基于雾天图像退化模型的自适应参数优化的去雾算法

针对单幅雾霾图像中包含有大面积浓雾、高亮以及白色物体等,而导致无法清晰识别的问题,基于雾天退化模型,提出了一种改进暗通道和运用灰度开运算求解环境光值相结合的去雾算法。首先根据暗通道先验理论运用图像阈值分割出暗原色区域和明原色区域,并将暗原色区域与明原色区域相结合以求得更加精准的原始透射率;然后采用引导滤波算法细化原始透射率;并通过灰度开运算对环境光值进行区间估计,提高了环境光值的精准性和鲁棒性。使得该算法适用于暗通道去雾效果不好的浓雾高亮区域,去雾后的图像更加真实自然,边缘细节信息更加丰富,有效去除了Halo效应;同时也有效地解决了单幅图片去雾后图片偏暗,图片视觉效果不好等问题。与经典去雾算法作比较,验证在图像的对比度、失真度、细节信息和边缘保持等方面都优于其他算法。

基于反向P-M扩散分割的缝线断线检测

目的实现面粉袋缝线断线自动化检测。方法设计反向P–M扩散分割的缝线断线检测方法。首先采集缝线图像,并进行灰度开运算,以消除复杂背景及面粉袋两边端线的干扰。针对现场光照变化、反射不均、面粉噪声等环境因素对缝线提取的影响,对面粉袋表面与缝线的灰度特征、梯度特征进行分析,设计反向P–M扩散因子,先将图像进行反向P–M扩散,将扩散后的图像与开运算处理后的图像进行差分处理,从而抑制复杂背景纹理,增强缝线与面粉袋的区分度,将阈值分割出的缝线与面粉袋顶端缝边长度进行对比,判断缝线是否断线。结果实验结果表明,利用该算法进行缝线检测实验,断线检测准确率达到96%,每张缝线图片处理时间只需120 ms。结论基于反向P–M扩散分割的缝线断线检测方法是一种无接触缝线断线检测新方法,具有准确率高、速度快等优点,满足面粉生产企业断线自动化检测的要求。