分进行修复,减少处理过程,从而提高处理效率。

基于图像分割和边缘提取相融合的射线缺陷图像增强算法研究

在实际工业生产中,噪声、环境以及人为等非理想因素会导致图像出现退化问题,另外还会致使缺陷形态各异并且特征变化十分复杂。由于图像质量的下降会影响人的主观感受以及后续计算机机器视觉应用的性能,所以图像预处理过程对于低质量图像来说是十分必要的处理步骤。然而,图像增强算法能否针对射线缺陷图像对比度提高等问题鲜有系统性研究。针对上述问题,本文以焊缝射线缺陷图像为例,研究图像增强算法对缺陷目标检测性能以及图像对比度的影响。首先对5种边缘提取技术进行分析对比,结合霍夫变换拟合焊缝边界,然后利用大津法灰度阈值处理,最后提出了基于射线缺陷图像增强与边缘检测的融合算法,另外针对未融合缺陷利用基于改进的形态学分水岭算法进行研究,并对比分析其结果。实验发现,分割和边缘提取相融合的图像增强算法对于低质量射线未融合缺陷图像作用较为明显,对线性缺陷或圆形缺陷图像作用表现出一定的负面影响。为了实现工业射线缺陷图像数据分析研究的目的,如何根据相应的需求进行后续图像识别操作需要进一步研究。

磁柱表面缺陷边缘检测算法优化研究

磁柱应用十分广泛,且表面缺陷对其性能影响极大。然而,国内外对磁柱表面结疤、黑片缺陷的边缘检测算法研究很少。该文根据磁柱表面结疤、黑片缺陷的特征,基于优化的Canny提出一种适用于磁柱表面结疤、黑片缺陷的检测算法。在非极大值抑制过程中,将4个标准梯度方向优化为4个方向区域,图像中任意像素点梯度方向不再受限于4个标准方向;在双阈值处理过程中,将图像灰度级为t的领域灰度设定为[-m,m],利用优化后的均值p(t)计算出相应的类间方差σ^(*2)(t)、最佳阈值t*,实现通过高低阈值自适应选取来保留磁柱表面缺陷图像真正的弱边缘。研究结果表明,与Sobel、Canny算法检测结果相比,优化的Canny算法检测结果的缺陷边缘清晰度更高、连续性更好,且能完整检测出缺陷边缘,检测效果更佳。

基于边界特征的一维最大熵图象分割算法的研究与实现

本文提出了一种新的图象分割算法 ,该算法首先检测边缘 ,在边界图象的基础上进行图象二值化 ,保留了边界特征 ,而且能自适应地选择阈值 ,克服了一维最大熵阈值方法进行图象分割时丢失边界特征的缺点。大量实验表明该算法取得了很好的效果 ,而且可以处理低质量或边缘模糊的图象 。

基于改进SUSAN算法的红外目标边缘检测

从3个方面改进了传统的SUSAN算法:①自适应选取阈值,以提高算法自动化程度;②使用双几何阈值,增强算法的抗噪性;③加入目标点判断因子,减少计算时间。利用改进的算法进行了红外目标边缘检测,结果表明,改进算法比传统的SUSAN算法有更强的噪声抑制能力,更快的边缘检测速度,显示出更加优良的性能。对对比度比较低的红外图像,改进算法可以减少40%以上的计算时间,而对对比度较高的红外图像,改进算法可以减少70%以上的计算时间。

使用GIoU改进非极大值抑制的目标检测算法

针对单阈值-非极大值抑制算法中出现的目标漏检和重复检测问题,本文提出了一种使用全局交并比指标GIoU(Generalized Intersection over Union)衡量目标相似度的双阈值非极大值抑制算法GDT-NMS(Generalized Dual Threshold NMS,GDT-NMS).使用双阈值改进NMS算法和soft-NMS算法,抑制多余的检测框;在此基础上,使用GIoU替换传统的IoU计算目标间的相似度,使目标的定位更加准确;进一步,使用非线性函数赋予检测框不同比例的权值惩罚,使检测框的得分随距离呈非线性变化,目标区分度更高.改进算法在PASCAL VOC和MSCOCO上的检测精度分别为74.8%和25.9%,与使用NMS算法作为后处理的Faster R-CNN算法相比,性能分别提升了1.6%和1.5%.同时本文算法具有较快的检测速度.

基于优化加权参数的AdaBoost人脸检测算法

针对在已有人脸检测方法中采用单阈值所导致的误检率太高的问题,提出一种基于优化加权参数的快速AdaBoost训练检测算法。算法通过改变弱分类器加权参数求解公式的方法,保证了在低误检率的前提下也能获得低误警率;通过特征值曲线自适应得到双阈值,然后构造双阈值弱分类器并进行集成,形成强分类器。实验结果表明,该算法不仅能够有效地提高检测精度,而且,由于双阈值能够减少搜索次数,从而使训练和检测时间也有明显的改进。

基于PSO的改进AdaBoost人脸检测算法

针对传统的AdaBoost分类算法弱分类器性能差、训练时间长的问题,提出一种基于粒子群寻优(PSO)的AdaBoost分类算法。首先,采用双阈值的弱分类器代替原始的单阈值弱分类器,建立新的弱分类器结构;其次,通过粒子群寻优的方式搜索最优特征和两个最优阈值代替传统的枚举搜索方式;最后,将所有弱分类器组合成强分类器。通过理论分析和仿真实验表明,与传统枚举方式建立的双阈值强分类器相比,基于粒子群寻优算法建立强分类器的方法,其平均训练时间缩短至原来的1/57,而且两种方式训练的强分类器性能相当。实验结果表明,基于粒子群寻优的AdaBoost算法能够有效提高分类器训练效率。

基于新形态学算法的弱小目标检测算法

在光学对空探测领域,强噪声环境下的红外弱小目标检测既是关键问题,也是挑战难度很大的瓶颈问题。提出一种基于新形态学算法的弱小目标检测算法,通过形态学增强及非局部均值(NLM)算法,抑制背景杂波。最后通过自适应双阈值方法进行二值化处理,捕获并跟踪目标。在传统方法及问题的基础上进行改进,为充分验证提出算法的有效性,将提出的算法与近年来一些先进算法进行比对。测试手段采用受试者测试曲线,以及在不同图像上的检测指标进行处理。实验结果表明,与其他先进算法相比,提出的算法检测性能更好,检测率平均提高了11.5%。

低信噪比环境下改进的新能零熵语音端点检测

语音端点检测是语音处理和识别至关重要的一环.针对传统端点检测方法在低信噪比情况下语音端点检测正确率低,抗噪能力差等问题,本文提出了一种改进的新能零熵特征参数语音端点检测方法.该方法法通过对语音三个端点检测特征参数短时过零率,短时能量和基本谱熵分析研究并提出新的语音参数,即为短时能零熵值,最后采用双门限算法来进行端点检测.仿真实验表明,与传统的能零比端点检测法相比,该方法在不同低信噪比情况下有较高的端点检测准确性.

基于谱减法和短时零熵法的语音端点检测

针对低信噪比环境下基于能零比的端点检测方法准确率低的问题,提出了一种结合谱减法和短时零熵法的端点检测方法。首先通过功率谱减法对带噪语音进行降噪处理,然后结合短时平均过零率特征与谱熵特征,构造出一种新的语音参数,即短时零熵,最后运用双门限算法进行端点检测。实验结果表明该方法在复杂噪声环境下具有良好的端点检测性能,降低了检测的误判率。