基于纹理抑制FCM和小波模极大值的织物疵点检测算法

为实现织物疵点的自动化检测,提出一种纹理抑制FCM和小波模极大值的织物疵点检测方法,该方法对输入图像进行中值滤波处理,采用改进总变差模型(RTV)提取织物图像的主结构信息(疵点),实现抑制背景纹理,再利用最大类间方差(Otsu)算法将模糊C均值(FCM)算法聚类获得的隶属度矩阵进行分割,获得二值化的疵点图像,然后采用小波模极大值算法获取疵点的二值化边缘图像,最后将两个二值化结果进行点乘与形态学处理,分割出疵点区域.结果显示,该方法可以检测油污、飞丝和破洞等疵点类型,检测效果较好,相比于RTV-FCM算法和RPCA算法,正检率分别提高了3.08%和4.61%.

基于Gabor和纹理抑制的手机配件划痕检测

经典的划痕检测方法通常采用各种边缘检测算子来完成,由于对纹理和噪声十分敏感,因此常造成大量的误判。在具有复杂纹理的金属表面检测中,误判现象尤其严重。为此,利用Gabor滤波的条形模式检测原理,同时结合各向异性纹理抑制和滞后多阈值处理技术,提出一种用于手机配件金属表面划痕的检测方法。对金属表面图像进行Gabor滤波,提取出划痕的骨架结构,利用各向异性纹理抑制方法抑制金属表面的纹理,再用滞后多阈值准确提取划痕。实验结果表明,该方法能极大程度地抑制非划痕区域的金属纹理,同时完整地提取出细微的划痕图像,其误检率、漏检率和轮廓检测缺失概率分别为2%,3.7%和5.5%,明显优于基于边缘算子的划痕检测方法。

基于周边抑制机理的遥感图像背景纹理抑制方法

针对遥感图像中主要目标周围的纹理信息对目标识别造成的干扰,提出了基于周边抑制机理的背景纹理抑制方法。通过在边缘提取的基础上增加周边抑制模块,实现了对纹理边缘和轮廓边缘的分别处理,有效地抑制了纹理、保留了轮廓。以周边抑制机理为基础,结合多尺度处理技术,进一步提高了背景纹理抑制的效果。实验结果表明,本方法可以有效抑制背景纹理,为识别有较多背景纹理的遥感图像地物目标创造良好条件。

纹理抑制的光照不均图像配准算法研究

针对KAZE算法对光照不均图像特征点提取效果不佳的问题,提出了一种基于纹理抑制改进后的KAZE图像配准算法。改进算法的主要流程如下:将纹理抑制算法嵌入到非线性扩散滤波方程中,以实现对图像更好的光照估计;对光照估计后图像的亮度分量进行自适应Gamma校正;利用改进的KAZE算法对图像进行配准。实验结果表明,改进算法相较于SIFT、SURF、KAZE算法的平均正确匹配率分别提高了48.5个百分点、22.1个百分点和20.1个百分点,查全率提高了26个百分点、5个百分点和5.5个百分点,所提算法能有效地降低误匹配,并且广泛地应用到多种处理场景中。

基于纹理抑制平滑滤波的织物图案识别

针对织物图案特征提取效率低的问题,提出以纹理抑制平滑滤波算法与Adaboost算法为基础的织物图案识别法。首先对织物扫描图案的纱线纹理进行滤除;灰度化后再分别对图像的3个特征进行提取,最终构建图像特征库,以此作为训练对象,采用Adaboost算法进行实验。结果显示,以纹理抑制平滑滤波算法为基础的识别法能够提高图案识别率。

基于颜色拮抗和纹理抑制的轮廓检测模型

作为目标识别的关键步骤,轮廓检测已成为计算机视觉研究领域的热点之一.仿生学研究发现,在初级视皮层(V1)细胞中,驱动彩色亮度单元的双拮抗细胞感受野对亮度和颜色信息敏感且具有方向选择性,对于轮廓检测起到重要作用.本文提出一种基于颜色拮抗和纹理抑制的轮廓检测模型,通过二维高斯差分DOG函数来模拟纹理抑制模板,对不同的双拮抗细胞通道进行纹理抑制,在基于颜色拮抗特性检测模型中考虑了抑制纹理的作用.实验结果表明:在BSDS300图像库下本文模型在纹理抑制方面较现有模型有一定的优势,能够较好的提取目标轮廓,是颜色拮抗目标轮廓检测模型中的一种新思路.

结构识别引导下的纹理抑制图像平滑

目的针对目前已有的纹理平滑方法难以在抑制强梯度和尺度变化纹理的同时保持完整结构的问题,提出一种结构识别引导下的纹理抑制图像平滑算法。方法首先,结构与纹理的根本区别在于重复模式,结构应该是稀疏的,而纹理应该是一个有重复模式的区域,因此,通过对结构/纹理的多尺度分析,提取了对于结构/纹理具有辨别力的多尺度内变差特征;然后,借助支持向量机,对提取的特征样本点训练出一个结构/纹理分类器;就分类结果中存在的结构较粗、毛刺等问题,进一步对分类结果进行细化和剔除毛刺与孤立点的后处理操作,以获得最终的更为精细的结构识别结果;最后,提出结构引导下的自适应双边图像滤波算法,达到既能抑制强梯度和尺度变化的纹理又能保持结构完整性的图像平滑效果。结果本文提出的多尺度内变差特征在支持向量机训练中达到了96.12%的正确率,结构引导下的图像滤波能够在保持结构的同时,有效地抑制强梯度和尺度变化的纹理细节。结论本文算法在兼顾结构的保持和强梯度以及尺度变化纹理的抑制方面超越了已有的方法,对于结构提取、细节增强、图像分割、色调映射、图像融合和目标识别等众多技术领域的发展将具有较强的促进作用,体现了潜在的实际应用价值。

针对复杂纹理的手机外壳缺陷检测方法

针对手机表面存在纹理复杂、缺陷细小和缺陷多样性等特点,提出一种应用于复杂纹理的手机外壳缺陷检测方法。该方法首先对手机外壳表面划分区域进行放大处理,并抑制放大后的纹理。然后进行图像的主结构提取,再采用一种自适应边缘检测Roberts方法来进行缺陷轮廓提取。最后运用一系列的中值滤波、形态学运算等方法来综合处理并提取缺陷。实验表明,对手机外壳的划痕、污渍等缺陷误检率低,具有良好的检测效果。

一种基于双尺度高斯核方向导数的图像轮廓检测算法

为了降低图像轮廓检测中纹理对检测结果的影响,提出一种基于双尺度高斯核方向导数滤波器的图像轮廓检测算法。结合大小两个尺度高斯核方向导数滤波器构造图像的边缘强度映射(ESM),小尺度高斯核方向导数滤波器增强了图像细节信息的检测能力,而大尺度高斯核方向导数滤波器起到抑制纹理的作用。利用ESM自身的全局和局部信息对ESM进行均衡化。通过阈值化和形态学处理,得到最终轮廓检测结果。实验表明,该方法有效可行。

基于梯度曲面面积与稀疏约束的图像平滑方法

针对纹理图像在平滑过程中低对比度边缘易丢失和纹理细节抑制不彻底等问题,提出基于梯度曲面面积与稀疏约束的图像平滑方法。首先,将图像视作三维空间中的二维嵌入曲面,再在此基础上分析图像的几何特征并提出梯度曲面面积约束正则化项,以提高纹理抑制性能;其次,根据图像的统计特性,建立L0梯度稀疏与自适应梯度曲面面积约束的混合正则化约束图像平滑模型;最后,采用交替方向乘子法对非凸非光滑的优化模型进行高效求解。通过纹理抑制、边缘检测、纹理增强和图像融合等方面的实验结果可知,所提出的图像平滑算法克服了L0梯度最小化平滑方法易造成的阶梯效应和欠滤波等缺陷,能够在去除大量纹理信息的同时保持并锐化图像显著的边缘轮廓。

基于Adaboost多特征融合的织物扫描图案识别

针对织物扫描图像中纱线纹理等的存在造成难以提取有效图案特征的问题,提出了一种基于多特征融合的图案识别方法。首先通过纹理抑制平滑滤波算法滤除织物扫描图像的纱线纹理,并进行灰度化;然后分别提取灰度图像的边缘方向直方图、最大稳定极值区域的SURF特征和灰度共生矩阵特征,建立样本图像特征库;最后以样本图像特征库特征为训练对象,通过Adaboost算法融合3类特征建立分类器,实现图案识别。实验结果表明,基于Adaboost的多特征融合织物扫描图案识别算法比单特征识别算法有较高的准确率。

基于滚动引导滤波与FT算法的色织物疵点检测

针对色织物疵点检测纹理背景对检测结果影响大的问题,提出一种滚动引导滤波和频率调谐显著性相结合的色织物疵点检测算法。采用滚动引导滤波在保留疵点区域的同时抑制色织物的纹理背景;应用频率调谐视觉显著性算法得到全分辨率的显著图;使用迭代阈值分割将显著图二值化,并运用形态学运算去除孤立的像素点,疵点检测效果较好。认为:该算法能够有效抑制织物的纹理,对疵点区域精准分割。

基于机器视觉的泡罩药板穿泡缺陷检测方法

为提高工业生产线上对药板穿泡缺陷的检测速度与准确度,提出一种实用性算法。该算法采用级联检测方法,提出一种基于搜索子图像灰度差算法来实现缺陷粗定位,同时提出基于Gabor滤波的纹理抑制改进算法进行纹理抑制,通过对频谱能量分析,设计带有方向性的高效带通滤波器,实现缺陷图像重构,最终采用选择分块迭代阈值法实现阈值分割,成功定位残缺位置。该方法通过MATLAB仿真,试验结果表明,缺陷检测准确率达95.29%。通过与传统方法对比,该方法具有更高的准确度和可行性。

结合纹理梯度抑制与L_0梯度最小化的纹理滤波

目的纹理滤波是计算机视觉领域的一个基础应用工具,其目标是抑制图像中不必要的纹理细节和保持图像的主要结构。目前已有的纹理滤波方法多存在强梯度纹理无法被抑制或结构丢失的问题,为此提出一种结合纹理梯度抑制与L_0梯度最小化的纹理滤波算法。方法首先,提出一种能够区分结构/纹理像素的方向性区间梯度算子,其中采取了局部对比度拉伸和尺度自适应策略,提升了弱梯度结构像素的识别能力。随后,利用区间梯度幅值对原始图像梯度进行抑制,并用抑制后的图像梯度进行图像重建,获得纹理像素梯度小于结构像素梯度的纹理抑制图像。最后,考虑到纹理梯度抑制时会对结构像素的梯度产生一定的衰减作用,本文采用具有梯度提升作用的L_0梯度最小化方法对纹理抑制图像进行滤波,得到纹理抑制结构保持的纹理滤波图像。结果通过测试马赛克和自然风景等不同类型的图片,并与L_0梯度最小化、滚动引导图像滤波、相对总变分、共现滤波等方法相比较,本文算法能够在抑制强梯度纹理的情况下对图像的主要结构得以保持,并且具有良好的普适性和鲁棒性。同时本文将纹理滤波应用于图像的边缘检测和细节增强,取得了不错的效果提升。结论本文算法在兼顾强梯度纹理的抑制和结构的保持方面已超越已有的方法,对于图像的目标识别、图像融合、边缘检测等易受强梯度纹理干扰的技术领域,具有较大的应用潜力。

复杂海空背景下弱小目标的快速自动检测

针对海面运动载体的可见光序列图像,结合复杂海空背景图像的特点,提出了一种不以检测海天线为前提的弱小目标检测方法。首先,修复图像中被高亮度噪声损毁的部分,如曝光区域或反光区域;接着,量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,据此来判断海天线区域是否存在,若存在则预测海天线区域的位置,否则放弃后续处理;然后,采取Mean-shift分割算法中先滤波后聚类的策略,使用周围纹理抑制滤波来平滑海天线区域,并以像素点和点集为单位对平滑图像进行聚类;最后,将最大面积区域与其他区域分离来二值化图像,完成目标提取。试验证明,该方法能够很好地定位目标信息,单帧处理平均耗时为35ms,具有准确性和实时性。

基于梯度信息融合的海面红外目标实时检测

针对海面红外序列图像的特点,提出一种适用于海天背景和海岸背景的目标检测方法。该方法不需要进行特殊的预处理来滤除图像噪声,首先量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,从而预测出海界限区域的位置;然后利用改进Canny算子提取轮廓边缘,突出海界线特征,降低其他纹理的干扰,再进行Hough变换,提取出海界线;最后提出泛化梯度概念,通过融合的梯度信息,联合海界线的位置,进行海面目标标记。实验表明,所提方法能准确地定位海界限区域以及水平或倾斜的海界线,并快速精确地提取红外海面目标。整个过程的平均花费时间约为60 ms,具备很好的鲁棒性和实时性。

海面目标自适应实时检测

针对海面运动载体所获得的可见光序列图像及图像自身特点,提出了一种既适应于海天背景下的小目标而又适应于海岸背景下的大目标的目标快速自动检测方法.首先,量化子图像的区域复杂度以及单元区域上、下邻域的灰度差异,以预测并定位海界限区域,摒弃不含海界限区域的图像;采用周围纹理抑制方法改进的Canny算子提取海界限区域的主要轮廓,并进行Hough变换而提取海天线或海岸线;依据海界线上的灰度环境判断背景,在划定线附近的局部区域,凭借该区域内海面灰度的平缓特性而对其进行聚类提取目标;分析剩余海面灰度的统计特征,求取属于海面区域的灰度范围,快速区分海面区域和非海面区域;最后,进行后续处理,以剔除伪目标并标记真实目标.结果表明,该方法处理单帧图像的平均耗时在100ms以内,具有较好的准确性和实时性.

基于固视微动与初级视皮层神经机制的轮廓检测模型

已有研究表明,生物视觉系统中第二视觉通路主要是基于固视微动响应特性来完成视觉信息的特征提取.受此启发,提出一种基于固视微动与初级视觉皮层神经机制的轮廓检测模型,以注视中心为原点,通过不同角度下偏移的高斯一阶导滤波器模拟视觉神经细胞的固视微动特性,其中偏移量由图像的局部特征信息计算得到;然后将不同偏好方向下多个角度偏移模板的滤波能量与注视中心的响应能量竞争得到经典感受野的最优能量响应;最后通过高斯差分函数对最优能量响应进行纹理抑制并获得最终的目标轮廓输出.BSDS数据集的定性和定量实验结果表明,所提出的检测模型能够获得更完整更连续的轮廓特征,具有较高的性能评测指标.

基于视觉感知机制的轮廓检测方法

结合初级视皮层的结构及其功能特性,模拟初级皮层的轮廓感知功能,提出一种有效的基于人类视觉感知机制的轮廓检测算法.首先,利用局部能量建立复杂细胞响应模型;然后,结合初级视皮层细胞排列特性构建图像信息与皮层细胞的映射关系,通过模拟神经元间的水平连接机制,实现对图像轮廓信息的增强和背景信息的抑制,建立了以初级视皮层风车状结构为基础的轮廓感知模型.实验结果表明:所提方法在保持目标轮廓完整性的同时,对背景信息的抑制效果更为有效;可以更加有效地对图像背景纹理进行抑制和对目标轮廓进行增强,在一定程度上达到了轮廓过度检测与欠检测的平衡,检测出的目标轮廓位置也更加精准.

基于海面可见光图像的海界线快速检测

针对海面运动载体的可见光序列图像,紧密结合海面图像的特点,提出了一种适用于海天背景和海岸背景的海界线检测方法。根据量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,来判断海界线区域是否存在,若存在则预测海界线区域的位置,若不存在则放弃后续处理。由于海界线是自然视野中最长的连续性最好的直线,所以先利用周围纹理抑制的改进Canny算子提取轮廓边缘,然后对Hough变换进行投票加权,精细检测水平或倾斜的海界线。实验证明,该方法能够快速定位海界线区域,并得出既包含有效信息又大幅缩减了无意义信息的二值图像,可在轮廓边缘中准确找到海界线,具有很好的稳健性和实时性,可以应用于需要精确的海界线信息的工程任务中。