基于多尺度灰度变换的图像增强研究

为了提高图像增强效果,有效地保持原始图像细节,提出了一种基于多尺度灰度变换的图像增强方法。利用梯度域递归双边滤波对原始图像进行多尺度分解。基于小波变换,将分解层的子带分别作灰度变换。根据变换后的各个子带重构得到分解层的增强结果,并在其基础上实现图像的整体增强.对比直方图均衡化、灰度变换,提出的方法增强效果更好,并且保图像细节。利用客观性能指标对增强结果进行评价。实验结果表明,提出的方法有效,并具有结构简单、计算复杂度低的特点。

基于横纵多尺度灰度差异加权双边滤波的弱小目标检测

为了有效地检测复杂背景下的红外弱小目标,提出了一种基于横纵多尺度灰度差(HV-MSGD)的方法来增强弱目标,并通过距离和像素差异来实现对背景强边的抑制。目标区域与周围区域之间存在不连续性,为了加强它们的差异,HV-MSGD与双边滤波(BF)相结合,可以在抑制背景的同时提高目标强度。进一步通过自适应局部阈值分割和全局阈值分割来提取候选目标。为了进一步验证对单帧检测的影响,将上述单帧检测算法与改进的无迹卡尔曼粒子滤波器(UPF)相结合,实现轨迹检测。实验结果表明,该方法在弱信噪比(SNR)下优于其他方法,在抑制背景的同时可以增强目标,增强效果是其他方法的6-30倍。在实验中,输入信噪比分别为2.78,1.77,1.79,1.13和1.16。图像处理后,背景抑制因子(BSFs)分别为13.48,21.33,11.73,20.63和121.92,信噪比增益(GSNRs)分别为40.09,71.37,27.53,12.65和131。该方法的检测概率(Pd)也优于其他算法。当误报率(FARs)为5×10^-4,1×10^-3,1×10^-3,1×10^-5和7×10^-6,计算五组真实序列图像的Pd为94.4%,92.2%,91.3%,95.6%和96.7%。

多尺度特征融合的陶瓷盘缺陷检测算法的研究

针对目前日用陶瓷缺陷检测主要依赖人工检测,现有的视觉检测算法中,存在检测缺陷种类单一,对光照强度过于敏感,适应性和通用性比较差的问题,本文以日用陶瓷盘为研究对象,提出了一种基于多尺度特征融合的陶瓷盘缺陷分类算法。首先,使用中值滤波处理,滤除细节噪声,根据训练图像和测试图像的灰度值进行不同模式的线性变换,减小同种缺陷的特征距离,同时还能在一定程度上对光照强度有一定的适应性;其次,计算多尺度灰度直方图统计数据特征;再使用Sobel算子对图像进行梯度处理,计算梯度图像的灰度共生矩阵,并推算得到梯度图像的能量、相关性、均匀性、对比度、熵、同向各向异性6组纹理特征;最后,将灰度直方图统计特征和灰度共生矩阵下的6组纹理特征相融合后,并传入KNN分类器中训练,并得到相应的陶瓷盘缺陷分类模型。实验结果表明,采用该算法对陶瓷盘表面进行缺陷检测,对常见陶瓷盘正反面缺陷的平均识别率达到86.86%,同时兼具实时性和鲁棒性的优点。

一种基于积分变换的边缘检测算法

介绍了一种用于图象区域和边缘检测的积分变换 .该变换引入了灰度尺度和空间尺度 ,从而将图象变为表示象素点相互吸引的向量场 ,将边缘检测问题转化为在向量场中寻找相分离向量的问题 .通过分析该变换用于边缘检测而产生的一些问题 ,给出了使用图象局部信息估计灰度尺度的方法 .在对已有方法简化和改进的基础上 ,提出了一个基于此变换的边缘检测算法 .最后给出该方法的识别结果 ,并与经典的边缘检测算法做了比较 .试验结果表明 ,其边缘检测效果与 Canny算法相似 。

一种新的图像感兴趣区域的提取方法

对于Itti的显著图模型的感兴趣区域检测方法中,存在的检测结果与视觉感知有差异以及转移过程中同一目标内出现多个感兴趣区域检测结果等问题,引入灰度尺度变化特征和CV模型,以使感兴趣区域检测结果更符合人的视觉感知。实验结果表明,该算法检测到的感兴趣区域与人的视觉感知结果吻合率为77.6%,高于Itti模型的72.8%。

最优阈值生长和形态学结合的肺气道树分割方法

在肺气道树分割的过程中,由于部分容积效应和噪声污染的影响,容易出现支气管断裂和分割泄漏现象,因此不能分割出精确肺部气道树。为此本文提出一种最优阈值生长和形态学结合的气道树分割方法。首先利用最优阈值生长算法分割初略的肺部气道树,利用灰度重建的形态学算子提取潜在的精细肺气管区域,然后将上述两种分割结果合成一个完整的肺部气道树,最后利用种子点区域生长法去除结果中的伪气管区域,得到包含第5级以及约60%第6级的支气管。本方法有效解决了高精度肺气道树分割中的支气管断裂和泄漏问题,有较好的鲁棒性。

一种高鲁棒性的钢轨表面缺陷检测算法

利用机器视觉技术检测钢轨表面缺陷时,存在背景光照复杂、车载检测设备与钢轨相对位置发生变化等情况,严重影响了缺陷检测的准确率,为此,提出基于灰度标准差与投影积分的钢轨表面区域定位算法和基于多尺度灰度对比度的增强算法。定位算法利用灰度标准差排除复杂背景的干扰,通过投影积分获取精确的钢轨表面区域;综合不同尺度空间的灰度对比度,将钢轨表面区域图像转化为灰度对比图,实现钢轨表面缺陷的增强;采用迭代阈值分割法提取钢轨表面的缺陷。实验结果表明:提出的钢轨表面缺陷检测算法在几种不同拍摄条件下漏检率均低于6%,准确率均高于93%,用于高速有砟轨道无缝钢轨表面缺陷检测时具有较高的鲁棒性。

泄漏蒸汽红外温度场静动态锤尾特性表征与辨识

针对复杂工业现场泄漏蒸汽智能识别需要,文中提出红外温度场表征与辨识方法。利用模拟分析对蒸汽泄漏过程进行研究,揭示其温度场发生发展规律,即扩散特性、锤尾特性、动态特性,中心向源特性为一体的静动态锤尾特性。通过对温度层划分后的蒸汽温度场进行研究,提取蒸汽温度分布细节特征,提出变尺度灰度处理方法,实现了蒸汽红外温度场的高清化表征。为提高辨识速度和精度,建立Mask R-CNN网络模型,对泄漏蒸汽的锤尾特征进行学习和动态挖掘,对单张锤尾样本的识别准确率达到90.71%,总体算法识别准确率达到了99.93%,实现了蒸汽以及泄漏特性的有效辨识。现场实测表明,该算法对连续5帧图像处理时间为0.48s,对于复杂工业现场的蒸汽泄漏辨识达到了快速准确的辨识效果。

基于棒状像素的前景障碍物识别算法

障碍物分类是智能交通应用的核心功能。本文提出了一种探测和识别道路场景下车辆与行人的算法。首先,建立棒状像素(Stixel)并由图像坐标转换至世界坐标,投影生成鸟瞰图;然后,借助聚类算法,得到原图像中待识别区域;之后,提取灰度稠密尺度不变特征变换(gray-DSIFT)特征并利用费歇尔向量(FV)编码;最后,选用随机森林(RF)分类器区分前向车辆与行人。实验结果表明:提出的方法能够有效地区分前景障碍物中出车辆与行人,提高了前期探测障碍物的效率。

基于改进滤波器和图像加权局部熵的红外小目标图像处理

针对传统背景抑制方法虚警率高、检测率低的问题,提出一种基于改进滤波器和图像加权局部熵的红外小目标图像处理方法。通过改进中值滤波对原始红外图像进行预处理,分别构建多尺度灰度差异算子、局部图像熵算子,并将二者进行点积运算得到加权局部熵,从而能够有效地抑制背景并消除噪声。实验结果表明:该方法适应性较好,运算效率相对传统中值滤波算法提升了20.6%,有一定的理论与工程应用价值。

铁氧体湿压磁材缺陷检测方法的研究

为实现自动检测铁氧体湿压磁瓦外观缺陷,设计一种基于机器视觉的铁氧体湿压磁体外观检测设备。首先介绍系统结构和电气控制部分,接着根据铁氧体湿压磁体表面裂纹噪点多特点,采用多尺度灰度变换增强特征域对比度,并采用快速离散傅里叶变换准确定位缺陷位置,最后利用硬阀值分割图像,并比较灰度形态滤波和软形态混合滤波准确度。实验表明,软形态混合滤波更适用于多纹理的氧体湿压材料缺陷识别。

大豆叶片图像的叶脉分割方法

叶脉分割是叶片模式分析的一个重要步骤,对大豆的品种识别、表型研究具有十分重要的意义.由于大豆叶脉结构十分复杂,叶脉所在叶片区域的低对比度,只借助灰度信息分割叶脉一般无法取得理想的分割效果.本文提出了一种结合多尺度灰度无约束击中或击不中变换(UHMT)算法和基于HSI颜色空间的色调信息处理方法的大豆叶脉分割方法.该方法将RGB颜色空间中的灰度信息和HSI颜色空间中的色调信息,分别用于大豆叶片图像的全局叶脉分割和局部一级、二级叶脉分割.前者采用迭代阈值分割提取叶片区域,通过膨胀腐蚀消除叶片外轮廓以及叶柄等干扰因素,得到叶片区域图像,然后,运用多尺度灰度UHMT算法得到全局叶脉图像.后者,针对一级和二级叶脉分割效果差的问题,使用色调信息扩大叶脉与其他像素点灰度值差异,以实现局部一级、二级叶脉的分割.将获得的全局叶脉和局部叶脉图像融合,获得最终的大豆叶脉图像.为验证算法的有效性,本文使用了大豆品种叶片图像数据库SoyCultivar中的大豆叶片图像进行实验.结果表明,该方法比现有的叶脉分割方法好,不仅能够完整地提取大豆叶脉,而且能够很好地消除背景以及叶片外轮廓、叶柄等无关成分.

基于新的加权局部熵的小目标红外图像处理

为了有效地处理低信噪比复杂背景下的小目标红外图像,提出一种基于新的加权局部图像熵的小目标红外图像处理方法.该方法利用小目标红外图像的内在特点,提出多尺度灰度差异算子和局部图像熵算子,然后通过点积运算获得加权局部图像熵,从而有效地抑制红外图像背景和噪声、增强目标,最终大幅度地提高图像的信噪比.仿真实验结果表明:所提方法能高效地处理复杂背景下小目标红外图像,具有一定的理论和应用价值.